空间视频与内容术语小词典：从空间照片到体积视频

当你听到“空间视频”“体积视频”这些词时，是否一头雾水？本文为你逐个拆解高频名词，讲清它们是什么、有什么用。

空间照片与空间视频：从2D到3D的跃迁

空间照片

定义：空间照片并非普通2D照片，而是包含深度信息的图像文件。它记录了场景中每个像素到相机的距离，从而允许用户在后期调整焦点、视角甚至景深。 技术原理：通常借助双摄或多摄系统，通过计算双目视差来生成深度图。也有用激光雷达（LiDAR）直接获取深度信息的方式。 应用场景：在Apple Vision Pro等头显上，用户可以通过空间照片获得身临其境的回看体验——照片仿佛变成了立体模型，左右移动头部能看到不同侧面。到2026年，空间照片预计会成为手机相册的标配功能。

空间视频

定义：空间视频是动态的3D视频流。每一帧都包含立体视觉信息（左眼与右眼画面）以及连贯的深度数据。 与普通视频的区别：普通视频只有平面画面，而空间视频允许用户在播放时改变观看角度，甚至进入场景内部穿梭。 拍摄方式：专业设备如Insta360各系列，或苹果iPhone 15 Pro以上机型通过两个摄像头同步录制。常规格式如MV-HEVC（多视角高效视频编码），用于存储左右眼画面。

六自由度（6DoF）与体积视频：交互的核心

六自由度（6DoF）

解释：6DoF指物体在三维空间中的六种独立运动方式：前后、左右、上下平移，以及俯仰、偏航、翻滚旋转。 在空间内容中的意义：与3DoF（只能旋转头部）不同，6DoF允许用户真正“走”进内容——可以弯腰观察地面、绕到物体背后。这是AR/VR体验从“看电影”升级为“逛场景”的关键。 实现方式：需要外部追踪传感器或通过SLAM算法实时计算设备位置。主流头显如HoloLens 2、Meta Quest 3均支持6DoF。

体积视频

定义：体积视频是一种记录三维物体或场景全角度动态数据的技术。它不是平面视频，也不是全景球，而是包含物体表面所有点的三维坐标和颜色信息随时间变化的数据集。 与传统视频的差异：体积视频可以从任意角度播放，没有固定视角；数据量极大，通常每帧达几十MB甚至数百MB。 现状与挑战：目前主要应用于体育赛事回放（如NBA全息捕捉）、虚拟演唱会、医疗解剖教学等。2026年，随着编码压缩技术和5G网络普及，体积视频有望进入消费级VR直播。

光场与沉浸式音频：还原真实感

光场

概念：光场记录的是空间中所有光线经过的方向、颜色和强度。简单说，它存储了整个三维场景的光学信息，而不仅仅是某个视角的投影。 与普通视频的区别：普通视频只记录一个观看著点；光场允许用户在场景内任意移动，甚至变焦后依然清晰。 应用：Lytro等早期相机曾尝试光场摄影，但计算成本高。当前苹果、Meta等公司在研发动态光场显示技术，以实现更自然的视觉体验。

沉浸式音频

空间音频：空间音频不再是简单的立体声，而是根据头部转动实时调整声场方向。通过内置陀螺仪，头显能模拟声音来自上方、后方或下方。 技术关键：头相关传输函数（HRTF）用于模拟耳廓、头部对声波的滤波效果，使人脑产生方位感。 实际体验：在空间视频中，如果听到有人从背后说话，你会本能地回头——这正是沉浸式音频的魅力。到2026年，大部分空间内容平台将默认集成对象音频（如MPEG-H）。

常见问题