低成本Ambisonic麦克风DIY：用USB声卡实现空间音频录制

1. 项目概述：从“买不起”到“自己做”的Ambisonic麦克风之路

作为一名长期混迹于音频制作和硬件DIY圈子的爱好者，我对于空间音频（Spatial Audio）技术一直抱有浓厚的兴趣。这项技术能让你戴上耳机，就仿佛置身于一个三维的声场之中，声音可以精准地从你的头顶、身后、左侧等任何方向传来，沉浸感远超传统的立体声。Ambisonic（高阶环绕声）技术正是实现这一体验的核心方法之一，它通过一套数学上称为“球谐函数”的编码方式，将整个声场的信息记录下来。然而，专业的Ambisonic麦克风价格动辄数千甚至上万美元，对于个人创作者、学生或预算有限的团队来说，门槛实在太高。

几年前，我在网上看到了一个名为“Ambi-Alice”的开源项目，它用四个廉价的驻极体麦克风胶囊（Electret Microphone Capsule）组装成了一个一阶Ambisonic麦克风，大大降低了硬件成本。这让我非常兴奋，立刻着手复刻。但很快，我就遇到了和项目原作者Rocio、Guillermo一样的问题：硬件做出来了，但怎么把它用起来？一个标准的Ambisonic麦克风需要至少四个独立的音频通道同步输入到电脑。这意味着你需要一个至少四进四出的专业音频接口（Audio Interface）。这类接口价格不菲，而且对于只想尝试空间音频录制的入门者来说，功能严重过剩，投资回报率很低。

于是，一个更实际的想法诞生了：能不能用更普及、更便宜的设备来驱动这个麦克风？比如，那些几十块钱一个的USB声卡？这个想法引导我走上了和原项目相似的探索之路——设计一个能适配普通USB音频接口的低成本Ambisonic麦克风方案。本文将详细拆解整个过程中的硬件设计、软件配置、踩过的坑以及最终的妥协与成果。如果你也对空间音频感兴趣，但被专业设备的价格劝退，那么这篇从零到一的实践记录，或许能给你提供一个切实可行的起点。

2. 核心思路解析：为何选择USB接口与面临的挑战

我们的核心目标非常明确：在尽可能控制成本的前提下，实现一个功能可用的Ambisonic麦克风系统。这直接引导我们做出了几个关键决策，每一个决策背后都伴随着需要攻克的技术难题。

2.1 方案选型：放弃专业接口，拥抱消费级USB声卡

最初复刻Ambi-Alice时，我们按图索骥，成功焊接好了麦克风阵列。但当连接时才发现，它输出的是四个独立的XLR接口音频信号。要同时采集这四个信号，最“正统”的方案是购买一个支持至少4个XLR/TRS组合输入的专业音频接口，例如Focusrite Scarlett 18i8、PreSonus Studio 68c等。这些设备价格通常在两千元以上，且体积较大。

我们问自己：Ambisonic录音的核心需求究竟是什么？是四通道音频的同步采集。至于话放质量、低延迟ASIO驱动、高采样率，对于初期的声场测试、环境音采集、VR内容原型制作来说，并非最紧迫的需求。市面上大量存在的、用于网络K歌、游戏直播的USB声卡，通常提供1个或2个3.5mm麦克风输入接口，价格仅需几十元。如果我们为麦克风的四个输出分别配备一个这样的USB声卡，再由电脑系统将它们虚拟成一个设备，成本可以压缩到极低。

这个思路的优势在于：

1. 成本极低：四个基础USB声卡的总价可能不到200元。
2. 模块化与灵活性：单个声卡损坏易于更换，未来升级也可以逐个进行。
3. 降低了入门门槛：让更多学生和爱好者能够接触并实践Ambisonic技术。

2.2 核心挑战一：供电与信号耦合

专业XLR接口采用“幻象供电”（Phantom Power），通过音频线缆提供+48V直流电，为电容麦克风供电。我们使用的JLI-2590A这类驻极体麦克风胶囊，虽然自带预极化电压，但其内部的JFET阻抗变换器仍然需要外部提供2-5V的直流偏置电压才能正常工作。在Ambi-Alice的原设计中，这个偏置电压就是通过XLR接口的幻象供电提供的。

然而，我们选用的廉价USB声卡，其3.5mm麦克风输入接口的供电方式完全不同。它通常提供的是“插件供电”（Plug-in Power），电压一般在1.5V到5V之间，且供电方式是通过一个电阻将电压加载到信号线上。这里就出现了第一个不匹配：电压可能不足，且供电电路未知。

我们测试了多款USB声卡，发现大部分提供的电压在2V以下，且输出电流能力有限。直接连接麦克风胶囊，信号非常微弱。原设计中的电阻-电容耦合电路（RC Coupling Circuit）本应起到隔离直流、通过交流音频信号的作用，但在低电压下，其分压效应可能导致信号进一步衰减。我们尝试了多种阻值的电阻，并试图从外部（如USB口取5V）引入独立电源，但都因无法解决与声卡输入电路的阻抗匹配和信号混合问题而失败。最终，出于时间和技术复杂度的考虑，我们做出了一个关键妥协：放弃外部供电，直接利用USB声卡接口可能存在的微弱偏压进行工作。这意味着麦克风灵敏度会大幅下降，仅对高声压级（SPL）的声音有较好响应。

2.3 核心挑战二：多设备同步与系统识别

即便解决了供电问题，我们还有四个独立的USB音频设备。操作系统（如Windows）会将它们识别为四个独立的“麦克风”，每个都有自己的时钟（Clock）。音频时钟的微小差异会导致“时钟漂移”（Clock Drift），长时间录音后，四个通道会出现不同步，破坏Ambisonic声场编码的准确性。

因此，我们需要一个软件层面的解决方案，能够：

1. 聚合设备：将四个独立的物理声卡虚拟成一个具有四个输入通道的“逻辑音频设备”。
2. 强制同步：尽可能让四个通道的采样时钟同步，或进行后期时基校正。
3. 低延迟监控：在录音时能实时听到经过Ambisonic解码的立体声或双耳（Binaural）效果。

我们首先尝试了通用的ASIO4ALL驱动，它可以将多个非ASIO设备捆绑。但实际使用中问题很多：设备名称随机变化、设置无法保存、稳定性差，最重要的是，它本质上只是做了一个通道映射，并未解决底层时钟同步问题，录音几分钟后就能听出通道间的相位误差。

经过一番搜寻，我们找到了更合适的工具：Voicemeeter Potato。这是一个功能强大的虚拟音频调音台，其“虚拟ASIO驱动”模式可以稳定地捆绑多个输入设备，并以一个统一的ASIO设备呈现给录音软件。虽然它并非为严格的科学测量设计，但对于我们的艺术创作和原型验证需求，其同步精度已经足够。这是我们方案能成立的关键软件基石。

3. 硬件设计与制作：从电路图到3D打印外壳

确定了“四USB声卡+软件聚合”的总体方案后，硬件部分的目标就变得清晰：制作一个拥有四个3.5mm TRS（立体声）接口输出的麦克风阵列，并为其设计一个稳固、美观且便于使用的外壳。

3.1 麦克风阵列与电路设计

我们使用的麦克风胶囊是JLI-2590A，这是一款性能相对均衡、价格适中的全向性（Omnidirectional）驻极体麦克风头。选择全向性胶囊对于构建一阶Ambisonic麦克风至关重要，因为它能均匀地采集来自各个方向的声音，为后续的指向性编码（B-Format中的X, Y, Z分量）提供纯净的原始素材。

电路连接极其简单，这也是妥协后的结果：每个麦克风胶囊的正极（通常标有“+”或焊点较大的一端）直接连接到3.5mm TRS插座的“尖”（Tip）端。负极（或外壳）则连接到TRS插座的“环”（Ring）和“套”（Sleeve）端（我们将其并联作为接地/信号回路）。是的，你没有看错，没有电阻，没有电容。这就是所谓的“无源直连”模式。

注意：这种接法存在风险。部分USB声卡的麦克风输入接口内部有偏置电压，直接短路可能会对声卡或麦克风造成损害。我们在测试前，用万用表测量了目标声卡在插入麦克风插头但未发声时的Tip与Sleeve之间的电压。确认电压很低（<1V）且为直流后，才决定冒险直连。更稳妥的做法是串联一个0.1uF - 1uF的隔直电容，但当时手头没有合适的贴片电容，且担心引入额外的容抗影响本已微弱的信号，故而省略。强烈建议你在仿制时，至少为每个通道串联一个1uF的无极性电容，以保护设备。

四个麦克风胶囊按照A-format的规范进行空间排列，即正四面体（Tetrahedron）结构。具体方位如下（假设麦克风朝上为正方向）：

• Capsule 0 (Front-Up): 指向正前方并略微向上倾斜。
• Capsule 1 (Left-Down): 指向左下方。
• Capsule 2 (Right-Down): 指向右下方。
• Capsule 3 (Back): 指向正后方。

这种排列方式确保了在三维空间中，四个胶囊的指向性最大限度地覆盖整个球面，为后续数学变换提供良好的基础。

3.2 结构设计与3D打印

一个稳固的机械结构对于麦克风阵列至关重要。胶囊之间相对位置的微小变动，都会导致编码出的声场方向发生偏移。我们使用Fusion 360进行了结构设计。

核心结构件包括：

1. 主支架：一个中心柱体，用于固定四个麦克风胶囊臂的安装座。内部留有走线槽，让四根麦克风的线缆可以整洁地汇集到底部。
2. 胶囊臂：四个完全相同的臂状结构，以精确的109.5度角（正四面体中心角）从主支架上延伸出去。每个臂的末端有一个精确匹配JLI-2590A外壳的卡槽，确保胶囊被牢固且对齐地固定。
3. 底部盖板：用于封闭主支架底部，上面设计了四个安装孔，用于固定四个3.5mm母座面板接口。
4. 手柄：一个符合人体工学、便于握持或安装到相机热靴/麦克风支架上的手柄，通过螺纹与主支架连接。

所有结构件均使用光固化（SLA）3D打印机以高精度树脂材料打印。选择树脂是因为它能提供比FDM（熔融沉积）打印更光滑的表面和更精细的细节，这对于需要精密装配的零件非常重要。打印完成后，我们对内壁进行了消光黑漆喷涂，以减少内部声反射。设计文件（STL格式）已开源，你可以直接下载打印。

3.3 接口选择与线缆制作

我们选择了3.5mm TRS立体声面板母座作为麦克风的输出接口。选择TRS（三极）而非TS（两极）的原因是为了兼容性。虽然麦克风是单声道信号，但使用TRS接口可以兼容更多类型的线缆。例如，我们可以使用：

• 3.5mm TRS公对公线：直接连接USB声卡。
• 3.5mm TRS转XLR公母线：在未来升级到专业接口时，无需改动麦克风本体。

焊接时，我们将每个麦克风的两根线分别焊接到TRS母座的Tip和Sleeve上，Ring端悬空。线缆我们使用了四芯屏蔽线，每对麦克风线使用其中一芯和屏蔽层，以减少通道间的串扰（Crosstalk）。

4. 软件配置全流程：让四个声卡协同工作

硬件组装完毕，只是完成了第一步。如何让Windows系统和录音软件把这四个“各自为政”的USB声卡当成一个统一的四通道麦克风，是项目成功的关键。下面是我经过多次调试后总结出的稳定工作流程。

4.1 硬件连接与系统设置

1. 准备四个相同的USB声卡：我们使用的是非常基础的“USB外置声卡”，确保它们型号一致可以减少驱动冲突。将四个声卡分别插入电脑的USB接口（建议使用一个供电充足的USB集线器，并确保集线器端口是垂直排列的，避免声卡体积过大互相干扰无法全部插入）。
2. 连接麦克风：用四根3.5mm公对公音频线，将麦克风的四个输出接口分别连接到四个USB声卡的麦克风输入口。
3. 系统音效设置：打开Windows的“声音设置” -> “声音控制面板”。在“录制”选项卡中，你会看到四个新出现的麦克风设备，名称可能类似“USB Audio Device (1)”、“USB Audio Device (2)”等。为了便于区分，可以右键重命名它们为“Ambisonic Ch1”、“Ambisonic Ch2”等。关键一步：右键点击每个设备 -> “属性” -> “高级”，将所有设备的“默认格式”（采样率和位深度）设置为完全相同的值，例如“16位，48000 Hz”。这为后续软件同步提供了基础。

4.2 Voicemeeter Potato 配置详解

Voicemeeter Potato是整套方案的“大脑”。以下是详细的配置步骤：

1. 安装与启动：从VB-Audio官网下载并安装Voicemeeter Potato。首次启动界面可能略显复杂，但我们需要关注的只是左侧的“硬件输入”部分。
2. 配置硬件输入：
   • 在“A1”的下拉菜单中，选择你重命名后的“Ambisonic Ch1”。
   • 点击“A1”旁边的齿轮图标，打开设置面板。将“Mode”设置为“Mono”，因为我们的每个麦克风都是单声道信号。将“Pan”设置为“0.0”（居中）。增益（Gain）可以先保持为0 dB。
   • 重复以上过程，将“A2”、“A3”、“A4”分别分配给“Ambisonic Ch2”、“Ch3”、“Ch4”，并全部设为Mono模式。
3. 创建虚拟聚合设备：
   • 在Voicemeeter菜单栏，选择“Menu” -> “System Settings / Options”。
   • 在“A1”设备选择的下方，找到“Virtual ASIO Device”或“Virtual Inputs”相关选项。确保“Number of ASIO Inputs”至少设置为4。这样，Voicemeeter就会创建一个名为“Voicemeeter Virtual ASIO”的虚拟设备，它拥有4个输入通道，对应着我们刚才分配的A1-A4。
   • 在“Patch ASIO Inputs to Strips”部分，确保将ASIO的1-4通道映射到A1-A4硬件输入。这样，录音软件通过ASIO驱动访问时，就能直接拿到四个通道的信号。
4. 同步与监听：
   • 回到主界面，当你对着麦克风说话时，A1-A4对应的电平表（VU Meter）应该会有跳动。这表明信号已经成功输入。
   • 你可以将右上角的“A1”按钮点亮，将输入信号发送到“Bus A”，然后在“VAIO”或“AUX”输出上连接你的耳机，实时监听混合后的声音。不过对于我们来说，更常用的是在专业的Ambisonic录音软件中直接监听经过解码的双耳信号。

实操心得：时钟同步的“软”解决。Voicemeeter并非通过硬件同步时钟，而是通过其音频引擎，以电脑系统时钟为基准，对四个输入流进行重采样和缓冲对齐。在默认缓冲设置（如512 samples）下，短时间（数十分钟）内的同步误差人耳几乎无法察觉。但对于需要绝对精确同步的长时间录音（如声学测量），这仍是一个理论上的缺陷。对于艺术创作和大多数实验，这完全够用。

4.3 录音软件设置与Ambisonic Recorder使用

我们使用了一个基于openFrameworks和BRT（Binaural Rendering Toolbox）库自研的“Ambisonic Recorder”应用进行录音和实时监听。你也可以使用Reaper、Ableton Live等支持多通道ASIO输入的DAW（数字音频工作站）。

以Reaper为例的设置：

1. 在Reaper的“选项” -> “偏好设置” -> “音频设备”中，将音频系统设置为“ASIO”，设备选择“Voicemeeter Virtual ASIO”。
2. 新建一个多轨工程，添加四条音轨。
3. 在每条音轨的输入设置中，分别选择“输入：立体声” -> “输入1/2”中的“输入1”、“输入2”、“输入3”、“输入4”。这样就将ASIO的四个单声道输入分别分配给了四条音轨。
4. 将四条音轨的录音准备（Arm）按钮全部点亮，即可开始同步录制四通道原始A-format信号。

我们自研的Ambisonic Recorder软件则更加专一化：

• 它直接调用Voicemeeter的ASIO驱动，获取四个输入通道。
• 软件内部实时将A-format信号通过一个解码矩阵转换为B-format（W, X, Y, Z）信号。W是全向分量，X/Y/Z分别代表前后、左右、上下的指向性分量。
• 同时，它利用BRT库和HRTF（头部相关传输函数），将B-format信号实时渲染为双耳信号，通过耳机输出，让你能实时听到空间音频效果。
• 录制停止后，它可以直接将四通道的B-format信号保存为一个标准的四声道WAV文件（按照FuMa规范排列），方便导入到其他音频软件或游戏引擎（如Unity, Unreal Engine）中进行后期处理或回放。

5. 性能评估、问题排查与优化方向

经过一系列测试录音，我们对这个低成本方案的性能有了清晰的认识，也总结出一些典型问题和潜在的优化路径。

5.1 实际录音效果分析

我们分别在安静的室内、嘈杂的街道和空旷的广场进行了测试录音，并与使用专业音频接口供电的Ambi-Alice原始版本进行了对比。

优势：

• 成本：整套系统（麦克风材料+4个USB声卡+USB集线器）的成本控制在300元人民币以内，是商业方案的零头。
• 可工作性：对于中高频、高声压级的声音，如人声近距离讲话、乐器演奏、敲击声等，录制效果清晰可用。声像定位感在双耳回放时是明确可辨的。
• 灵活性：模块化设计，任何部分损坏都易于维修或替换。

劣势与问题：

1. 灵敏度低与低频衰减：这是最大的问题。由于供电不足，麦克风胶囊的JFET未能工作在最佳区域，导致整体灵敏度下降，尤其是低频响应严重不足。录制的环境底噪非常小（因为信号本身就弱），但同时也丢失了很多环境声的细节和空间感，声音听起来“发干”、“发薄”，类似一个低通滤波器的效果。在Torre_del_Mar的测试录音中，远处的人声对话模糊不清，但近处响亮的教堂钟声却录制得很清晰，这就是明证。
2. 动态范围有限：对微弱声音捕捉能力差，但对大声又容易产生削波失真（虽然廉价声卡本身的输入动态范围也不大）。
3. 通道间增益差异：四个USB声卡即便型号相同，其模拟电路也存在细微差异，导致四个通道的增益和本底噪声不完全一致。这需要在后期软件中进行校准（Calibration），通过测量每个通道对相同声源的响应，计算出一个校正矩阵，在A-format转B-format前应用。

5.2 常见问题排查表

5.3 核心优化方向：重新设计供电电路

要根本性解决灵敏度问题，必须为麦克风胶囊提供独立、稳定的偏置电压。一个经典的单电源驻极体麦克风放大/耦合电路如下：

+V (3V-5V) | R1 (2.2kΩ - 10kΩ) | +-------> To Soundcard Input (Tip) | 麦克风+ ---||------+ 麦克风- -----------+-------> To Soundcard Ground (Sleeve) C1 (1uF - 10uF) | GND

原理说明：

• R1是偏置电阻，其阻值需要与麦克风胶囊的JFET内阻匹配，通常在2.2kΩ到10kΩ之间，需实验确定最佳值。它和电源+V一起，为麦克风内部的JFET提供工作点。
• C1是耦合电容，其作用是“隔直通交”。它阻止了直流电压+V进入声卡，同时允许交流的音频信号通过。电容值影响低频截止频率，1uF通常可保证低频响应。
• 这个电路可以在一块很小的万用板或定制PCB上实现，放置于麦克风手柄内部。电源+V可以从一个单独的5V USB充电宝或通过USB集线器的一个端口引出（需经过稳压）。这样，麦克风输出给声卡的就是一个标准的、带有直流偏置的音频信号，声卡只需像接收普通有源麦克风信号一样接收它即可，灵敏度将恢复至正常水平。

实施建议：你可以先在一个通道上搭建这个电路进行实验。使用一个可调电阻箱代替R1，从1kΩ开始逐步增加，同时用录音软件监测录音电平，找到输出信号最大且不失真的阻值。确定最佳R1和C1参数后，再制作四路相同的电路板集成到麦克风中。这将是本项目从“能用”到“好用”的最关键一步。

6. 项目总结与延伸思考

回顾整个项目，它更像是一次在严格成本约束下的工程探索和妥协艺术。我们成功地用极低的预算搭建起了一个能够录制一阶Ambisonic B-format信号的硬件框架，并验证了通过软件聚合多个廉价音频设备实现多通道同步采集的可行性。这对于教育、原型设计、以及预算极度有限的创意实验来说，具有明确的价值。

然而，妥协也带来了明显的性能短板，主要集中在因供电不足导致的音频质量下降上。这恰恰指明了未来迭代的方向：将优化的重点从“接口适配”转回“前端电路设计”。下一步，我计划设计一块内置四路麦克风前置放大电路（可能采用低噪声运放如TLV9162）和USB-C供电的小型PCB板。这块板子将完成信号放大和阻抗匹配，然后输出标准的线路电平（Line Level）信号，再通过USB音频接口（甚至可以直接用一块多通道的USB音频芯片如CM6206LX）进行数字化。这样，我们就能在保持较低成本的同时，获得接近专业设备的音质。

这个项目也让我深刻体会到，在硬件DIY中，软件工具链的成熟度极大地扩展了可能性。Voicemeeter这样的虚拟音频路由工具，以及Reaper、Ableton Live等支持复杂路由的DAW，让我们能够以非常灵活的方式组合硬件，打破了传统音频设备必须一一对应的限制。而开源的空间音频库（如Google的Omnitone、英国的IEM Plugin Suite）和游戏引擎的原生支持，则让Ambisonic内容的制作和回放变得越来越平民化。

最后，对于想要复现或改进此项目的朋友，我的建议是：分步实施，先通后精。你可以先完全按照本文的无源方案，用最少的投入把整个流程跑通，录制一些测试音频，感受空间音频的魅力。当你对效果不满意，并明确是灵敏度问题时，再着手进行供电电路的改造。这个过程本身，就是学习音频电子、声学原理和信号处理的最佳实践课。毕竟，在动手解决一个具体问题的过程中学到的知识，远比单纯阅读理论要深刻得多。