数十年来，音频技术历经单声道时代、立体声时代、多声道时代不断向前发展。声音丰富了影像表现的同时，更在影像的表现方式上产生各种不同的技法，因此，声音成了影像中不可或缺的重要元素，与画面的重要性不相上下。而视听技术所孜孜追求的就是带来终极的感官刺激，VR也好、立体声也罢，都是希望帮助人们完全融入技术所构建的世界里，用真实感消解技术的存在。“沉浸”(immersive)就是这一趋势的关键词。
沉浸式音频，是音频自单声道进入立体声之后，一次真正的革命性跨越，它所带来的真实感，在短短几年时间里，已经席卷影院、娱乐、广播电视和专业应用领域。
广播公司要如何留住自己未来的观众？在消费者使用的所有目标设备上提供更加逼真和引人入胜的听觉体验，同时允许他们根据自身喜好随意调整解说对白与背景声比例，不失为一个解决办法 。
市场调研公司ABI Research表示，到2020年约70%的UHD电视机将支持如高动态范围（HDR）、更广色域、高帧频和沉浸式音频等的新技术。
许多制造商很早就进入了沉浸式音频领域，但现在随着ATSC 3.0力图把沉浸式引入广播领域，AES提出了一个旨在确保沉浸式音频传输系统采用相同的空间音频信息交换文件格式的标准。值得注意的是此标准把双耳听音提升为沉浸式听音的关键，这意味着此标准全都与头部及其存在的空间（真实或仿真）有关。
DTS的Headphone:X演示让耳机音频听上去与来自音箱的几乎相同，达到要让试听者把耳机取下以确信的程度。当然，DTS人员有大量时间预先准备，在我们到达前调整设置，但尽管如此结果令人印象非常深刻。
如果其它厂商的沉浸式系统也同样令人印象深刻，并且AES69-2015被用于系统间的交换，那么沉浸式音频世界将变成一个非常激动人心的聆听之地。
在2014年底，芬兰国家公共广播公司就试验沉浸式流媒体直播了。它使用ATEME及其合作伙伴Finwe和Kolor开发的 360°视频广播解决方案LiveSphere，在各种装置上为其电视观众提供了芬兰独立日总统招待会的沉浸式全景体验。此LiveSphere首次演示为该全新技术的未来实施打好基础。
Fraunhofer研究院正在研发的最新电视音频系统利用MPEG-H基于声音对象的编码模块提供交互式服务，让观众可以根据自身喜好调整电视声音的混音比例、提高晦涩对白的音量或创建一个“主队”效果的体育节目解说音预设。该系统可通过在传统的扬声器布局基础上添加的前后上层扬声器声道或者最新的高阶高保真环绕立体声声场还原技术还放沉浸式音效，改善现今的环绕声效果，营造与最新的影院音响系统不相上下的真实的沉浸式听觉体验。
下一代电视标准需要一个下一代音频系统，现在三个竞争的系统正争取成为ATSC 3.0的音频组成部分。它们分别来自杜比实验室、DTS以及特艺、夫琅和费和高通三巨头联盟。
尽管这三种系统各有特色，但全都采用基于对象的音频的新声音技术，使下一代电视音频提供个性化声音及根据观众独特需求、环境或装置定制音频节目的能力；此外，ATSC 3.0音频增强环绕声，为家庭影院和耳机听众带来更多的环绕体验，即沉浸式音频。
目前，影院仍是沉浸式音频的主战场。但是相信在不久的将来，演讲、教学、仿真、演出、主题乐园等非影院的内容和应用场合，沉浸式音频也有机会来颠覆观众体验。除了商业影院，沉浸音在其他形式的娱乐和教育和科研等领域内的应用其实有更加广阔的前景，例如VR技术的迅猛发展态势必然会将沉浸音这种三维音频定位技术快速吸收结合。我们在各种大型知名主题公园设施中看到的演出游戏互动设施和节目早已经是沉浸音技术的天下。因为在这样的应用中，不受标准场地的限制，可以说是一个项目一种创作，一种效果，各有特色，正是充分发挥沉浸音技术优势的最佳方式。沉浸音技术将我们对影视创作的感知真正的从银幕中拉出到三维世界，与其他伟大科技进步一样，沉浸音最终将成为未来我们日常生活的一部分，我们感知世界的方式。