شما یک صدا رو با دو میکروفن در یک فضای آکوستیکی ضبط میکنید و این صدای استریو بشکلی نسبتا خوب میتونه فضای رکورد رو برای شنونده بازسازی کنه. با تدوین صدا یک تدوینگر بر روی خصوصیات این رکورد کار میکنه و با اعمال تغییرات نهایی اونرو آماده رکورد میکنه. صدای استریو شامل اطلاعات دو کانال هست و با پخش دو کانال از دو بلندگو ما یک صدا رو میشنویم که از یک نقطه در فضای بین دو بلندگو میاد. به مکان این نقطه میگیم چشمه صدا و به فضایی که دو بلندگو از صدای استریو میسازند ما SoundStage میگوییم. هر چقدر شما احساس کنید این صدا از یک فضای سه بعدی تر میاد میگیم سیستم یا رکورد در حال پخش تصویر بهتر یا Soundstage بهتری دارد. مطمئنا ضبط های معمول بازار و آکوستیکهای نامطلوب اتاق ها این اجازه رو به ما نمیدهند که از اونها یک صدای سه بعدی بشنویم و تصویر خوب بیشتر مربوط به سیستمهای خوب و محیط آکوستیکی خوب هست. البته فراموش نکنیم که خود رکورد هم باید درست ضبط شده باشد که نحوه صدا برداری و تدوین و نیز کیفیت تجهیزات صدا برداران و تدوینگران بسیار مهم میباشد. هرچقدر تصویر صدا بهتر باشه ما شفافیت بیشتری رو در فضای صدا حس میکنیم و ابعاد صدا (عمق یک استرینگ صوتی و مکان استرینگ بین دو بلندگو و ارتفاع استرینگ) مشخص تر میشود. اگه صدا ابعادش درست ساخته نشه اصطلاحا میگیم Stage صدا Flat هست و ما اون عمق و ابعاد رو حس نمیکنیم. صدای Flat ارزش استریویی رو از بین میبره و نمیگذاره ما احساس خوبی از ابعاد صدا داشته باشیم. به توانایی یک سیستم در دادن تصویر بهتر Imaging میگویند و هر چقدر صدا سه بعدی تر پخش بشه سیستم عملکرد بهتری داره. تصویر صدا با دو کانال (استریو) نسبت به سه کانال یا پنج کانال حساسیت بیشتری نسبت به آکوستیک اتاق داره و هرچقدر آکوستیک بدتر باشد در حالت استریو تصویر بدتری نسبت به سه یا پنج کانال خواهیم داشت. اگه به عبارت Layered Stage برخوردید منظور اینه که اون سیستم استرینگ های صدا رو با دقت خوبی در لایه های مکانی پخش میکنه. ممکنه به عبارت Free Floaty Soundstage هم برخورد کنید که منظور از اون شناور بودن و راحت جابجا شدن چشمه صدا در فضای بین دو بلندگو هست، این حالت احساس خوبی به Audiophile ها میده. سیستم ها باید بتونند ابعاد صدا رو هم بدون تاثیر از ناحیه فرکانسی صدا بسازند و هم بدون تاثیر از تعداد استرینگ های صدا. بعضی سیستمها تصویر خوبی در ناحیه وسط دارند اما خصوصا در ناحیه بالا تصویر خوبی نمیدهند. بعضی هم در Complex Music صدا رو فوروارد میکنند و تصویر خوبی نمیدهند اما تک استرینگ رو خوب پخش میکنند. من سورس آنالوگ رو بیشتر از دیجیتال 16 بیت در ساخت ابعاد صدا قبول دارم و ابعاد صدای Tube رو در ناحیه وسط بهتر از SolidState ها میدونم. البته نمیشه قانون نوشت اما با تجربه ای که تا حالا داشتم اینطور بوده.

زمانی سعی داشتم رابطه بین Stage خوب رو با پارامترهای فیزیکی سیستم پیدا کنم اما کار ساده ای نبود. اگه بگیم پارامترهای زیادی بشکل نه چندان ساده ای موثرند شاید بد هم نباشه به پارامترهای مهم اشاره ای کنیم. بنظر من خطی بودن سیستم (باید سیستم بتونه بدون فیدبک منفی بشکلی خطی جریان بده) در ساخت ابعاد صدا بسیار مهم میباشد و عدم اعوجاج پاسخ فرکانسی فاز در شکل Stage در نواحی فرکانسی مهم است.