Wenn man alles in Ambisonic (am besten 3rd order) aufnimmt, dann ist das nicht nur eine enorme Menge Daten, sondern auch ein ziemlicher Aufwand alleine im Schnitt.
Wenn man alleine ein einzelnes Schallereginis in diese "Sphäre" einfügen will, geht es schon los. Wo positionieren und wenn man "nur" DTS 5.1 macht, braucht es dann wirklich Höheninformationen?
Darf es noch ein bißchen Hall sein? ... und schon wird's kompliziert.
Im Grunde genommen ist da noch nicht viel Erfahrung zu diesem Thema zu finden oder diejenigen, die schon Erfahrung haben, veröffentlichen sie nicht.
Aber vielleicht kann Dich folgender Gedankengang doch noch weiter motivieren:
Muss es unbedingt DTS 5.1 sein? Die Renderer dafür sind noch zu bekommen, aber nicht mehr so ganz state-of-the-art. Auch wenn DTS 5.1 wegen seiner Dynamik wirklich großartig klingen kann.
Ich habe mir ein neues Spielzeug gegönnt:
Zylia ZM-1. Neulich habe ich ein paar einfache Testaufnahmen im Wald gemacht:
DieHaard_3_Bicycle_rider.flac by Ambisonic-Studio
Bei etwa 2:30 kommt ein Radfahrer vorbei gesaust.
Den vollen Hörgenuß gibt es derzeit "nur" mit Kopfhörer, dafür aber ...

... hör selbst. (Ist von 3OA auf binaural gerendert worden)
Auf dem vorletzten IHW habe ich mit verschiedenen Surround Mikrofonen ein Kurz-Hörspiel aufgenommen, mit den vielen lieben Helfenden vor Ort. Das war eindrucksvoll und das war "nur" FOA (First Order Ambisconic)
Von Ambisonic aus, besonders wenn es mind. 3OA, ist es ein finanziell überschaubarer Schritt in Richtung Dolby Atmos. Dem Urenkel von DTS 5.1, wenn man so will.
Als Software würde ich Reaper vorschlagen. Selbst ProTools kann "nur" 16 Spuren gleichzeitig ausspielen, Reaper kann 64. Und für 60 € bekommt man ziemlich großartige Software.
Also, Aufnahmen würde ich mit dem ZM-1 machen. In Reaper einfügen und mit diversen Plug-Ins (IEM Suite, SPARTA o. ä.) mal versuchen meine Vorstellungen umzusetzen. Haken an der Sache ist die ziemlich steile Lernkurve. Da spreche ich aus eigener Erfahrung.
Für mich sieht es derzeit so aus, dass ich denke, wenn man ein Surround (in welchem Format auch immer) Hörspiel macht, muss man "von hinten" aus anfangen. Also, welches Hörerlebnis will ich schaffen? Welche technischen Voraussetzungen müssen die Hörenden haben?
Dann ist zu planen, ob man alle Charaktere gleichzeitig aufnehmen kann. Das ist logistisch eine Herausforderung und wie geht man mit etwaige Versprechern oder späten Einsätzen um?
Ist die Atmo des Aufnahmeortes auch die gewünschte Atmo für das spätere "Sound-Design"?
Können alle Charaktere ihren Text zum Aufnahmezeitpunkt?
Wenn Du einzelne Takes im Raum platzieren willst, geht das natürlich (auch hier gibt es viele unterstützende Plugins), doch da gilt dann Carl Valentins Definition von Kunst "Kunst ist schön, macht aber viel Arbeit".
Das habe ich noch nicht gemacht, aber von den ersten prinzipiellen Versuchen her würde ich vermuten, daß es viele Stunden dauert.
Doch es gibt Hilfe! Hilfe in Form einer Definition: Hyunkook Lee hat mal gesagt, eine räumliche Aufnahme / Szene muss NICHT naturidentisch oder natürlich sein, sondern "nur" PLAUSIBEL. Dazwischen liegen Universen von Aufwänden, wie er sagt.
Doch zurück zu DTS 5.1
DTS 5.1 können sicherlich noch einige AV-Receiver abspielen, ich würde erwarten, dass es nicht mehr all zu viele sind.
Zumal es mittlerweile viele Soundbars gibt, die mit Phasenschweinereien und Verzögerungen einen "plausiblen" Surround Effekt erzielen. Das ist nicht einmal im Ansatz mit DTS 5.1 vergleichbar. Keine Frage.
Aber sie sind wirklich weit verbreitet. Leider!
Kopfhörer sind grandios, denn da bietet sich binaural an. Es klingt für unsere Hörgewohnheiten wie 3D, ist es aber nicht wirklich.
Für den Export von 3OA in ein Surround Format, gibt es die vielen, vielen Plugins, die gute Hilfestellung leisten. Bei einigen muß man nur das gewünschte Export Format auswählen und los geht's.
Ich denke, daß hier noch einiges an Pionierarbeit zu leisten ist. Das ist einerseits sicherlich viel Arbeit, aber auf der anderen Seite auch sicherlich spannend.
Heute habe ich mal zum Spaß eine spezielle Aufnahme gemacht. Ich habe mein ZM-1 mit Reaper verbunden, auf Record gedrückt und bin mit beiden Händen um das ZM-1 herumgefahren. Dann noch ein bißchen FFT, um die Störgeräusche rauszurechnen und dann hört sich das so an (bitte über Kopfhörer):
Das ist mal ebenso aufgenommen. Das geht noch viel besser, aber ich wollte etwas ausprobieren und hatte nicht viel Zeit.
Da ist keinerlei Prozessing dran. Ganz pur.
An Deiner Stelle würde ich den Korn nicht gleich in die Flinte werfen. Da geht noch einiges. Und vielleicht ist es sinnvoll über einen oder zwei "Zwischenschritte" nach zu denken? Und vielleicht erst einmal ein paar kleine Schorties umzusetzen, bevor man sich an die Epen macht?
Just my 2 cents.