执行声学变焦的方法开始于麦克风捕获与视频内容相关联的声学信号。波束成形器使用声学信号生成波束成形器信号。波束成形器信号分别对应于视频内容的图块。每个波束成形器分别指向每个图块的中心。使用波束成形器信号生成目标增强信号。目标增强信号与视频内容的变焦区域相关联。通过如下操作来生成目标增强信号：识别分别至少具有被包括在变焦区域中的部分的图块，选择与所识别的图块相对应的波束成形器信号，以及组合所选择的波束成形器信号以生成目标增强信号。组合所选择的波束成形器信号可包括：确定每个所识别的图块相对于变焦区域的比例；以及基于该比例来组合所选择的波束成形器信号以生成目标增强信号。本文描述了其他实施例。