作者：Matthias Scholz

用戶界面設(shè)計(jì)師、應(yīng)用聲學(xué)博士

我們聽覺系統(tǒng)有一個(gè)非常強(qiáng)大的能力——定位聲源的位置。

無論是在交通安全導(dǎo)航，還是在游戲、家庭影院中營(yíng)造逼真聲場(chǎng)，聲音的空間屬性都至關(guān)重要。

我們?nèi)绾味ㄎ宦曇簦?/span>

首先，聽覺系統(tǒng)會(huì)利用雙耳時(shí)間差（圖1a）。

正前方或正后方傳來的聲音會(huì)同時(shí)到達(dá)雙耳。但如果聲源偏左或偏右，聲音就會(huì)先后到達(dá)兩只耳朵，產(chǎn)生微小的時(shí)間差。從另一個(gè)角度看，雙耳接收到的其實(shí)是同一聲音的不同相位。

兩耳時(shí)差 圖1a：當(dāng)聲音來自前方，雙耳時(shí)間差為零（左）。當(dāng)聲音來自側(cè)面，頭的尺寸約為20厘米，聲速為340米/秒，最大時(shí)差為0.58毫秒（右）

在低頻情況下，我們的大腦能很好地解析相位差。但頻率升高后，波長(zhǎng)可能短于頭部尺寸，導(dǎo)致雙耳接收到的相位出現(xiàn)混淆，甚至出現(xiàn)“虛假匹配”（圖1b）。

兩耳相位差 圖1b：通常耳朵會(huì)感測(cè)到相位差（左），根據(jù)頻率和入射角度，它們可以檢測(cè)到虛假相位匹配（右）。

幸運(yùn)的是，我們還有第二條線索：頭部遮擋效應(yīng)。

當(dāng)聲音從側(cè)面?zhèn)鱽?，頭部會(huì)在另一側(cè)形成“聲影區(qū)”。頻率越高，遮擋效果越明顯。低頻聲音波長(zhǎng)較長(zhǎng)，能繞過頭部，雙耳聽到的聲音強(qiáng)度相近；而高頻聲音波長(zhǎng)較短，會(huì)被頭部阻擋，導(dǎo)致遠(yuǎn)離聲源的那只耳朵聽到的聲音變?nèi)酢?

此外，耳廓的形狀也會(huì)提供重要的頻譜線索。

耳廓不僅會(huì)阻擋非正前方的高頻聲，其復(fù)雜結(jié)構(gòu)還會(huì)對(duì)聲音進(jìn)行反射和濾波，增強(qiáng)或減弱某些頻率。你可以試著轉(zhuǎn)動(dòng)頭部感受一下：當(dāng)偏離聲源時(shí)，高頻會(huì)略微減弱——這種細(xì)微變化平時(shí)不易察覺，卻是定位聲源的重要依據(jù)。

雙耳聲記錄和重放

我們通常需要雙耳才能獲得真實(shí)的空間聽感，因?yàn)樽笥叶穆犛X差異是定位聲源最強(qiáng)的線索。而正前方或正后方聲源最難定位，因?yàn)殡p耳接收的信息非常相似。

更重要的是，我們的方向感很大程度上基于個(gè)人經(jīng)驗(yàn)，與頭部、耳廓、耳道的大小和形狀密切相關(guān)。聽覺系統(tǒng)會(huì)逐漸建立一個(gè)“參考數(shù)據(jù)庫(kù)”，比如“從后方傳來的聲音聽起來較悶”。因此，要想實(shí)現(xiàn)逼真的空間聲效，就必須還原聽覺系統(tǒng)所期待的全部信息。

目前主流的雙耳聲記錄與重放技術(shù)使用“人頭與軀干模擬器”（HATS）采集聲音，再通過耳機(jī)回放。這種方式能高度還原人與聲場(chǎng)的交互，廣泛應(yīng)用于聲學(xué)主觀評(píng)價(jià)，屬于靜態(tài)雙耳聲重放。

而隨著 “元宇宙” 興起，AR/VR 場(chǎng)景中我們希望能實(shí)現(xiàn)動(dòng)態(tài)雙耳聲重放：頭部轉(zhuǎn)動(dòng)時(shí)，聲音方向也隨之變化；或同一段音頻在不同虛擬環(huán)境中呈現(xiàn)不同效果……這些都要求聲音系統(tǒng)能實(shí)時(shí)響應(yīng)聽者動(dòng)作與環(huán)境參數(shù)。

由此可見，我們之所以能精準(zhǔn)地感知聲源方位，得益于聽覺系統(tǒng)與大腦對(duì)多種線索的復(fù)雜集成與解碼。這項(xiàng)看似本能的能力，其背后是生命演化的奇跡。而雙耳聲技術(shù)的目標(biāo)，正是為了在虛擬世界中忠實(shí)地復(fù)現(xiàn)這一奇跡。

理解并模擬我們的聽覺，不僅是為了更好的產(chǎn)品，更是為了拓展人類感知世界的維度，讓技術(shù)在追尋“真實(shí)”的道路上不斷前行。