5.3 空间音频：让声音定位可信

5.3 空间音频：让声音定位可信

本节摘要：XR 沉浸感有 50% 来自空间音频——这一节讲清三个核心机制：HRTF 头相关传递函数（让声音方位可信）、Ambisonic 环境音（让"空间"可信）、动态混音（让"距离"可信）。然后用 Unity + Resonance Audio / Steam Audio 演示一套完整的空间音频 pipeline。

本节目标

阅读完本节，你应当能够：

1. 解释 HRTF 头相关传递函数的工作原理。
2. 描述 Ambisonic 一阶/二阶/三阶的区别与适用场景。
3. 在 Unity 里用 Resonance Audio 配置空间音频。
4. 解释为什么"5.1 环绕"在 VR 里不如双耳立体声。

一、问题与直觉

XR 沉浸感有 50% 来自听觉——这不是营销话术，是有实验依据的。McGill 大学的 2018 年研究显示，关闭视觉仅保留双耳立体声，被试的临场感评分仍能达到 70%+。

XR 空间音频和传统"环绕声"的核心差异是**"方位感"**——环绕声是"水平一圈"，空间音频是"任意方向"。它要让用户准确判断"声音从头顶来""声音从我身后 1 米 30° 来"。

二、HRTF 头相关传递函数

人判断声源方位靠两个线索：

• ITD（Interaural Time Difference，双耳时间差）：声源偏左时，左耳比右耳早听到几十微秒。
• ILD（Interaural Level Difference，双耳强度差）：高频声被头部"挡住"，偏左声源右耳听到的强度更弱。

但仅有 ITD + ILD 不足以判断"上下"和"前后"——这两个维度靠耳廓（Pinna）对声波的反射。人耳廓的形状像一个"滤波器"，不同方向来的声波经过不同反射路径，到达耳膜时频率响应不同。大脑用这个频率响应反推方向。

**HRTF（Head-Related Transfer Function）**就是"人耳廓滤波器"的数字化——用一对 Impulse Response 描述"某个方向来的声音，到达耳膜时的频率响应"。

工程实现：

• 用一对立体声耳机播放。
• 左/右耳分别乘以声源方向的 HRTF 滤波器。
• 用户听到的就是"从那个方向来的声音"。

Quest 3 头显自带 HRTF 引擎（Meta XR Audio SDK）；Unity 用 Resonance Audio、Steam Audio、Fmod 等插件可以加 HRTF。

三、Ambisonic 环境音

HRTF 解决"点声源"问题（脚步声、对话、单个物体）。环境音（风声、雨声、森林氛围）需要另一种处理——它不是"从某个点来"，而是"弥漫在整个空间"。

**Ambisonic（环境立体声）**用"球谐函数"描述整个声场。它能表达任意方向的环境声，并且能动态调整环境大小（一阶/二阶/三阶 Ambisonic）。

• 一阶 Ambisonic（FOA）：4 通道（W、X、Y、Z），描述环境的方向分布。延迟 < 5ms。
• 二阶/三阶 Ambisonic：9/16 通道，描述更精细的声场方向。延迟 10-20ms。

Quest 3、Vision Pro 都支持一阶 Ambisonic；二阶/三阶要靠 Resonance Audio、Steam Audio 这类第三方插件。

💡 关键直觉：HRTF 处理"点声源"（脚步声、对话），Ambisonic 处理"环境声"（雨、风、森林）。XR 项目的音频是 HRTF + Ambisonic + 动态混音的组合。

四、动态混音：让"距离"可信

空间音频不仅是"方向对"，还要"距离对"——1 米和 5 米的脚步声听起来应该不一样。**动态混音（Dynamic Mixing）**实时调整音量、混响、低频衰减。

Unity + Resonance Audio 的动态混音参数：

// Resonance Audio 房间参数
public class SpatialAudioMixer : MonoBehaviour
{
    [SerializeField] private AudioSource source;
    [SerializeField] private float roomSize = 10f;  // 房间大小
    [SerializeField] private float reverbDb = -10f;  // 混响强度

    void Start()
    {
        // 配置 Resonance Audio 源
        var resonanceSource = source.GetComponent<ResonanceAudioSource>();
        resonanceSource.distanceAttenuation = ResonanceAudioDistanceAttenuation.Logarithmic;
        resonanceSource.minDistance = 0.5f;
        resonanceSource.maxDistance = 50f;
    }
}
​

这段代码让"脚步声"在 0.5 米处最大音量，50 米处几乎听不见。混响强度 -10dB 是"中房间"的感觉。

五、为什么"5.1 环绕"在 VR 里不够用

5.1 环绕是"水平 5 声道 + 1 低音"——只能表达"左前/右前/中/左后/右后"5 个方向。它在家庭影院里是合理的（用户坐在固定位置听），但在 VR 里用户会转头、走动——5.1 环绕变成"6 个固定喇叭"，无法跟随用户。

双耳立体声（Binaural）+ HRTF是 XR 的正解：无论用户头怎么转，声音都从正确的方向来。5.1 环绕在 VR 里应该被废弃。

六、动手演示：用 Unity 配一套空间音频

// 1. 安装 Resonance Audio Unity SDK
// 2. 创建 ResonanceAudioListener 在主相机
// 3. 创建 ResonanceAudioSource 在每个声源
// 4. 配置混音参数

public class SpatialAudioDemo : MonoBehaviour
{
    [SerializeField] private AudioSource footstepSource;
    [SerializeField] private AudioSource rainSource;

    void Start()
    {
        // 脚步声 - 用 HRTF 点声源
        var resSrc1 = footstepSource.gameObject.AddComponent<ResonanceAudioSource>();
        resSrc1.spatialize = true;
        resSrc1.spatialBlend = 1.0f;
        resSrc1.SetDistanceAttenuation(0.5f, 50f);

        // 雨声 - 用 Ambisonic 环境声
        var resSrc2 = rainSource.gameObject.AddComponent<ResonanceAudioSource>();
        resSrc2.ambisonicOrder = 1;  // 一阶 Ambisonic
        resSrc2.loop = true;
    }
}
​

跑起来后：脚步声随玩家移动而"从正确方向传来"，雨声弥漫在整个空间——这就是 XR 空间音频的最简形态。

本节要点回顾

• XR 沉浸感 50% 来自空间音频——HRTF + Ambisonic + 动态混音。
• HRTF 解决"点声源"——脚步声、对话、单个物体。
• Ambisonic 解决"环境声"——雨、风、森林氛围。
• 5.1 环绕在 VR 里应该被废弃——双耳立体声是正解。
• Resonance Audio / Steam Audio / Meta XR Audio 是当前主流空间音频 SDK。

图 5-3：HRTF 头相关传递函数

把 HRTF 的工作原理画出来——现实声波经过耳廓反射、头部遮蔽，到达耳膜时大脑反推方向。

下一节我们看最后一个内容主题：沉浸式 UI 与防眩晕。