耳机的声场有没有讨论的必要？ 第1页

首先，并不是所有人都知道如何评价“声场”。更别提能听懂。最典型的例子就是一些发烧友口中的“声场大一圈”、“耳机声场”、“耳机听出了歌剧院的临场感”。甚至一些人可以听出他们在ABX双盲听中可能根本听不出任何区别的耳放声场大一圈。

实际上很可能一个听了20年耳机的人也不知道什么是声场。即便和现实声源对比是那么的简单。因为如果一直听扭曲空间的声音就可能永远不知道真正的空间印象是什么。更别说能调音了。

专业调音领域有时认为soundstage超出一定范围就没有soundstage了。评价各个声部在左耳右耳额头附近甚至是头中并且image过宽活严重扭曲的soundstage之间的差别有多少意义。。。

我也从来没有听说过我所熟知的任何一个专门做主观调音的人说耳机有soundstage。实际上一些专门做主观调音很多年的人，会直言不讳的说，There is no headphone soundstage, it's imaginary

如果只是单纯的认为自己很懂声场的评价，或者只是知道一些概念和名词。至少我觉得我没有必要去讨论这个问题。

你是对的，你赢了！

传统的耳机之间所谓”声场“的区别，很大程度上是由不同耳机的频响曲线不同进而导致录音中残留的混响能量的差异。而混响与很多soundstage和image的成因关系是很小的。有时候单纯的差别也不意味着好坏。耳机由于压力场的属性与自由场存在区别，所以耳机本身也不存在狭义上“虚拟声场”，这是算法才能实现的。

以下再重新回答一些琐碎的问题。

为什么像耳机这种没有Crosstalk的东西听起来会很不自然？

这个话题，要先从纯音等响曲线说起

由于人的耳道的尺寸，会在3k~4k左右产生共振，进而使得3k~4k的纯音（单频正弦波）听起来比1kHz高10dB左右。

所以我们需要一个3k~4kHz比1kHz低10dB左右的音箱用来补偿人耳的这种生理结构所带来的“纯音等响曲线”？

事实并非如此，无数实验和研究证明人更喜欢频响曲线接近平直的音箱。如果等响曲线依旧起作用，那么对于频响曲线平直的音箱而言，我们主观上则会觉得高频过亮。但事实并非如此，并且，根据大量的实验和调研，人们所偏好的频响曲线相似且在3kHz左右区别微乎其微。这表明我们的耳朵器官并不是一个对声音质量感知起决定性因素的生理器官（除非是听觉极限）。

心理声学认为，这是由于我们出生以后，通过对接触到的任何声音现象的适应而形成的听觉特性。因此，可以认为大脑在人类听觉中起者更重要的作用。（但部分区别于所谓脑放）

而人类听觉的适应特性也解释了为什么残障人士在第一次安装助听器时常常抱怨助听器声音非常糟糕。这是因为，当人的听力损失有一段时间后，人已经适应了听力损失的听觉状态，所以当听力大幅度恢复时，反而会不适应。适应这种人工耳或者助听器则又需要一段时间。

类似的研究表明，人们安装人造耳廓后，很快就会学会如何用新耳朵来适应和定位声音。

而声音的定位即声像和声场则是衡量一套HiFi系统一个很重要的指标。可事实是，不论是人类千百万年来的进化，还是人作为个体从小到大的成长，我们所接触的绝大多数音源都是类似于音箱的在空间中发出的带有直达声和反射声并具有方向的声音。即便是重度耳机用户，一天中所听到的声音中依旧是“自然音源”占主要部分，比如说人与人之间的谈话、马路上汽车的轰鸣声，更何况人的听觉系统是24小时不间断工作，除非你睡觉的时候也带耳机并播放音乐，否则，类似音箱的“自然音源”占我们听觉系统所接收到的信号中的绝对主导地位。

只要听音者位置的音箱或者声源发出的声音相同，那么听音者听到的声音本身就是相同的（排除听力损失等因素）。但是，不同听音者会因为各自的HRTF，在耳道内的声音是有所不同的。这会造成一定的影响，下文还会提及。

与此同时，不论是立体声还是多声道系统，我们所听到的绝大多数乐器和人声均属于虚拟声像。在此，我先简单介绍一下虚拟声像与真实声像的区别。比如说不论是立体声的耳机还是音箱都有左右两个声道，然而对于很多只有一个歌手而言，我们只能听到一个人在唱歌即一个人声声像。这种两个声道同时播放但却只能听到一个人声的现象叫做虚拟声像。而真实声像则为一个真正的人在唱歌或者单声道的音箱所播放的人声。声像的感知（宽度、距离和方位）本身就是人的一种主观感受，虚拟声像则更是人的主观感受，在这当中大脑其主要作用。

回到耳机与音箱欣赏音乐时的差别，由于人的大脑大部分时间都在处理类似于音箱的“自然音源”，适应了音箱的声像和声场而非耳机。（传统的未经算法处理和未播放人头录音的耳机与音箱在客观原理是存在原理性差别）。所以对于人而言，音箱的声场和声像远比耳机自然和标准。

如果一个人从出生开始就24小时只听耳机，他的听觉特性会如何？我们不得而知。我们知道的就是对于现阶段的人类和录音，音箱是欣赏音乐的标准，而如果耳机也想做到“HiFi”的声场和声像，则必须模拟音箱或者声源，而非反过来音箱模拟耳机。

人有两个耳朵，所以立体声才是最适合听声音的？

这是基本上随处可见的一种错误言论。

人有两个耳朵，所以一个乐队中只能有一个人声唱歌+一个乐器一共两个声源人才能听？人有两只眼睛，所以看电视要两块屏幕？看球赛里面只有两个人能踢球？人有十个手指，所以手机应该有十个按键？

这其实都是风马牛不相及的事情。

事实上，如果要回放一个由1个歌手+4个乐器组成的乐队，那么最好用5只音箱，每只音箱摆在对应乐器和乐手的位置和高度，模拟5个声源，才能获得更好的声场效果。

此外，高品质的多声道系统拥有中置声道带来的真实声像，和天空声道有效还原三维空间的声源和反射声。立体声系统虽然可以通过录音和音箱摆位做到人声声像接近真实声像，但是人头动态因素导致的声像漂移、声像定位变化、声像聚焦等问题是立体声音箱系统的先天缺陷，无法或者说很难弥补。中置音箱可以有效且较好的还原人声声像，定位准、声音不漂。

而对于天空声道，可以通过算法或者预先混音对音乐厅剧院等中大型建筑三维声场的还原，相比立体声系统就是降维打击。

而对于音色，其他条件都确定的情况下，只要多声道系统的音箱和立体声是一致的，那么音色就大致是一致的。之所有很多发烧友认为多声道系统中的家庭影院系统音质不如HiFi，很多时候是因为用同价位的两套HiFi音箱系统和家庭影院系统对比。通俗的讲，如果用两万一对的HiFi音箱和7~10万一套的多声道音箱再对比，就不会有多声道系统音质不HiFi的想法了。

更形象的讲，你花5万买了一套杰士家庭影院，你可能会觉得音质不如你同样花了五万多买的JBL 4367。但如果你用7个4367做一套家庭影院7.2.4中的7（先不考虑功放音源等其他因素），那么你就不会觉得这7个4367音质不如你原来的两个4367，因为它们都是一模一样的4367。。。

录音中已经包含混响，为什么回放还需要反射声？

常见的录音室虽然有声学处理，但也只是部分吸收和扩散反射声，或者说只是将一些不利于工作位置的反射声，尤其是可能导致声染色的一部分早期反射声处理。录音室并非消声室，依旧是存在反射的。除了混音本身的混响效果，依旧存在房间音箱的混响，并且反射声本身并不只有混响。混响对空间印象的形成也并非起到所有作用，实际上很多时候与crosstalk和早期反射声有关。

真正的消声室是在房间内任何位置都放有吸声材料，尽可能减少任何反射声以模拟自由场（如果是半消室则是5个面有吸声材料）。而且通常消声室所使用的吸声材料，例如常见的尖劈，实际的吸声系数和效果也与录音室或者听音室所使用的不同。并且即便是全消声室，也存在低频截止频率。

所以常见的录音室仍然存在一定的反射声，也就存在一定的后期反射声即混响。所以对于耳机这种回放过程中没有类似于音箱系统反射的回放类型，即便对于混响的还原也是残缺的。

录音行业为什么依赖音箱？

耳机并不是什么新鲜发明。可为什么整个录音行业还是以音箱为主呢？

通常，录音过程的麦克风需要放置在被录制乐器的近场附近。目的是为了尽可能的避免房间反射对录音的影响。也许有人会疑惑，反射声明明是形成声场的重要条件，为什么不直接录下来呢？

这是因为在房间内相同位置，麦克风所录制的反射声与人主观所听到的反射声是不同的。

最典型的例子，如果你在房间中平时听音的位置用麦克风录音，那么即便用耳机这种无反射声的设备回放，听起来也和你真的坐在那个位置有很大不同。尤其是距离稍微远一点的情况下。很容易发现，录出来的声音可能是浑浊的或者有很明显混响的。但实际坐在那个位置听却并没有这么严重的问题。

这就是人类听觉系统的高级功能——听觉适应。

所以想靠麦克风简单直接的录制反射声给耳机听，是反人类的。只有在无反射的环境下，才会避免这个问题。有时确实可以用定向麦克风对声音进行远场录制，但是也就损失了很多反射声的信息。造成这样现象的一个因素可能与采用麦克风对反射声进行录制没有经过HRTF滤波有关。

所以一些人会想能不能用人头录音。但是人头录音，人头本身的HRTF可能与听音者存在差异。这种差异也许对音色的影响是至少是可以接受的。但对于空间印象的影响有时是毁灭性的，和真正在空间中听到的声源有较大不同，甚至有时会产生更强烈的头中效应。有一种解释是因为大脑识别到了不属于自己头部传递的声音，从而产生了“排斥反应”。

除此之外，人头录音还有一个致命缺点。也就是人头录音只能录制两个声道，所有的乐器和人声在左右声道都混在一起。这对于录音师调音简直是灾难。因为很难把各个音源的录音通过算法解包裹到可以较好混音的地步。很多录音原始音轨都有十几个至几十个之多，一个乐器可能采用多个麦克风。录制不同的乐器和人声通常也要采用不同的麦克风。

并且，即便是人头录音能够给耳机带来更好的空间印象体验。所谓声场的功劳也在于录音方法而不是耳机。而音箱向空间中发射声音并经过反射的特性与现实世界中的音源是一致的。只不过指向性可能有所不同。

所以人头录音基本上被淘汰了。可能比较流行的也就是ASMR主播。即便是针对耳机的录音，目前也是采用混音算法。

而如果采用近场录音而用耳机完成全部混音工作。就又必须回到关于算法的问题上。而且这个算法要模拟录音师在音箱混音上的实时精确效果。以克服耳机与现实世界声源在声学原理上的差异。

耳机单元的角度问题

这其实是一个很搞笑的问题。耳机属于压力场，或者说近似为压力场。只要保证单元前腔后腔和泄露是一样的。那么不论怎么变单元角度，在一定范围内声音都不会有变化。这和一些人想象的耳机压力场声音能在耳朵附近不同角度变化或者拐弯之类的是不符的。

当然，如果耳机单元角度变化，似的耳机结构不同，从而导致耳机与耳道容积的变化而引起了声音变化。这确实有可能。但是和所谓的声源定位角度有啥关系？所以我之前才会说可能有区别，但并不是一些人想的那样。而且也不会产生头部和胸部随着不同方向入射而引起的声音变化。

关于算法

理论上来说，通过算法、人头追踪和扫描个体的HRTF可以实现耳机模拟音箱或者现实声源的。但实际上呢？连声音在前方一定距离这么基础的东西都做不到。想比较好的把耳机做出声场的效果，需要精确的个人HRTF参数、以及实时的高精度人头追踪。

能不能很好的实现先不说，至少传统的HiFi耳机是没这些东西的。那些听传统耳机的人讲空间印象如何如何，声场大一圈，像足球场那么大，能“听”出舞台范围。和这些人讨论有必要吗？

也许又会有人说，未来能做到。。。

未来能做成啥样不好说。但是目前，能做到我做到的程度，再吹牛好歹不那么尴尬。

尬吹真的显得自己水平很低。而且很多基本概念都没搞清楚就乱讲，真的很丢人。

说到这里就说点题外话。

有些人吧，吃代工厂的回扣；有些人吧，开培训班忽悠人。说他东西做的很烂，当然不乐意了，卖的不好咋吃回扣。把真东西讲出来，当然不乐意了，以后还怎么给别人讲课，怎么告诉别人再就设备被技术奴役了？滑稽。

然后我还看到有大湿说只要耳朵里的响应一样，音箱和耳机听起来就一样。

其实也不用那么复杂，带个耳机去IMAX影院看哥斯拉大战金刚。最好再带个大“推力”耳放，可以把音量调成一样或者比影院座位上更响。看看听起来是不是一样的。不听定位就听那些打斗的声音。有人实测大概也就90多dB，这个音量耳机很容易实现。有兴趣的可以去对比一下。

其实很久以前我就和朋友做过类似的事情，听音箱和耳机的鼓声区别。而且只是普通的专业音音箱还不是HiFi音箱。

我觉得这其实是智商问题。

而且各位戴耳机的时候，尤其是入耳式耳机，不觉得有耳鸣增加的情况嘛？

说会耳机声场的问题。为啥这么多人这么在意这个本来是属于现场和音箱系统的概念。在我个人看来，就是“什么都想有，什么都想要”。已经被“发烧”的那种状态和那些说法支配了。毕竟我不认为有人天生就知道“发烧耳机”以及那些本不属于它的营销词汇。我也不是很理解为什么一直有人纠结这个东西。

难道我说“耳机最厉害！耳机最高科技！耳机效果最好！耳机啥都有！”“耳机最高贵，一个耳机卖2000，一个音箱卖20000，但是耳机更贵因为它叫发烧耳机”“耳机是人类最先进技术的结晶”“耳机是稀有艺术品”“买耳机的人就立刻懂艺术懂音乐，就能变成金耳朵了”你就高兴了？如果这样“亲亲抱抱举高高”你就满足了，必须和那些营销广告说的似的才满意，我也实在没啥可说的。

为啥之前讲这么多理论，这里又长篇大论。因为听不明白么。这个话题我和专业搞调音人还需要讲这些东西么。“声场大一圈，声场很大。耳机听出舞台范围。”那我就只能先从这些原理将其，我不能手把手教一个人听音。更何况我认为只要稍微仔细看过我之前一些文章，自己思考学习一下，买一些设备听一些训练，早就学的差不多了。反而是有些人

最后，我还是被这个回答下的评论逗乐了。

两年前好歹是截图截一半歪曲抹黑。现在干脆就是没任何证据硬黑。几个老烧说“鬼斧神工说了1+1=3，连数都不会输”，然后在那里原地欢呼。啥玩意都能扣到我头上，然后自己任意胡说八道。我很好奇那些狂欢的人，从来不看或者根本不仔细看我说什么，就愿意看别人说我说了什么。

还有就是这个答主所说，现在知乎这个领域已经是恶臭了。没错，差不多一年之前就这样了。除了本来就有的那几个水军，还有很多贴吧和其他地方的广告公司。当然，还有四面八方而来的死不承认各种歪曲素质极差的老烧和撒谎不打草稿的声学大湿。可以说是各路妖魔鬼怪全来了。

这样的结果不难预料，这个行业的性质就导致，说哪怕一些很基础的事实也会被群起而围攻。至于一些已经明白咋回事的人可能早就退烧不关注了。最终不论任何平台都会如此结果，至少在国内是这样的。

看乐了，知乎HiFi圈说是恶臭不为过，如果都这样子，能讨论出真东西才怪呢