聲音的距離感是是如何產生的?

12-03

今天突然發現酷我音樂盒有一個美音的功能，開啟之後耳機內的聲音突然感覺被拉近了，感覺就歌手就在面前演唱。還有很多3D音頻也是一樣的效果。我想知道是什麼使人產生聲音的距離感？

聲源就像一滴水滴，空間就像池塘。

當聲源在空間中發聲，就像水滴滴在池塘里泛起的漣漪。
離水滴低落點越近的地方，波浪越大越快；
離聲源越近的地方，聲音越響。

水滴在水面二次彈起，引發第二輪漣漪（聲源在空間中引發回聲）。

漣漪（聲源）傳啊傳，越往外越是虛弱。

直到最後，漣漪泛得太遠而虛弱得退卻了（聲源傳得太遠而衰減了，因為能量完全散布到了很大的空間里）。

當然，這個比喻只是用二維的水面，而無法概況三維的VR。
—————————————————————————————————————
下面言歸正傳，分享一下在VR中，玩家判斷音源遠近的幾種途徑：
1、響度（Loudness）

響度是最直接、最明顯的拉開聲音距離的方法，比如我彈鋼琴的時候，以漸強開始，漸弱收尾，就是在營造這種距離感的變化，就好像一段聲音來了，經歷了一些波瀾起伏……又走了。）

現實生活中聲音的衰減是這樣的（很像上面池塘里泛起的漣漪吧？）

聲音的振幅

不過它也是最容易誤導我們的。如果只有響度，而缺乏其他的參考，我們不能判斷聲音從音源傳到這裡被削減了多少，然後判斷的距離難免有誤差。

不過還好隨著我們對身邊周遭的熟悉，人們的說話聲、狗吠貓喵、機動車的喇叭聲……這些都讓我們能夠很快地判斷出聲音距離的遠近。而我們周遭的這一切，生活中常聽見的聲音，構成一個可以參考的相對體系，你根據你過往在這裡的生活做出的判斷。

但是，碰到那些人工合成的或者從來沒有聽過的聲音，那我們就只有藉助於其他的輔助聲音暗示，比如音量的大小變化，來判斷了。

—————————————————————————————————————
2、初始時間延遲（Initial time delay）

當你走進一個空間時，先聽到聲源直接傳到你耳朵里的聲音——direct sound，然後再聽到的則是回聲（reflection），而你的房間越大，這兩個聲音的時間差越大。

比如你在一個很大的房間里，先聽到了聲源直接傳到你耳朵的聲音，然後過了很久才再次聽到這個聲源的第一次回聲，所以你的聽覺神經告訴你，這個房間很大。

（聲音的第一次反射對於判斷聲音的距離感是優先順序最高的，而其他隨後趕到的第三次、第五次、第七次反射後的回聲都沒那麼重要，因為現在計算性能不夠，所以只做第一次反射的回聲。）

而人聽到同一個聲源的這兩種聲音之間有一個時間差叫Initial time delay。

如圖，A和B的間隙越小，則聲音離我們越近。

不過在裝有消聲裝置的Anechoic ，或者沒有回聲（echoless）的開放環境里，比如一望無際的沙漠或大草原，Initial time delay這種判斷聲音距離的方式也失效了。

—————————————————————————————————————
3、混響（reverberant）

先來看看混響是怎樣產生的？
聲源發出聲音，在整個環境中擴散：

當聲音擊打在你的頭部時，你的頭部折射、反射、遮擋一部分聲音。

當有一面牆壁反射它的聲音，則形成了回聲（reverb）。
這些回聲告訴我們：

這個空間有多大？
這個空間的表面是什麼構成的？（比如石頭做的室內聽起來就和木頭構成的室內完全不同）
……

聲音在很多牆壁、很多物體的表面產生回聲，匯合（重疊、覆蓋、交織）在一起則形成了混響，聽起來很像白噪音。

在一個充滿混音（reverberant）的環境里，聲音的渲染會很複雜，比如在某個音源，它的尾音拖得很長，迴音很遲鈍，然後瀰漫在整個空間里，還會影響到其它的聲音，在表面反彈，最後才慢慢衰減下來……

你聽到直接聲音（direct sound）之後隨後混響（late reverberation）越快，則說明離你越近。

—————————————————————————————————————

4、運動聽覺差（Motion parallax）

parallax這個詞我沒法翻譯，你看東西的時候左眼看到一個圖像，右眼看到一個圖像，左眼和右眼之間的差別叫做parallax，聲音同理……離你越近的聲源parallax越大，類比一下你左右眼看東西的時候，離你越近的東西，左眼右眼看到的圖像差別越大，而離你越遠的parallax越小。

而Motion parallax，則說明聲源是在運動的。我打個比方，近處的昆蟲可以很快地從你的左邊移動到你的右邊，而遠處轟鳴的飛機則可能要花幾十秒……或者說，如果一個運動的聲源相對於一個靜止的聲源又很快的移動的話，就相當於它離我們很近，就像那隻昆蟲。

—————————————————————————————————————
5、高頻衰減（High Frequency Attenuation）

經常受到溫度和濕度的影響。高頻的聲音比低頻的聲音衰減的更快，這一點可能從小練習音樂的人聽得更清晰，比如一個10Khz的聲音可能要經曆數千米才會有顯著的衰減（可被正常人發現的衰減）。

它用衰減（attenuation）的手法來表distance的感覺。聲音離你越近，你能聽到的細節也就越多。

空氣吸收（air absorption）效果。

—————————————————————————————————————
6、多普勒效應（Doppler Effect）

當一個音源靠近的時候音調變高，遠去的時候音調變低。通過計算聲源和用戶的相對速度，VR中也可以模擬出Doppler Effect。

（比如說話的人、汽車喇叭這些都是具有方向感的聲音資源（directional sound sources），它們的衰減也是定向衰減（directional attenuation）或者angle-based attenuation。）
—————————————————————————————————————
7、聲源被遮擋（occlution）

我們一般用低通道濾波器（low passed filter）模仿『遮擋』的效果：

當聲源傳播過來被物體遮擋時（相當於你的耳朵和聲源之間隔了一個東西）

低頻率的波段會被衍射（diffraction），然後才到達用戶的耳朵里。

所以叫低通道濾波器（low passed filter）。

比如你在場景里放了一把吉他

當你走到靠近牆壁時，聲音被牆壁擋住了

參考：

Localization and the Human Auditory System
https://www.youtube.com/watch?v=Na4DYI-WjlI

謝邀，這是個好問題。其實 @貝塞克已經說得很清楚了。

更具體一點說，得弄點聲學資料了。

不過原則都是一樣的：通過模擬自然界情況，利用人耳對自然音的固有經驗，達到欺騙耳朵的效果。畢竟最後還是從兩個音箱（或耳機）的單元里發出來的不是？

【頻率】
這一塊應該是高中物理就有的內容，低頻振動慢，波長長；所以繞過障礙物的能力強。反之高頻則弱。自然界中的遠處聲音傳播到人耳中時，往往高頻成分會削減很多，不刺耳。

因此要表現距離近，提升高頻，反之衰減。但低頻並不是反過來的情況，這個後面講。

【響度】
很簡單的事情，隔得近就大聲，越遠聲音越小。這裡十分簡單不多說。
然而重點是等響曲線。
人耳在自然界進化出了一套保護措施，對自然界遍布的低頻噪音並不敏感（不然一天到晚耳鳴誰受得了），所以那些安靜的旅遊區山上河邊，雖然用專業聲壓計一般測出來有40-50db的噪音（a計權），但人耳是幾乎沒有感覺的。

物理聲壓和人耳實際聽到的響度對應關係如下圖。

可以看到20hz低頻對應的點上，物理聲壓在70db時，人的感覺只有10db不到。這個差距遠遠大於聲波衍射的衰減。

所以要表現距離遠，應該是衰減而不是提升低頻。如果只根據高中物理來判斷，得出來的結論就完全相反了。

【混響】
這裡內容較複雜，是講同一首歌中不同樂器距離感的塑造，非音樂生產者可以跳過。

這裡先以主流的hall room plate分類來講，其餘分法暫不討論；若有紕漏和錯誤請多指教。

pre-delay（預延遲），即直達聲和第一次反射聲到達人耳的時間差。好比在山谷喊話，迴音到達的時間很長，所以顯得山谷很大一樣；這個值越大，越顯得整體聲場龐大。通常配合中低頻足的hall類混響使用。

early-reflection（早反射），從字面理解，是反射次數較少，最早到達人耳的第一批混響聲，通常在50ms以內。早反射的量越大，聲源越靠後。room類混響比較強調這個。

plate類混響不產生聲場，對距離感並沒有直接影響，不過Plate偏中高頻，以上文頻率部分來看，影響就很容易理解了。

最後當然就是乾濕比例了，混響越小，通常說來越近；貼耳的效果幾乎只加一點點的plate，比如方大同很多歌曲的人聲。

最後回到題主的問題；酷我音樂盒的「美音」並不是把距離拉近了，而是用image類效果器把聲場左右寬度拉寬了，相對比之下，縱向（前後）的聲場就變窄了。

具體原理牽涉到相位，在此不細講，又是另一個領域了。總之，不建議這種無視創作者（混音師）混縮結果，用音頻效果器進行二次修改的行為；不僅會帶來更多的失真（那聽無損還有什麼意義），也違背創作者的表達初衷。

這個問題跟很多事情都有關係，從比較廣義的角度，我們需要考慮聲音的定位問題，不僅僅是距離，還有方向。影響人們對聲音位置判斷的因素從顯現特性來看有振幅強度、相位偏差、頻率響應曲線、回聲和混響等等，這些最終可以用頭相關傳輸函數(HRTF，Head Related Transfer Function)來概括和建模。
通過對原始音頻數據應用HRTF相關的演算法，就可以調整人耳對聲音的感受。這個技術好多人都在玩，我比較喜歡一個Dolby耳機的插件，可以掛在foobar裡面，在使用耳機聽歌的時候，可以有一定的音箱感（緩解頭中效應）。
說回這個問題裡面舉的例子。我基本沒有用過酷我音樂（可能幫家裡人裝過），聽說聲音被拉近了，我也很好奇，開始猜測也是是頻響曲線上做了調整，突出了人聲部分（不同的耳機頻響曲線不一樣，聽同一首音樂，人聲的距離感會略有區別）。
懷著強烈的好奇心，我下載並安裝了酷我音樂（版本號V8.0.3.1_BDS12，更新日期是10月30日）。

安裝過程很危險，差點被贈全家桶。以至於我差點兒有了跑題的衝動。
安裝完成後，我用這個軟體聽了一首朗嘎拉姆的《愛人》，耳機使用拜亞動力的DT880。打開美音效果後立刻有了感受。
聲音這個東西的奇怪就在於每個人的HRTF是不一樣的，所以我沒有覺得人聲變得更近了。
我的感受是聲場完全亂了，從聽覺上仔細體會，感覺是左聲道先出聲，右聲道隨後跟上（是的，用耳機仔細聽就能體會出來），頻率響應曲線沒有明顯可聞的變化。
這樣的處理手法使用音箱聆聽的時候，可能不會有這麼細緻的體會，因為左邊音箱的聲音會很容易進入右耳朵。當然，使用音箱聆聽與使用耳機的感受又會不一樣了。
為了驗證這個想法，我使用Audition軟體模擬了這個效果，把右聲道延遲30ms後播出效果基本一樣。參見下圖：

這種美音處理方式是簡單的，效果是有的。但我不覺得這是「美」的，當然也許大部分人已經覺得足夠「美」了，這個軟體的目的基本達到。
當然，也希望這個行業的大俠們能進一步鑽研，不斷的進步，把更美的聲音帶給每一位聽眾。

亮近暗遠；大近小遠；混響小近混響大遠

增強了立體聲效果而己，演算法不一樣，可以去了解一下3D人頭錄音相關。
至於混音中有這作用的，擴大聲場(立體聲擴展)，lowpass，高低頻激勵，擴展，標準化壓縮，混響等等都能提高響度，擴大聲場。

聲音即有左右的聲向也有縱深感，最簡單的音量越大的越靠前音量越小的靠後，混響小的靠前混響大的靠後

通過音量大小