我如何逆向设计商业空间音频效果

当我使用不同的操作系统时，我使用了一个程序来处理实时播放的音频并使其听起来更好。它让声音感觉更远、听起来更轻，同时携带了相关信息。我一直想要一个类似的程序，并且在 Linux 上使用起来同样简单，因此决定编写一个。原始环绕声播放 0:00 / 0:10 同步比较需要 JavaScript。用耳机听。摘录自 P.I.M.P.巴草节奏与钢带 [0] 。经过处理的版本听起来离耳朵更远，感觉不那么“贴耳”，使得听音乐一段时间后感觉不那么“阻塞”。第一次尝试 因为我是为 Linux 编写的，所以我的基础堆栈是 PipeWire [1] 。我之前没有音频经验，所以我开始使用法学硕士作为共鸣板，同时尝试标准音频滤波器和心理声学技术。在这个过程中，我了解了 HRTF，它描述了从特定方向到达的声音如何到达耳朵，具体取决于听者的方向和几何形状。我首先尝试了 MIT KEMAR 数据库 [2]，觉得它听起来很糟糕，因为它是在消声室中录制的，所以没有房间回声，这是这里理想的心理声学效果。结果听起来很廉价，而且更贴近耳朵。后来我找到了 SADIE II 数据库 [3] ，它也带有房间回复，听起来更接近我记忆中的情况。但这种方法很快就显示出了其局限性。法学硕士开始谈论“感知包围”、“晚场去相关”、“光谱扩散”和“扩散空间能量”等内容。 [1] [1] 双子座尤其擅长这一点。它也是唯一一个提供免费学生计划的学校。虽然我听得出有些问题，但这些描述并没有指出任何我可以理解或用来改善效果的东西。我让这个项目停滞了一段时间，没有明显的方向可以继续。重新尝试 很久以后，我有了不同的想法。我可以研究过滤器本身的行为，而不是试图发现程序内部使用的确切参数或技术和算法。回想起来，这似乎是显而易见的，但我没有该程序的副本。我只能在朋友的笔记本电脑上进行实验，因此我无法随时更改我的实现并将其与参考进行比较。我开始阅读 Signalsmith [4] 和音频工程师的一些博客，以建立足够的直觉来知道我应该测量什么，并很快意识到我不需要继续使用该程序来捕获其脉冲响应和其他可测量的特征。我在Linux上生成了一个音频文件，拿到了我朋友的笔记本电脑一段时间，通过程序播放生成的文件并记录输出。测试的组装问题变成了我应该将什么放入该文件中，以便它可以捕获区分程序的相关细节，而无需重新记录功能或过滤器。我发现的第一个有用的东西是脉冲响应测量。如果我通过过滤器传递包含单个非零样本的文件，则记录中出现在该样本之后的所有内容都将由过滤器添加。诸如随时间衰减的程度、衰减的形状以及与之相关的相位延迟等特征将出现在输出中。在右通道中播放脉冲可以提取两个输出对右侧播放的声音的响应，同样适用于左侧。如果对一个脉冲的响应是 $h$，那么对位置 $k$ 处脉冲的响应与移动到 $k$ 的 $h$ 相同，并按 $x[k]$ 缩放。将所有这些响应相加得到 $$ y[n]=\sum_k x[k]h[n-k]=(x*h)[n]。 $$ 这当然取决于滤波器是线性时不变滤波器 [5] 。更大声的脉冲应该产生相同的响应，并按比例变大：$$ F(ax)=aF(x)。 $$ 一起播放的两个输入应产生每个输入单独产生的总和：$$ F(x_1+x_2)=F(x_1)+F(x_2)。 $$ 稍后播放相同的输入应该会产生相同的响应。考虑到它是立体声，完整的方程为： $$ \begin{bmatrix} y_L\\ y_R \end{bmatrix} {}={} \begin{bmatrix} h_{LL} & h_{LR}\\ h_{RL} & h_{RR} \end{bmatrix} * \begin{bmatrix} x_L\\ x_R \end{bmatrix}。 $$ 假设我发送一个文件以通过每种模式进行记录，我添加了不同幅度的脉冲以检查与电平相关的处理，并在两个通道中播放相同的脉冲，然后反转右通道。输出应与在第一种情况下相加并在第二种情况下相减的隔离响应相匹配，检查上述条件。我还在他们之间留下了足够的沉默，以便在下一次冲动之前完成反应。三个级别的脉冲，在左、右、两个通道上播放，并具有相反的符号。下载音频示例 在阅读本文时，我注意到有关测量的论文倾向于使用正弦扫描 ra