实像和虚像：对两声道重播的局限性的认识

小白

交易区新帖推荐

首先说一些基础的东西。

人耳为什么能辨别声源的方位和距离，为什么听一个声源发出声音时，知道它的位置，即便是蒙着眼睛？是因为声源发出的声音到达左右耳的距离和时间不同。我手绘了一张图。看它的上半部分，描述的就是一个声源发出的声音达到左右耳的情况。由于声源偏左，因此先到达左耳、后到达右耳，有一个时间差。为简化讨论这里不谈反射声，只说直达声，也不考虑HRTF。尽管声波在空气中的传播速度每秒三百四十米，这点时间差很微小，但是不要小看了人脑的运算处理能力——它就是能根据这点点时间差判别出声源的方位！所以人脑是一个奇迹，不要小看了人脑。

因此人听到声音后，会瞬间知道其方位，即便蒙上眼睛，也会在头脑里形成一个“结像”。比如有一把琴在图中的位置拉奏，那么人脑会形成一个琴的结像。请注意，这个结像是“实像”（Real Image），是来自声源的声波直接传递到人耳后的时间差形成的。下图的上半部分描述了这个情况。　
　　


下面我们看两声道重播系统是如何制造出方位感和结像的。图的下半部分就描述了这种情况。　　

在一个两声道重播系统中，所谓“声源”其实就是左右两个喇叭。播放音乐时，就这两个声源。如果排除墙壁反射的因素，只考虑直达声，它能营造出的“虚拟声源”可以在两个喇叭之间的任意位置。两声道立体声系统靠什么来制造声音方位感呢？靠的是左右声道的信号差。换言之假如要制造出一把琴在偏左的位置演奏，那么左声道的信号就应该比右声道强一些（具体强多少决定了偏左的位置）。假如左右声道的信号强度完全相同，那么结像一定是在中间位置。

我手绘的图的下半部分描述了一把偏左的琴通过两声道系统重播时，被人耳听到、形成结像的情况。注意一点：这里形成的琴的声音结像，是一个虚像（Virtual Image）。这个“结像”并不是由一个真实在这个位置发声的声源到达人左右耳的时间差形成的，而是由来自左右两个喇叭发出的声音的强度差，在人脑中形成的。对比图的上下两部分，虽然同样人脑能形成一个偏左的结像，但是形成的机理是不同的，因此得到的“结像”事实上也是不同的。我把上面那种情况称为“实像”，下面的情况称为“虚像”。　

两声道系统播放出来的结像，都是“虚像”。哪怕是完全在正中间的结像，也是虚像。当我们听唱片里歌手的演唱时，歌手的结像大多数是在正中间的（左右声道信号完全相同），但这个正中间的结像，和真的在这个位置有一只喇叭在发声，仍是不同的！　
　　　　

小白

举一个简单例子：立体声两声道系统，是可以播放单声道音乐的。它播放单声道唱片时，很简单左右两个喇叭发出的声音是完全相同的，这样始终在两个喇叭的正中间形成声像（虚像）。但是，这不是单声道唱片的理想播放形式。单声道唱片的理想播放形式，就是用一只喇叭来播放！为神马？因为一只喇叭播放出来的声音，就是实像！把一只喇叭放在听者的正前方，播放单声道唱片，这样得到的实际效果，要明确、清晰、毫无疑问地好于用两只喇叭来播放。听到的声音更“实”，因为是实像。对这点若有不信的，实际试一试就知道了。

jonesroyhu

高深

小白

道理说完了。其实是一个很简单的道理。两声道录音和重放，毫无疑问是人类二十世纪的一大创造发明，但是它并不是完善的。通过两个声道记录信号、两只喇叭重放得到的结像始终是“虚像”，和真实形成的实像是有差距的。了解了这点，我想发烧友们对两声道立体声系统的声场能力、结像感，不要有不切实际的拔高和夸张。

从生活经验来看，通常喜欢神化和拔高的，是在一个人对某事物还没有了解很透彻的时候。对一些偶像明星的无条件崇拜，也往往来自于对其人并不能深入了解。Familiarity breeds contempt。这句来自伊索寓言的道理，我以前曾经说过一次，自从我在初中时读到这句，直到现在，对它的深刻道理，我无比钦服。当我们实际了解了两声道录音产生“结像”的机制，就无需对hi-fi录音及重播系统的某些方面去神化和夸张了。客观地说，局限性真的是很大的。哪怕是一些顶级优秀的录音，顶级的回放系统，和真实的现场相比，还是差距很大的。　　

zjize

前排听课:D:D

小白

不过，But，这里转折一下，录音有时候是可以达到比现场在某些方面更理想的效果。这也是录音的原理和方式造成的。举个例子，当我们坐在音乐厅里欣赏，我们离舞台上的音乐家肯定是有一段距离的。哪怕是最好的前排正中位置，也至少和演奏家隔着近十米的距离。但是录音的时候，话筒可以直接凑到演奏家的面前，可以乐队的每个声部都安放一个话筒。这样的好处是什么？是可以近距离地记录下很清晰的细节和质感，包括乐团里每个声部的细节。所以制作优良的唱片录音，比起现场的听众（哪怕坐在最好的位置），能记录下更多、更清晰的细部（Detail）。

听音经验丰富的发烧友经常会有这样的感受：制作优秀的唱片，听起来的清晰度、细节、各声部的分离度，往往比现场更好。就是这个道理。现场你只能坐在一个固定位置听所有的声音，但制作唱片时，如果每个声部都有一个话筒专门负责记录，最后混音进去的“细节”，可以轻松地超越现场听众所能够听到的。

也常有人提起这么一个现象：某些唱片听起来的声场前后层次感（纵深），比现场拉得更开。比如乐团后排的铜管声部，往往听起来真的很“远”，有很漂亮的纵深感。这是怎么回事？在现场，由于听众的座位和乐团至少隔着十几米，而乐团前后排的距离不过几米，所以实际听到的所谓“前后排纵深”，是不可能太漂亮的。往往觉得乐团发出的声音是几乎在一个平面上的。铜管听不出多好的纵深。

但制作录音时，事实上可以通过技术手段很轻松地把那些“后排乐器”比如铜管，放到更深更远的地方，使得唱片听起来似乎有着超越现场深度的前后纵深感。我们必须了解在唱片上听到的很多效果，并非录制时现场观众位的实际效果，而是采用技术手段做出来的。由于现代录音往往是采用多点话筒布置的，录制一个乐团的时候，会布置多个话筒，重要的、希望凸现的声部有专门的话筒“服侍”，所以在后期制作时很容易做出各种效果，比如每个声部的细节交代得清清楚楚、前后排纵深做一定的夸张，等等。　　　

defleppard

听现场是寻求共鸣的方式，听录音更能探寻音乐的本质，当然，我只听过摇滚现场，古典就不知道是怎么回事了

小白

所以，最终我稍微总结一下：现代两声道录音技术，可以在一些方面，比如细节的保留方面，给出比现场观众席更理想的表现。也可以通过技术手段做一些夸张，比如，比现场更好的左右前后层次。然而，一个根本的局限在于我前面所分析的“虚像”的问题。由于是通过两个声道信号、两只喇叭来重播，我们所听到的声舞台、结像、方位感，始终受着明显的妥协。

突破这一妥协的方向在哪里？由于我们不可能去改变人类大脑的工作机制，所以只能改变我们的重播系统。很简单，有越多的喇叭参与重播，音乐记录在越多的声道上，那么可以得到更真实的效果。事实上声学工程师们一直在向这个方向努力，早在七十年代就推行过四声道播放系统（Quadrasonic Sound），可惜的是由于代价高昂，没有多少消费者能承受而未能普及。那是现代环绕声的先驱。当然今天我们所谓的“环绕声”（Surround Sound）多数情况是用于表现电影而非纯音乐制品，但是，假如音乐爱好者和发烧友们希望未来能欣赏到更为逼真、妥协更少的音乐制品，那么多声道是唯一的发展方向。可惜的是这个方向必然带来更昂贵的重播系统——光是多个优质hi-fi喇叭的代价，就数倍于目前的两声道系统了。

当代的环绕声技术的发展，也正在向更多声道、更多喇叭迈进。目前最顶端的Dolby Atmos技术，已经最大支持到128个独立音轨、可使用最多64只扬声器播放。　

因此，目前的两只喇叭播放的所谓Stereo立体声，只是目前人类家用消费者普遍能承担的、明知严重妥协但只能接受的方式而已。　　

dinupeng

现场往往结像力解析力都不如HiFi器材，但是宽松度会远远好于器材。

laozhishu

能够理解虚像的左右形成机理，但对于纵深形成还是没搞懂，难道是通过控制声音衰减的强弱变化来营造纵深感？另外，箱子与听者坐位的距离是否可以理解成营造虚拟纵深的一个重要参考座标（因为有实际纵深距离）？耳机与听者是零距离，是否耳机虚拟纵深营造要比箱子难得多？

小白

laozhishu 发表于 2015-9-5 13:04
能够理解虚像的左右形成机理，但对于纵深形成还是没搞懂，难道是通过控制声音衰减的强弱变化来营造纵深感？ ...

纵深感的主要形成是加入了更多的Reverb（堂音／混响／房间反射）。离得距离越远的声音，传达到耳朵的时候，其中的混响成分越多。越近的声音，则直达成分越多、混响越少。人耳能根据这个判断距离。

现代录音在后期制作的时候能很容易地给任何乐器加混响，所以可以营造出很夸张的纵深距离感。

laozhishu

又一想，如果耳机和箱子的这种差别，耳机是否除了需要特别的放大器（耳放），还需要特别的解码（与听箱子完全不同）？

laozhishu

又一疑问：录音制品到底是以听箱为准录制还是以听耳机？

小白

laozhishu 发表于 2015-9-5 13:10
又一疑问：录音制品到底是以听箱为准录制还是以听耳机？

尽量听原始的直达声，减少重播时环境的影响。所以回答是，用耳机，或者近场扬声器。　

laozhishu

小白 发表于 2015-9-5 13:16
尽量听原始的直达声，减少重播时环境的影响。所以回答是，用耳机，或者近场扬声器。　

明白了，也就是说：录音师是以耳机作为标准听音工具来营造虚拟方向和虚拟纵深，箱子与耳机在方向和纵深的差别来自于箱子与听者的距离，是与录音制品当初的录制标准不一致的。

这一课补的好，非常感谢！