Не секрет, что слух человека – это второстепенное (после зрения) чувство человека, именно поэтому каждый индивидуальный пользователь воспринимает звук по-своему. Никогда не будет однозначного мнения о звучании той или иной звуковой карты или эффективности той или иной технологии 3D-звука. Сколько будет слушателей, столько будет мнений.
Для позиционирования источников звука в виртуальном 3D-пространстве используются HRTF функции. Что такое HRTF и действительно ли их использование так эффективно?
Сколько раз уже происходило следующее: команда, отвечающая за звук, закончила встраивание 3D-звукового интерфейса на базе HRTF в новейшую игру; все комфортно расселись, готовясь услышать «звук, окружающий со всех сторон» и «свист пуль над головой»; запускается демоверсия игры и… и ничего подобного нет!
HRTF (Head Related Transfer Function) – это процесс, посредством которого наши два уха определяют слышимое местоположение источника звука; голова и туловище являются в некоторой степени препятствием, задерживающим и фильтрующим звук, поэтому ухо, скрытое от источника звука головой, воспринимает измененные звуковые сигналы, которые при декодировании мозгом интерпретируются для правильного определения местоположения источника звука. Звук, улавливаемый нашим ухом, создает давление на барабанную перепонку. Для определения создаваемого звукового давления необходимо определить характеристику импульса сигнала от источника звука, попадающего на барабанную перепонку, т. е. силу, с которой воздействует звуковая волна. Эту зависимость называют Head Related Impulse Response (HRIR), а ее интегральное преобразование – HRTF.
Принято характеризовать акустические источники скоростью распространяемых ими звуковых волн V(t). Теоретически давление, создаваемое идеальным точечным источником звука бесконечно, но ускорение распространяемой звуковой волны есть конечная величина. Если пользователь находится в состоянии «free field» (в окружающей среде нет ничего кроме источника звука и среды распространения звуковой волны), тогда давление «free field» (ff) на расстоянии «г» от источника звука определяется по формуле:
Pff(t) = Zo V(t – r/c) / г,
где Zo – это постоянная, называемая волновым сопротивлением среды (characteristic impedance of the medium), c – скорость распространения звука в среде. Давление ff пропорционально скорости в начальный период времени (происходит сдвиг по времени, обусловленный конечной скоростью распространения сигнала). Возмущение в этой точке описывается скоростью источника в момент времени, отстоящий на r/c – время затраченное на то, чтобы сигнал дошел до пользователя. Не зная V(t), нельзя утверждать характера изменения скорости при сдвиге (т. е. произойдет замедление или ускорение) и давление уменьшается обратно пропорционально расстоянию от источника звука до нахождения пользователя.
Если поместить в среду распространения звуковых волн человека, тогда звуковое поле вокруг него искажается за счет дифракции (различие скоростей распространения волн разной длины), отражения и дисперсии (рассредоточения) при контакте человека со звуковыми волнами. Тот же источник звука создает другое давление звука P(t) на барабанную перепонку в ухе человека. Для разного положения головы относительно источника звука задействуются HRTF фильтры. Библиотека HRTF фильтров создается в результате лабораторных измерений, производимых с использованием манекена, носящего название KEMAR (Knowles Electronics Manikin for Auditory Research, – манекен Knowles Electronics для слуховых исследований) или с помощью специального «цифрового уха» (digital ear), разработанного в лаборатории Sensaura, располагаемого на голове манекена. Измеряется составляющая HRIR, а значение HRTF получается путем преобразования. В ушах манекена располагаются микрофоны, звуки воспроизводятся через акустические колонки, расположенные вокруг манекена. Записывается то, что слышит каждое «ухо».
HRTF – сложная функция с четырьмя переменными: три пространственных координаты и частота. При использовании сферических координат для определения расстояния до источников звука больших, чем один м, считается, что источники звука находятся в дальнем поле (far field) и значение HRTF уменьшается обратно пропорционально расстоянию. Измерения HRTF производятся в дальнем поле, что существенным образом упрощает HRTF до функции азимута (azimuth), высоты (elevation) и частоты (frequency), т е. происходит упрощение за счет избавления от четвертой переменной. При записи используются полученные значения измерений и в результате он при проигрывании звука (например, оркестра) воспроизводится с таким же пространственным расположением, как при естественном прослушивании. Техника HRTF не нова, она широко используется пару десятков лет, обеспечивая качество стереозаписей. Лучшие результаты получаются при прослушивании записей слушателем в наушниках.
Наушники, конечно, упрощают решение проблемы доставки одного звука к одному уху и другого звука к другому уху. Тем не менее, использование наушников имеет и недостатки. Например:
* Многие люди просто не любят использовать наушники. Даже легкие беспроводные наушники могут быть обременительны. Наушники, обеспечивающие наилучшую акустику, могут быть чрезвычайно неудобными при длительном прослушивании.
* Наушники могут иметь провалы и пики в своих частотных характеристиках, которые соответствуют характеристикам ушной раковины. Если такого соответствия нет, то восприятие звука, источник которого находится в вертикальной плоскости, может быть ухудшено. Слышится преимущественно только звук, источники которого находятся в горизонтальной плоскости.
* При прослушивании в наушниках создается ощущение, что источник звука находится очень близко. Действительно, физический источник звука находится очень близко к уху, поэтому необходимая компенсация для избавления от акустических сигналов, влияющих на определение местоположения физических источников звука, зависит от расположения самих наушников.
* Применение наушников в наш век не очень удобно. Если это наушники с ободом – они физически создают давление на голову и уши. Подбор таких наушников не менее сложен, чем, скажем, подбор хороших очков для подводного плавания. Наушники, вставляемые в ушные раковины, не универсальны и у многих людей вызывают дискомфорт.
Использование акустических колонок позволяет обойти большинство из этих проблем. Здесь недостаток в том, что нельзя использовать колонки для воспроизведения бинаурального звука (т. е. звука, предназначенного для прослушивания в наушниках, когда часть сигнала предназначена для одного уха, а другая часть для другого уха). Как только мы подключим вместо наушников колонки, наше правое ухо начнет слышать не только звук, предназначенный для него, но и часть звука, предназначенную для левого уха. Одним из решений проблемы является использование техники cross-talk-cancelled stereo или transaural stereo, называемой алгоритм crosstalk cancellation (для краткости CC).
Идея CC просто выражается в терминах частот. Звуковые сигналы воспроизводятся колонками. Сигнал Y1, достигающий левого уха, представляет собой смесь из S1 и crosstalk (части) сигнала S2. Здесь Y1=H11 S1 + H12 S2, где H11 является HRTF между левой колонкой и левым ухом, а H12 – это HRTF между правой колонкой и левым ухом. Аналогично Y2=H21 S1 + H22 S2. Если использовать наушники, то пользователь будет знать искомые сигналы Y1 и Y2, воспринимаемые ушами. Необходимо правильно определить сигналы S1 и S2, чтобы получить оптимальный результат.
Результат зависит от того, где находится слушатель по отношению к колонкам. Правильное восприятие звучания достигается только в районе так называемого sweet spot (об этом ниже), предполагаемого месторасположения слушателя. При грамотном использовании алгоритмов CC получаются результаты, обеспечивающие воспроизведение звука, источники которого расположены в вертикальной и горизонтальной плоскостях. Фантомный источник звука может располагаться далеко вне пределов линейного сегмента между двумя колонками. Для создания убедительного SD-звучания достаточно двух звуковых каналов. Главное – это воссоздать давление звука на барабанные перепонки в левом и правом ухе таким же, как если бы слушатель находился в реальной звуковой среде.
На практике существуют проблемы, связанные с созданием базы HRTF функций при помощи манекена. Результат будет соответствовать ожиданиям, если манекен и слушатель имеют головы одинакового размера и формы, а также ушные раковины одинакового размера и формы. Только тогда можно корректно воссоздать эффект звучания в вертикальной плоскости и гарантировать правильное определение источников звука в пространстве. Записи, сделанные с использованием HRTF (binaural recordings), обеспечивают высококачественный SD-звук. Слушать такие записи желательно в специальных наушниках. CD с такими записями стоят существенно дороже стандартных музыкальных CD (имеется в виду лицензионная продукция). Корректно воспроизводить их через акустические системы позволяет техника CC. Главный недостаток метода – отсутствие интерактивности. Без механизмов, отслеживающих положение головы пользователя, обеспечить интерактивность при использовании HRTF нельзя. Бытует поговорка, что использовать HRTF для интерактивного 3D звука – это все равно, что использовать ложку вместо отвертки: инструмент не соответствует задаче.
