耳機并不是什么新鮮發(fā)明�？蔀槭裁凑麄�錄音行業(yè)還是以音箱為主呢？

通常，錄音過程的麥克風需要放置在被錄制樂器的近場附近。目的是為了盡可能的避免房間反射對錄音的影響。也許有人會疑惑，反射聲明明是形成聲場的重要條件，為什么不直接錄下來呢？

這是因為在房間內(nèi)相同位置，麥克風所錄制的反射聲與人主觀所聽到的反射聲是不同的。

最典型的例子，如果你在房間中平時聽音的位置用麥克風錄音，那么即便用耳機這種無反射聲的設備回放，聽起來也和你真的坐在那個位置有很大不同。尤其是距離稍微遠一點的情況下。很容易發(fā)現(xiàn)，錄出來的聲音可能是渾濁的或者有很明顯混響的。但實際坐在那個位置聽卻并沒有這么嚴重的問題。

這就是人類聽覺系統(tǒng)的高級功能——聽覺適應。

所以想靠麥克風簡單直接的錄制反射聲給耳機聽，是有悖于人類聽覺系統(tǒng)的。只有在無反射的環(huán)境下，才會避免這個問題。有時確實可以用定向麥克風對聲音進行遠場錄制，但是也就損失了很多反射聲的信息。造成這樣現(xiàn)象的一個因素可能與采用麥克風對反射聲進行錄制沒有經(jīng)過HRTF濾波有關。

所以一些人會想能不能用人頭錄音。但是人頭錄音，人頭本身的HRTF可能與聽音者存在差異。這種差異也許對音色的影響是至少是可以接受的。但對于空間印象的影響有時是毀滅性的，和真正在空間中聽到的聲源有較大不同，甚至有時會產(chǎn)生更強烈的頭中效應。有一種解釋是因為大腦識別到了不屬于自己頭部傳遞的聲音，從而產(chǎn)生了“排斥反應”。

除此之外，人頭錄音還有一個致命缺點。也就是人頭錄音只能錄制兩個聲道，所有的樂器和人聲在左右聲道都混在一起。這對于錄音師調(diào)音簡直是災難。因為很難把各個音源的錄音通過算法解包裹到可以較好混音的地步。很多錄音原始音軌都有十幾個至幾十個之多，一個樂器可能采用多個麥克風。錄制不同的樂器和人聲通常也要采用不同的麥克風。

并且，即便是人頭錄音能夠給耳機帶來更好的空間印象體驗。所謂聲場的功勞也在于錄音方法而不是耳機。而音箱向空間中發(fā)射聲音并經(jīng)過反射的特性與現(xiàn)實世界中的音源是一致的。只不過指向性可能有所不同。

所以人頭錄音基本上被淘汰了。可能比較流行的也就是ASMR主播。即便是針對耳機的錄音，目前也是采用混音算法。

而如果采用近場錄音而用耳機完成全部混音工作。就又必須回到關于算法的問題上。而且這個算法要模擬錄音師在音箱混音上的實時精確效果。以克服耳機與現(xiàn)實世界聲源在聲學原理上的差異。

所以整個錄音行業(yè)，采用了幾十年的近場錄音+音箱混音，是有其深層次的聲學和心理聲學原因的。