Przy ogólnej HRTF sztucznej głowy KEMAR słuchacze w badaniu VR z 2026 roku mylili przód z tyłem w 17,2% prób, czyli ponad dwukrotnie częściej niż przy własnych zmierzonych HRTF (8,1%) (Pirard i Poole, konferencja AES poświęcona dźwiękowi w rzeczywistości wirtualnej i rozszerzonej 2026). To samo badanie wykazało, że oceny lewo-prawo ledwo się zmieniały między pięcioma typami HRTF, co zgadza się z dziesiątkami lat wcześniejszych prac. Śledzenie ruchów głowy to najskuteczniejsze pojedyncze rozwiązanie w danych: ważone pomyłki przód-tył spadły z 16,5% w statycznym odtwarzaniu na słuchawkach do 6,3% przy renderowaniu ze śledzeniem głowy (Oberem i in., bioRxiv 2020). Pomaga także trening: dopasowany błąd sferyczny zmalał z 43,4 do 25,5 stopnia w mniej niż dwie godziny ćwiczeń (Steadman i in., Scientific Reports 2019). Zebraliśmy dane z Journal of the Acoustical Society of America, Journal of the Audio Engineering Society, Scientific Reports, Trends in Hearing, PLOS Computational Biology, Applied Sciences oraz z referatów konferencji AES. Dane o rynku i adopcji znajdziesz w naszym osobnym zestawieniu statystyk dźwięku przestrzennego; ta strona dotyczy wyłącznie tego, jak dokładnie ludzie słyszą kierunek.
Krótki słowniczek, bo te terminy wracają poniżej. HRTF (funkcja przenoszenia związana z głową, ang. head-related transfer function) to zależne od kierunku filtrowanie, które głowa, tułów i małżowiny uszne nakładają na dźwięk, zanim dotrze do błony bębenkowej; wirtualne 7.1 i dźwięk przestrzenny działają dzięki nałożeniu HRTF na dźwięk w słuchawkach. Ogólna HRTF pochodzi ze sztucznej głowy (takiej jak KEMAR czy Neumann KU100) albo od innej osoby. Kąt boczny oznacza, jak daleko w lewo lub w prawo znajduje się dźwięk; kąt polarny oznacza jego położenie na okręgu wokół osi uszu, co obejmuje góra-dół i przód-tył.
TL;DR
- Błąd kąta polarnego wyniósł 48,8° przy ogólnej HRTF KEMAR wobec 30,1° przy własnej zmierzonej HRTF słuchacza (Pirard i Poole, AES AVAR 2026).
- Ogólna HRTF dała 21 pomyłek przód-tył na 78 odpowiedzi (27%) wobec 0% przy zindywidualizowanych HRTF (Jenny i Reuter, JMIR Serious Games 2020).
- Odtwarzanie ze śledzeniem głowy obniżyło ważone pomyłki przód-tył z 16,5% do 6,3% (Oberem i in., bioRxiv 2020).
- Jeden obrót głowy o 10° obniżył pomyłki przód-tył z 10,7% do 1,5% przy prawdziwych głośnikach (McLachlan i in., PLOS Computational Biology 2025).
- Ruchy głowy w zakresie około 32° azymutu niemal całkowicie wyeliminowały pomyłki przód-tył (McAnally i Martin, Frontiers in Neuroscience 2014).
- Przy niezindywidualizowanych HRTF pomyłki przód-tył zaczynały się od 40,7%, a błąd lokalizacji spadł o połowę po około 19 minutach treningu (Steadman i in., Scientific Reports 2019).
- Błędy kwadrantu spadły z 27,5% do 18,3% w pierwszych 400 próbach treningowych (Majdak i in., Attention, Perception and Psychophysics 2010).
- Eksternalizacja źródła z przodu wzrosła z 25,56 do 65,15 na 100 po korekcie poziomu i odbić (Shen i Wang, Trends in Hearing 2026).
- 81% uczestników SADIE II wolało HRTF sztucznej głowy od własnych (Uniwersytet w Yorku, Applied Sciences 2018).
- Wybór spośród pogrupowanych niezindywidualizowanych HRTF zmniejszył błąd lokalizacji o 22% (So i in., Ergonomics 2010).
1. Błąd kątowy: HRTF ogólne a zindywidualizowane
Główny wynik jest wyraźnie asymetryczny. Zamiana własnej HRTF słuchacza na ogólną mocno pogarsza wymiar góra-dół i przód-tył, a dokładność w osi lewo-prawo prawie się nie zmienia. W badaniu z 2026 roku z pięcioma typami HRTF błąd kąta polarnego wzrósł z 30,1° przy zmierzonych HRTF do 48,8° przy KEMAR (p < 0,001), podczas gdy miary boczne nie wykazały istotnego efektu (p > 0,05) (Pirard i Poole, arXiv 2026).
Dla graczy to wyjaśnia, dlaczego w wirtualnym surroundzie łatwo namierzyć snajpera po lewej, a trudno odczytać kroki nad sobą albo za sobą. Wskazówki lewo-prawo biorą się głównie z różnic czasu i poziomu między uszami, które w przybliżeniu są wspólne dla wszystkich głów. Wskazówki elewacji i przód-tył kryją się w drobnych wcięciach widmowych małżowiny usznej każdego człowieka, a te różnią się między osobami.
| Metryka | Wartość | Źródło |
|---|---|---|
| Bezwzględny błąd kąta polarnego, ogólna HRTF KEMAR a własna zmierzona HRTF słuchacza | 48,8° wobec 30,1° (p < 0,001) | Pirard i Poole, AES AVAR 2026 |
| Bezwzględny błąd kąta polarnego, losowo wybrana HRTF innej osoby a syntetyczna HRTF z skanu o wysokiej rozdzielczości | 41,8° wobec 35,6° | Pirard i Poole, AES AVAR 2026 |
| Średni lokalny bezwzględny błąd azymutu: własna zmierzona, własna modelowana, ogólna HRTF sztucznej głowy KU100 | 17°, 21°, 20° (brak istotnego efektu głównego) | Rummukainen i in., Applied Sciences 2021 |
| Średni lokalny bezwzględny błąd elewacji, własna zmierzona HRTF a ogólna HRTF KU100 | 21° wobec 21° | Rummukainen i in., Applied Sciences 2021 |
| Słuchacze, u których dokładność w płaszczyźnie poziomej z HRTF innej osoby dorównywała dokładności przy prawdziwych źródłach w polu swobodnym | 12 z 16 | Wenzel i in., JASA 1993 |
| Błąd w płaszczyźnie pionowej przy zmierzonych lub oszacowanych HRTF a ogólnej HRTF KEMAR, 24 uczestników, odtwarzanie ze śledzeniem głowy | Istotnie mniejszy; różnice w płaszczyźnie poziomej nieistotne | Frankenbach i in., JAES 2025 |
| Najlepsza dokładność człowieka przy prawdziwych źródłach dźwięku (pole swobodne): azymut a elewacja | 1-2° wobec 3-4° | Carlini i in., Frontiers in Psychology 2024 |
Uwaga kontekstowa: badanie Rummukainena objęło w eksperymencie statycznym tylko 8 słuchaczy, a różnice azymutu rzędu 3° do 4° nie osiągnęły istotności. Wynik Wenzela jest klasycznym punktem odniesienia dla tego wzorca (najnowsze dostępne dane dla takiego projektu: Wenzel i in., JASA 1993), a badanie Frankenbacha z 2025 roku (JAES) odtworzyło ten sam podział przy nowoczesnym renderowaniu dynamicznym.
2. Pomyłki przód-tył i błędy kwadrantu
Pomyłka przód-tył to błąd, na który gracze skarżą się najczęściej: wróg za plecami brzmi, jakby stał z przodu. Błąd kwadrantu to szersze zliczanie, które obejmuje także odwrócenia góra-dół. Te wskaźniki bardzo różnią się między badaniami z powodu rodzaju bodźca, treningu i tego, jak ściśle zdefiniowano pomyłkę, więc porównuj wiersze w obrębie jednego źródła, zanim zestawisz źródła ze sobą.
W badaniu ocen w VR ogólna HRTF KEMAR dała 21 pomyłek przód-tył na 78 odpowiedzi (27%), a zindywidualizowane HRTF nie dały żadnej (χ²(1, 77) = 22,0, p < 0,001) (Jenny i Reuter, JMIR Serious Games 2020). Ten sam wzorzec widać w danych z 2026 roku: losowa HRTF innej osoby była bliska własnej HRTF słuchacza pod względem pomyłek przód-tył, ale wciąż gorsza pod względem błędów kwadrantu.
| Metryka | Wartość | Źródło |
|---|---|---|
| Odsetek pomyłek przód-tył: KEMAR a własna zmierzona HRTF a losowa HRTF innej osoby | 17,2% wobec 8,1% wobec 9,1% | Pirard i Poole, AES AVAR 2026 |
| Odsetek błędów kwadrantu, losowa HRTF innej osoby a własna zmierzona HRTF | 22,6% wobec 15,4% (p = 0,039) | Pirard i Poole, AES AVAR 2026 |
| Pomyłki przód-tył, ogólna HRTF KEMAR a zindywidualizowana HRTF | 21 z 78 odpowiedzi (27%) wobec 0% | Jenny i Reuter, JMIR Serious Games 2020 |
| Pomyłki przód-tył, najbardziej a najmniej odbiegająca niezindywidualizowana HRTF z bazy ARI | 19 z 78 (24%) wobec 5 z 78 (6%) | Jenny i Reuter, JMIR Serious Games 2020 |
| Pomyłki przód-tył przy niezindywidualizowanej HRTF w słuchawkach a przy prawdziwych źródłach w polu swobodnym | 31% wobec 19% | Wenzel i in. 1993, za: Rummukainen i in., Applied Sciences 2021 |
| Błąd kwadrantu przy przejściu z HRTF ogólnych na indywidualne | z 21% do 8% | Middlebrooks 1999, za: Rummukainen i in., Applied Sciences 2021 |
| Błąd kwadrantu dla wirtualnej mowy, poziom przypadku około 50% | 59% | Begault i in. 2001, za: Majdak i in., Attention, Perception and Psychophysics 2010 |
| Błąd kwadrantu u wytrenowanych słuchaczy przy prawdziwych źródłach z głośników | 6% | Makous i Middlebrooks 1990, za: Majdak i in., Attention, Perception and Psychophysics 2010 |
Uwaga o wartości odstającej: wartość 59% dla wirtualnej mowy jest powyżej poziomu przypadku, a dwie późniejsze prace (Majdak i in. 2010 oraz Rummukainen i in. 2021) podają tę samą wartość. Pokazuje ona, jak bardzo wirtualna mowa może zawieść według tej miary. Wiersze powołujące się na badania z lat 1990 do 2001 to najnowsze dostępne dane dla tych konkretnych projektów.
3. Śledzenie ruchów głowy: największa pojedyncza poprawka
Śledzenie ruchów głowy oznacza, że wirtualna scena pozostaje nieruchoma w świecie, gdy obracasz głowę, tak jak dzieje się z prawdziwym dźwiękiem. To dynamiczne renderowanie binauralne, spotykane w goglach VR i niektórych słuchawkach dousznych ze śledzeniem głowy; nie ma go w żadnym trybie wirtualnego 7.1, który nie śledzi ruchów głowy. Dane sugerują, że ma ono większe znaczenie niż wybór HRTF.
Przejście z odtwarzania statycznego na odtwarzanie ze śledzeniem głowy obniżyło bezwzględny błąd w płaszczyźnie poziomej z 38,7° do 21,2°, a ważone pomyłki przód-tył z 16,5% do 6,3% (Oberem i in., bioRxiv 2020). Jeszcze ważniejsze, że różnica między HRTF indywidualnymi a niezindywidualizowanymi zmalała z 6,8 punktu procentowego w odtwarzaniu statycznym do 1,7 punktu przy śledzeniu głowy. Ruch wykonuje dużą część pracy, którą w innym razie wykonałaby osobista HRTF.
| Metryka | Wartość | Źródło |
|---|---|---|
| Ważone pomyłki przód-tył, odtwarzanie statyczne a ze śledzeniem głowy (rozdzielczość HRTF 5°) | 16,5% wobec 6,3% | Oberem i in., bioRxiv 2020 |
| Bezwzględny błąd w płaszczyźnie poziomej, odtwarzanie statyczne a ze śledzeniem głowy | 38,7° wobec 21,2° | Oberem i in., bioRxiv 2020 |
| Różnica w pomyłkach przód-tył między HRTF indywidualnymi a niezindywidualizowanymi, odtwarzanie statyczne a ze śledzeniem głowy | 6,8 wobec 1,7 punktu procentowego | Oberem i in., bioRxiv 2020 |
| Pomyłki przód-tył bez pojedynczego obrotu głowy o 10° a z nim (prawdziwe głośniki, 8 słuchaczy) | 10,7 ± 6,3% wobec 1,5 ± 1,2% | McLachlan i in., PLOS Computational Biology 2025 |
| Polarny błąd średniokwadratowy bez obrotu głowy o 10° a z nim | 25,1 ± 3,2° wobec 20,5 ± 5,2° | McLachlan i in., PLOS Computational Biology 2025 |
| Zakres obrotu głowy, który istotnie zmniejszył a niemal wyeliminował pomyłki przód-tył | 4° wobec 32° azymutu | McAnally i Martin, Frontiers in Neuroscience 2014 |
| Zakres obrotu głowy potrzebny do istotnego zmniejszenia błędu elewacji | 16° azymutu | McAnally i Martin, Frontiers in Neuroscience 2014 |
Uwaga kontekstowa: badania McLachlana i McAnally’ego wykorzystywały prawdziwe głośniki, a nie słuchawki, więc pokazują, co ruch głowy może dać w zasadzie (McLachlan i in. 2025; McAnally i Martin 2014). Błąd boczny nie zmienił się pod wpływem ruchu głowy w żadnym z badań (boczny błąd średniokwadratowy 8,1° wobec 8,2° u McLachlana).
4. Eksternalizacja: dźwięk poza głową a we wnętrzu głowy
Eksternalizacja oznacza, czy dźwięk wydaje się dochodzić z punktu w przestrzeni poza głową, a nie z jej wnętrza. Słaba eksternalizacja sprawia, że miks wirtualnego surroundu może przypominać “dźwięk między uszami”, nawet gdy kierunki są poprawne. Źródła z przodu to przypadek najtrudniejszy, a ekran, na którym rozgrywa się większość akcji w grze, znajduje się przed graczem.
Dla źródła z przodu pod kątem 0° przy niezindywidualizowanej odpowiedzi pomieszczenia eksternalizacja uzyskała 25,56 na 100, a po korekcie poziomu i odbić wzrosła do 65,15 (d Cohena = 2,32) (Shen i Wang, Trends in Hearing 2026). Tą odpowiedzią pomieszczenia jest BRIR (binauralna odpowiedź impulsowa pomieszczenia: HRTF, która zawiera także odbicia od ścian). Odbicia to narzędzie obosieczne: pomagają dźwiękom opuścić głowę, ale mogą rozmywać kierunek.
| Metryka | Wartość | Źródło |
|---|---|---|
| Odsetek lokalizacji wewnątrz głowy, odtwarzanie statyczne a ze śledzeniem głowy | 6,4% wobec 0,5% | Oberem i in., bioRxiv 2020 |
| Ocena eksternalizacji (0-100) dla źródła z przodu pod kątem 0°, oryginalna a skorygowana niezindywidualizowana odpowiedź pomieszczenia | 25,56 wobec 65,15 | Shen i Wang, Trends in Hearing 2026 |
| Ocena eksternalizacji przy azymucie 15° i 30°, oryginalna a skorygowana odpowiedź pomieszczenia | 42,33 wobec 67,66 (15°); 60,04 wobec 85,67 (30°) | Shen i Wang, Trends in Hearing 2026 |
| Słuchacze wybierający bardziej zmodyfikowaną odpowiedź pomieszczenia w testach z wyborem wymuszonym przy 0° i 15° | 84 ze 100 i 83 ze 100 (p < 0,001) | Shen i Wang, Trends in Hearing 2026 |
| Wynik eksternalizacji, indywidualne a niezindywidualizowane odpowiedzi pomieszczenia | 53,4% wobec 51,2% | Leclère i in. 2019, za: Shen i Wang, Trends in Hearing 2026 |
| Długość pogłosu poprawiającego eksternalizację, zanim korzyści ustają | Do około 80 ms | Best i in., Trends in Hearing 2020 (przegląd) |
| Średni błąd elewacji dla wirtualnej mowy bez pogłosu a z pogłosem | 17,6° wobec 28,7° | Begault i in. 2001, za: Carlini i in., Frontiers in Psychology 2024 |
| Słuchacze SADIE II, którzy uznali własną zmierzoną HRTF za najbardziej zewnętrzną | 1 z 16 | Uniwersytet w Yorku, Applied Sciences 2018 |
Uwaga kontekstowa: eksternalizacja prawie nie zależy od tego, czy HRTF jest osobista (53,4% wobec 51,2%), ale silnie zależy od śledzenia głowy, odbić i kąta źródła. Przegląd Best i in. zauważa też, że źródła poruszające się razem z głową mają tendencję do bycia słyszanymi we wnętrzu głowy, podczas gdy źródła nieruchome względem świata są lepiej eksternalizowane. Wartość elewacji Begaulta to najnowsze dostępne dane z badania z 2001 roku.
5. Trening i adaptacja do ogólnej HRTF
Mózg jest plastyczny, a niedopasowaną HRTF można częściowo się nauczyć. To dobra wiadomość dla graczy, którym nigdy nie zmierzą uszu: pytanie przesuwa się z “którą HRTF” na “ile celowych ćwiczeń z informacją zwrotną”.
W badaniu z udziałem 36 osób dopasowany sferyczny błąd lokalizacji spadł z 43,4° do 25,5° przy mniej niż dwóch godzinach treningu (dziewięć bloków po 12 minut), a błędy spadły o połowę po około 19 minutach (Steadman i in., Scientific Reports 2019). Samo uzupełnienie treningu o elementy grywalizacji nie pokonało nietrenowanej grupy kontrolnej (p = 0,940); dokonała tego wersja z dodanym aktywnym słuchaniem ze śledzeniem głowy. Adaptacja zależy też od osoby, jak pokazują poniżej wyniki Stitta.
| Metryka | Wartość | Źródło |
|---|---|---|
| Dopasowany błąd sferyczny przed treningiem a po treningu z niezindywidualizowanymi HRTF (łącznie 108 minut) | 43,4° wobec 25,5° | Steadman i in., Scientific Reports 2019 |
| Początkowy odsetek pomyłek przód-tył przy niezindywidualizowanych HRTF oraz średni spadek po treningu | 40,7%; około 15% | Steadman i in., Scientific Reports 2019 |
| Trening z elementami grywalizacji bez aktywnego słuchania a nietrenowana grupa kontrolna, błąd sferyczny | Nieistotne (p = 0,940) | Steadman i in., Scientific Reports 2019 |
| Mediana poprawy błędu polarnego w pierwszych czterech cotygodniowych sesjach przy słabo dopasowanej HRTF | 11,9° | Stitt i in., Scientific Reports 2019 |
| Łączna poprawa błędu polarnego w ciągu 10 sesji, grupa ze słabo dopasowaną HRTF a grupa kontrolna z własną HRTF | Około 25° wobec około 10° | Stitt i in., Scientific Reports 2019 |
| Słuchacze ze słabo dopasowaną HRTF, którzy po 10 sesjach osiągnęli błąd polarny grupy kontrolnej | 3 z 8 | Stitt i in., Scientific Reports 2019 |
| Błąd kwadrantu przed pierwszymi 400 próbami treningowymi a po nich przy własnych zmierzonych HRTF słuchaczy, wskazywanie głową a wskazywanie ręką | 27,5% do 18,3%; 28,8% do 18,4% | Majdak i in., Attention, Perception and Psychophysics 2010 |
| Zmniejszenie błędu po 60 sekundach ekspozycji audiowizualnej z ogólnymi HRTF a po ekspozycji wyłącznie audio | t(16) = 2,87, p = 0,011 wobec p = 0,53 (n.i.) | Berger i in., Frontiers in Neuroscience 2018 |
Uwaga kontekstowa: Stitt i in. przypisują około 15° z 25° poprawy tej grupy adaptacji do HRTF, ponieważ kontrolne grupy z własną HRTF także poprawiły się o około 10°. Eksperyment z prawdziwymi uszami i fizycznymi formami usznymi (nie słuchawkami) wykazał pełną adaptację do nowych uszu w ciągu 20 minut, przy około 10 minutach treningu słuchowo-ruchowego (Parise i in., iScience 2024). Dane treningowe Majdaka pochodzą z 2010 roku i są najnowszymi dostępnymi danymi dla tego protokołu; ponieważ wykorzystano w nich HRTF własne każdego słuchacza, pokazują, jaka część każdego zysku to zwykłe uczenie się zadania, które zawiera także każde badanie z ogólną HRTF.
6. Skróty personalizacji i bazy HRTF
Pełny pomiar HRTF jest powolny i związany z laboratorium: protokół w stylu ARI mierzył 1550 HRTF na słuchacza w około 20 minut w wyspecjalizowanej aparaturze (Majdak i in. 2010). Dlatego badania przesunęły się ku skrótom: wyborowi najlepszego dopasowania z bazy, przekształceniu ogólnej HRTF lub syntezie jej ze skanu.
Pozwolenie słuchaczom na wybór spośród sześciu klastrów zbudowanych ze 196 niezindywidualizowanych HRTF zmniejszyło błąd lokalizacji dźwięku o 22%, a 65% słuchaczy zmniejszyło odsetek swoich pomyłek przód-tył (So i in., Ergonomics 2010). Większe bazy sprawiają, że takie dopasowanie jest bardziej realistyczne. Zwróć uwagę na niespodziankę z danych SADIE II: ludzie często wolą balans tonalny sztucznej głowy od własnych pomiarów, więc “brzmi najlepiej” i “lokalizuje najlepiej” to różne cele (stronę tonalną omawia nasze zestawienie preferencji krzywej docelowej słuchawek).
| Metryka | Wartość | Źródło |
|---|---|---|
| Zmniejszenie błędu lokalizacji dzięki wyborowi spośród 6 klastrów niezindywidualizowanych HRTF | 22%; 65% słuchaczy zmniejszyło też pomyłki przód-tył | So i in., Ergonomics 2010 |
| Najlepsze wyniki po wzmocnieniu lub obniżeniu wybranych pasm częstotliwości HRTF o 12 lub 18 dB, 32 uczestników | Do 70% mniejszy błąd lokalizacji i 66% mniej pomyłek przód-tył | So i in., Human Factors 2011 |
| Mediana błędu elewacji, najlepsza pojedyncza HRTF a najlepsza HRTF wybierana dla każdego kierunku (8 słuchaczy) | 27,8° wobec 22,2° (p = 0,056) | Goldring i in., AES AVAR 2024 |
| Mediana błędu azymutu, najlepsza pojedyncza HRTF a najlepsza HRTF dla każdego kierunku | 18,13° wobec 15,74° (p = 0,12) | Goldring i in., AES AVAR 2024 |
| Efekt skalowania częstotliwościowego funkcji przenoszenia uszu innej osoby | Ponad dwukrotnie zmniejszył stratę wynikającą z użycia funkcji przenoszenia uszu innej osoby | Middlebrooks, JASA 1999 |
| Zbiór SONICOM HRTF, wydanie początkowe a rozszerzone (zmierzone osoby) | 120 wobec 300 | Engel i in., JAES 2023; Poole i in., arXiv 2025 |
| Rozszerzone wydanie SONICOM: osoby z syntezowanymi HRTF oraz siatka pomiarowa | 200 z 300; 793 pozycje | Poole i in., arXiv 2025 |
| Uczestnicy testu odsłuchowego SADIE II (16), którzy woleli HRTF sztucznej głowy KU100 od własnych | 81% (sama baza zawiera 20 osób) | Uniwersytet w Yorku, Applied Sciences 2018 |
Uwaga kontekstowa: wyniki So i in. oraz Middlebrooksa to najnowsze dostępne dane dla tych metod (2010, 2011 i 1999). Rozszerzony zbiór SONICOM i ocena SADIE II to publiczne zasoby, które najprawdopodobniej zasilą następną generację narzędzi do dopasowywania HRTF.
7. Co dowody mówią o wirtualnym 7.1 i dźwięku w grach
Badań prowadzonych w prawdziwych grach wciąż jest niewiele i są niewielkie, ale wskazują ten sam kierunek co dane laboratoryjne. Personalizacja pomaga najbardziej tam, gdzie HRTF ogólne zawodzą najbardziej (elewacja i przód-tył), podczas gdy ustalenie położenia lewo-prawo jest już wystarczająco dobre przy niemal każdej HRTF. W teście strzelanki pierwszoosobowej na komputerze stacjonarnym 22 uczestników wypadło istotnie lepiej w zadaniu lokalizacji ze zindywidualizowaną HRTF niż z ogólną, zarówno w azymucie, jak i w elewacji (Andersen i in., I3DA 2021).
Korzyści nie zawsze wymagają pełnej HRTF. Zespół z KAIST dostroił wyłącznie międzyuszną różnicę czasu (ITD: drobna różnica czasu dotarcia dźwięku do obu uszu) i mimo to stwierdził istotnie krótsze czasy reakcji niż przy dwóch ogólnych HRTF (Kim i in., AES Show 2024). Kontekst sprzętowy dotyczący słuchawek, w których te funkcje się pojawiają, znajdziesz w naszych statystykach słuchawek gamingowych.
| Metryka | Wartość | Źródło |
|---|---|---|
| Warunki renderowania porównane w zadaniu lokalizacji w strzelance na komputerze stacjonarnym, 22 uczestników | 3 (panoramowanie stereo, ogólne binauralne, zindywidualizowane binauralne); zindywidualizowane istotnie lepsze | Andersen i in., I3DA 2021 |
| Czas reakcji z HRTF zoptymalizowaną pod kątem ITD a z MIT KEMAR i domyślną HRTF silnika gry | Istotnie skrócony (wartość nie podana w streszczeniu) | Kim i in., AES Show 2024 |
| Dokładność boczna (lewo-prawo) dla pięciu typów HRTF, od zmierzonej po sztuczną głowę | Brak istotnego efektu (p > 0,05) | Pirard i Poole, AES AVAR 2026 |
| Różnice parami w ocenianej lokalizacji między HRTF zmierzoną, modelowaną i ogólną w VR o 6 stopniach swobody, 12 słuchaczy | Żadna nie była istotna w testach post hoc | Rummukainen i in., Applied Sciences 2021 |
| Odpowiedzi oceniające barwę jako naturalną, zindywidualizowana HRTF a ogólna HRTF KEMAR | 62 z 78 (79%) wobec 1 z 78 (1%) | Jenny i Reuter, JMIR Serious Games 2020 |
| Błąd lokalizacji w płaszczyźnie poziomej, zmierzone lub oszacowane HRTF a KEMAR przy odtwarzaniu ze śledzeniem głowy | Brak istotnej różnicy | Frankenbach i in., JAES 2025 |
Uwaga kontekstowa: żadne z tych badań w grach nie opublikowało w streszczeniu wartości błędów dla poszczególnych warunków, więc traktuj je jako dowody co do kierunku efektu. Praktyczny wniosek jest spójny w kolejnych sekcjach: śledzenie ruchów głowy (sekcja 3) i trening z informacją zwrotną trwający mniej niż dwie godziny (sekcja 5) zamykają dużą część luki, którą zamknęłaby osobista HRTF.
Podsumowanie: dokładność lokalizacji z HRTF w słuchawkach gamingowych w liczbach
| Metryka | Wartość | Źródło |
|---|---|---|
| Odsetek pomyłek przód-tył, ogólna HRTF KEMAR a własna zmierzona HRTF | 17,2% wobec 8,1% | Pirard i Poole, AES AVAR 2026 |
| Pomyłki przód-tył, ogólna HRTF KEMAR a zindywidualizowana HRTF w VR | 27% wobec 0% | Jenny i Reuter, JMIR Serious Games 2020 |
| Średni lokalny błąd azymutu, własna zmierzona a ogólna HRTF KU100 | 17° wobec 20° | Rummukainen i in., Applied Sciences 2021 |
| Ważone pomyłki przód-tył, odtwarzanie statyczne a ze śledzeniem głowy | 16,5% wobec 6,3% | Oberem i in., bioRxiv 2020 |
| Bezwzględny błąd w płaszczyźnie poziomej, odtwarzanie statyczne a ze śledzeniem głowy | 38,7° wobec 21,2° | Oberem i in., bioRxiv 2020 |
| Pomyłki przód-tył bez obrotu głowy o 10° a z nim | 10,7% wobec 1,5% | McLachlan i in., PLOS Computational Biology 2025 |
| Obrót głowy, który niemal wyeliminował pomyłki przód-tył | Około 32° azymutu | McAnally i Martin, Frontiers in Neuroscience 2014 |
| Ocena eksternalizacji źródła z przodu, oryginalna a skorygowana odpowiedź pomieszczenia | 25,56 wobec 65,15 na 100 | Shen i Wang, Trends in Hearing 2026 |
| Długość pogłosu wspomagającego eksternalizację | Do około 80 ms | Best i in., Trends in Hearing 2020 |
| Dopasowany błąd sferyczny przed treningiem a po treningu trwającym mniej niż dwie godziny | 43,4° wobec 25,5° | Steadman i in., Scientific Reports 2019 |
| Czas treningu potrzebny do zmniejszenia błędu lokalizacji o połowę | Około 19 minut | Steadman i in., Scientific Reports 2019 |
| Słuchacze ze słabo dopasowaną HRTF, którzy po 10 sesjach osiągnęli błąd polarny na poziomie grupy kontrolnej | 3 z 8 | Stitt i in., Scientific Reports 2019 |
| Błąd kwadrantu przed 400 próbami treningowymi a po nich (wskazywanie głową) | 27,5% wobec 18,3% | Majdak i in., Attention, Perception and Psychophysics 2010 |
| Zmniejszenie błędu lokalizacji dzięki wyborowi spośród pogrupowanych HRTF | 22% | So i in., Ergonomics 2010 |
| Mediana błędu elewacji, najlepsza pojedyncza HRTF a najlepsza HRTF dla każdego kierunku | 27,8° wobec 22,2° | Goldring i in., AES AVAR 2024 |
| Zmierzone osoby w SONICOM, wydanie rozszerzone | 300 | Poole i in., arXiv 2025 |
| Uczestnicy SADIE II, którzy woleli HRTF sztucznej głowy od własnych | 81% | Uniwersytet w Yorku, Applied Sciences 2018 |
Metodologia i źródła
- Pirard i Poole, Evaluation of Head-Related Transfer Functions Across Five Levels of Individualisation in Virtual Reality, AES AVAR 2026 (preprint arXiv): 19 słuchaczy, gogle Meta Quest, 297 prób testowych na eksperyment.
- Jenny i Reuter, Usability of Individualized HRTFs in Virtual Reality, JMIR Serious Games 2020: 39 osób, HRTF z ARI i MIT KEMAR.
- Rummukainen, Robotham i Habets, Head-Related Transfer Functions for Dynamic Listeners in Virtual Reality, Applied Sciences 2021: także pośrednik dla wartości porównawczych Wenzela 1993 i Middlebrooksa 1999.
- Wenzel, Arruda, Kistler i Wightman, Localization Using Nonindividualized Head-Related Transfer Functions, JASA 1993.
- Middlebrooks, Virtual Localization Improved by Scaling Nonindividualized External-Ear Transfer Functions in Frequency, JASA 1999.
- Frankenbach, Herzog, Seitz i Fels, Evaluating Localization Accuracy of Dynamic Binaural Synthesis, JAES 2025.
- Majdak, Goupell i Laback, 3-D Localization of Virtual Sound Sources, Attention, Perception and Psychophysics 2010: także pośrednik dla wartości błędu kwadrantu z prac Begault i in. 2001 oraz Makous i Middlebrooks 1990.
- Oberem, Richter, Setzer, Seibold, Koch i Fels, Localization Accuracy with Non-Individual and Individual HRTFs Comparing Static and Dynamic Reproduction, bioRxiv 2020: 11 słuchaczy, tylko prawa półsfera.
- McLachlan, Majdak, Reijniers, Mihocic i Peremans, Bayesian Active Sound Localisation, PLOS Computational Biology 2025.
- McAnally i Martin, Sound Localization with Head Movement: Implications for 3-D Audio Displays, Frontiers in Neuroscience 2014.
- Shen i Wang, Enhancing Externalization of Frontal Virtual Sound Sources, Trends in Hearing 2026: także pośrednik dla wartości Leclère i in. 2019.
- Best, Baumgartner, Lavandier, Majdak i Kopčo, Sound Externalization: A Review of Recent Research, Trends in Hearing 2020.
- Carlini, Bordeau i Ambard, Auditory Localization: A Comprehensive Practical Review, Frontiers in Psychology 2024: wartości odniesienia w polu swobodnym i wartości pogłosu z pracy Begault 2001.
- Steadman, Kim, Lestang, Goodman i Picinali, Short-Term Effects of Sound Localization Training in Virtual Reality, Scientific Reports 2019.
- Stitt, Picinali i Katz, Auditory Accommodation to Poorly Matched Non-Individual Spectral Localization Cues Through Active Learning, Scientific Reports 2019.
- Berger i in., Generic HRTFs May Be Good Enough in Virtual Reality, Frontiers in Neuroscience 2018.
- Parise i in., Happy New Ears: Rapid Adaptation to Novel Spectral Cues in Vertical Sound Localization, iScience 2024.
- So i in., Toward Orthogonal Non-Individualised HRTFs for Forward and Backward Directional Sound, Ergonomics 2010.
- So i in., Effects of Spectral Manipulation on Nonindividualized HRTFs, Human Factors 2011.
- Goldring, Ben Hur, Alon i Rafaely, Assessing the Potential Impact of Direction-Dependent HRTF Selection on Sound Localization Accuracy, AES AVAR 2024 (arXiv).
- Engel i in., The SONICOM HRTF Dataset, JAES 2023.
- Poole i in., The Extended SONICOM HRTF Dataset and Spatial Audio Metrics Toolbox, arXiv 2025.
- Uniwersytet w Yorku, AudioLab, A Perceptual Evaluation of Individual and Non-Individual HRTFs: A Case Study of the SADIE II Database, Applied Sciences 2018.
- Andersen, Miccini, Serafin i Spagnol, Evaluation of Individualized HRTFs in a 3D Shooter Game, I3DA 2021.
- Kim i in., Investigating the Role of Customized Interaural Time Differences on First-Person Shooter Gaming Performance, AES Show 2024.
- Uwaga o danych: metryki błędu nie są ustandaryzowane. Badania podają błąd polarny lub błąd elewacji, średnią lub medianę, pomyłki przód-tył lub błąd kwadrantu (który obejmuje też odwrócenia góra-dół), a niektóre ważą pomyłki według kąta, więc porównuj wartości w obrębie jednego źródła, zanim zestawisz różne źródła. Kilka kluczowych wartości pochodzi z preprintów lub referatów konferencyjnych, które nie ukazały się jeszcze w czasopiśmie (Pirard i Poole 2026, Oberem i in. 2020, Goldring i in. 2024, Poole i in. 2025). Błąd kwadrantu Middlebrooksa dla HRTF indywidualnych występuje jako 8% u Rummukainena i in. oraz jako 7,7 ± 8,0% dla wytrenowanych osób u Majdaka i in., co jest spójne w granicach zaokrągleń. Źródła dotyczące SONICOM różnią się co do wielkości wydania początkowego (120 osób w streszczeniu JAES z 2023 roku wobec 200 HRTF opisanych w pracy o zbiorze rozszerzonym z 2025 roku); podajemy 120 dla pracy oryginalnej i 300 dla wydania rozszerzonego. Praca Steadmana i in. wymienia 36 uczestników według grup, ale podaje podział według płci, który sumuje się do 38, a kilka jej wartości p jest zniekształconych w tekście, więc cytujemy tylko wyniki na poziomie grup z wyraźnymi statystykami. Wartości dotyczące ruchu głowy z prac McLachlana i McAnally’ego pochodzą z eksperymentów z głośnikami, nie ze słuchawkami. Kilka wierszy opiera się na badaniach z lat 1990 do 2011 i zostało oznaczonych jako najnowsze dostępne dane. W tym zestawieniu nie wykorzystano żadnych danych producentów ani sprzedawców.
Ostatnia aktualizacja: 25 października 2026 roku. Aktualizujemy to zestawienie kwartalnie, a kolejnej aktualizacji należy się spodziewać po opublikowaniu recenzowanych materiałów konferencji AES 2026 poświęconej dźwiękowi w rzeczywistości wirtualnej i rozszerzonej oraz grom immersyjnym i po wydaniu kolejnej wersji zbioru SONICOM.