เมื่อใช้ HRTF ทั่วไปจากหัวหุ่นจำลอง KEMAR ผู้ฟังในการศึกษา VR ปี 2026 สับสนระหว่างด้านหน้ากับด้านหลังใน 17.2% ของการทดลอง มากกว่าสองเท่าของ 8.1% ที่ได้เมื่อใช้ HRTF ที่วัดจากตัวเอง (Pirard และ Poole, การประชุม AES ว่าด้วยเสียงสำหรับความเป็นจริงเสมือนและความเป็นจริงเสริม 2026) การศึกษาเดียวกันพบว่าการตัดสินซ้าย-ขวาแทบไม่เปลี่ยนไปในทั้งห้าประเภทของ HRTF ซึ่งสอดคล้องกับงานวิจัยก่อนหน้าหลายสิบปี การติดตามศีรษะเป็นวิธีแก้เดี่ยวที่ได้ผลที่สุดในข้อมูลนี้ ความสับสนหน้า-หลังแบบถ่วงน้ำหนักลดจาก 16.5% ในการเล่นผ่านหูฟังแบบคงที่เหลือ 6.3% เมื่อเรนเดอร์แบบติดตามศีรษะ (Oberem et al., bioRxiv 2020) การฝึกก็ช่วยเช่นกัน โดยความคลาดเคลื่อนทรงกลมที่ปรับเส้นโค้งแล้วลดจาก 43.4 เหลือ 25.5 องศาด้วยการฝึกไม่ถึงสองชั่วโมง (Steadman et al., Scientific Reports 2019) เรารวบรวมข้อมูลจาก Journal of the Acoustical Society of America, Journal of the Audio Engineering Society, Scientific Reports, Trends in Hearing, PLOS Computational Biology, Applied Sciences และเอกสารการประชุม AES สำหรับตัวเลขตลาดและการนำไปใช้ โปรดดูสรุปสถิติเสียงเชิงพื้นที่แยกต่างหากของเรา หน้านี้ครอบคลุมเฉพาะความแม่นยำที่ผู้คนได้ยินทิศทางเสียงเท่านั้น
อภิธานศัพท์สั้น ๆ เพราะศัพท์เหล่านี้ถูกใช้ซ้ำด้านล่าง HRTF (ฟังก์ชันถ่ายโอนที่สัมพันธ์กับศีรษะ) คือการกรองเสียงที่ขึ้นอยู่กับทิศทางซึ่งศีรษะ ลำตัว และใบหูชั้นนอกของคุณกระทำกับเสียงก่อนถึงแก้วหู 7.1 เสมือนและเสียงเชิงพื้นที่ทำงานโดยใช้ HRTF ผ่านหูฟัง HRTF ทั่วไป มาจากหัวหุ่นจำลอง (เช่น KEMAR หรือ Neumann KU100) หรือจากบุคคลอื่น มุมด้านข้าง หมายถึงเสียงอยู่เอียงไปทางซ้ายหรือขวามากเพียงใด ส่วน มุมโพลาร์ หมายถึงตำแหน่งของเสียงบนวงกลมรอบแกนหู ซึ่งครอบคลุมบน-ล่างและหน้า-หลัง
สรุปโดยย่อ
- ความคลาดเคลื่อนมุมโพลาร์อยู่ที่ 48.8° เมื่อใช้ HRTF KEMAR ทั่วไป เทียบกับ 30.1° เมื่อใช้ HRTF ที่วัดจากผู้ฟังเอง (Pirard และ Poole, AES AVAR 2026)
- HRTF ทั่วไปก่อให้เกิดความสับสนหน้า-หลัง 21 ครั้งจาก 78 คำตอบ (27%) เทียบกับ 0% เมื่อใช้ HRTF ที่ปรับให้เหมาะกับบุคคล (Jenny และ Reuter, JMIR Serious Games 2020)
- การเล่นแบบติดตามศีรษะลดความสับสนหน้า-หลังแบบถ่วงน้ำหนักจาก 16.5% เหลือ 6.3% (Oberem et al., bioRxiv 2020)
- การหันศีรษะเพียงครั้งเดียว 10° ลดความสับสนหน้า-หลังจาก 10.7% เหลือ 1.5% เมื่อใช้ลำโพงจริง (McLachlan et al., PLOS Computational Biology 2025)
- การเคลื่อนศีรษะราว 32° ของมุมแอซิมัทแทบกำจัดความสับสนหน้า-หลังได้ทั้งหมด (McAnally และ Martin, Frontiers in Neuroscience 2014)
- เมื่อใช้ HRTF ที่ไม่ใช่ของตัวเอง ความสับสนหน้า-หลังเริ่มต้นที่ 40.7% และความคลาดเคลื่อนในการระบุตำแหน่งลดลงครึ่งหนึ่งหลังฝึกราว 19 นาที (Steadman et al., Scientific Reports 2019)
- ความคลาดเคลื่อนควอดแรนท์ลดจาก 27.5% เหลือ 18.3% ภายใน 400 ครั้งแรกของการฝึก (Majdak et al., Attention, Perception and Psychophysics 2010)
- การรับรู้เสียงด้านหน้าว่าอยู่นอกศีรษะเพิ่มจาก 25.56 เป็น 65.15 จาก 100 หลังปรับระดับเสียงและเสียงสะท้อน (Shen และ Wang, Trends in Hearing 2026)
- ผู้เข้าร่วม SADIE II 81% ชอบ HRTF ของหัวหุ่นจำลองมากกว่าของตัวเอง (มหาวิทยาลัยยอร์ก, Applied Sciences 2018)
- การเลือกจากกลุ่ม HRTF ที่ไม่ใช่ของตัวเองซึ่งจัดเป็นคลัสเตอร์ลดความคลาดเคลื่อนในการระบุตำแหน่งได้ 22% (So et al., Ergonomics 2010)
1. ความคลาดเคลื่อนเชิงมุม: HRTF ทั่วไปและ HRTF ที่ปรับให้เหมาะกับบุคคล
ผลลัพธ์หลักเอียงข้างมาก การเปลี่ยนจาก HRTF ของผู้ฟังเองไปเป็น HRTF ทั่วไปทำให้มิติบน-ล่างและหน้า-หลังแย่ลงอย่างมาก ขณะที่ความแม่นยำซ้าย-ขวาแทบไม่เปลี่ยน ในการศึกษา HRTF ห้าแบบปี 2026 ความคลาดเคลื่อนมุมโพลาร์เพิ่มจาก 30.1° เมื่อใช้ HRTF ที่วัดจริงเป็น 48.8° เมื่อใช้ KEMAR (p < 0.001) ขณะที่ตัวชี้วัดด้านข้างไม่พบผลที่มีนัยสำคัญ (p > 0.05) (Pirard และ Poole, arXiv 2026)
สำหรับเกมเมอร์ นี่อธิบายว่าทำไมเซอร์ราวด์เสมือนจึงทำให้ระบุตำแหน่งมือสไนเปอร์ทางซ้ายได้ง่าย แต่อ่านเสียงฝีเท้าที่อยู่เหนือหรืออยู่ด้านหลังได้ยาก สัญญาณซ้าย-ขวาส่วนใหญ่มาจากความแตกต่างของเวลาและระดับเสียงระหว่างสองหู ซึ่งศีรษะทุกใบมีร่วมกันในลักษณะคร่าว ๆ ส่วนสัญญาณมุมเงยและหน้า-หลังอยู่ในรอยบากเชิงสเปกตรัมละเอียดของใบหูชั้นนอกแต่ละคน และสิ่งเหล่านี้แตกต่างกันไปในแต่ละบุคคล
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ความคลาดเคลื่อนสัมบูรณ์ของมุมโพลาร์ HRTF KEMAR ทั่วไปเทียบกับ HRTF ที่วัดจากผู้ฟังเอง | 48.8° เทียบกับ 30.1° (p < 0.001) | Pirard และ Poole, AES AVAR 2026 |
| ความคลาดเคลื่อนสัมบูรณ์ของมุมโพลาร์ HRTF ของบุคคลอื่นที่สุ่มเลือกเทียบกับ HRTF สังเคราะห์จากการสแกนความละเอียดสูง | 41.8° เทียบกับ 35.6° | Pirard และ Poole, AES AVAR 2026 |
| ความคลาดเคลื่อนแบบไม่มีเครื่องหมายเฉลี่ยของมุมแอซิมัทเฉพาะที่ ได้แก่ วัดจากตัวเอง สร้างแบบจำลองจากตัวเอง และหัวหุ่นจำลองทั่วไป KU100 | 17°, 21°, 20° (ไม่มีผลหลักที่มีนัยสำคัญ) | Rummukainen et al., Applied Sciences 2021 |
| ความคลาดเคลื่อนแบบไม่มีเครื่องหมายเฉลี่ยของมุมเงยเฉพาะที่ HRTF ที่วัดจากตัวเองเทียบกับ HRTF KU100 ทั่วไป | 21° เทียบกับ 21° | Rummukainen et al., Applied Sciences 2021 |
| ผู้ฟังที่มีความแม่นยำแนวนอนเมื่อใช้ HRTF ของบุคคลอื่นเทียบเท่ากับแหล่งกำเนิดเสียงจริงในสนามเสียงอิสระ | 12 จาก 16 | Wenzel et al., JASA 1993 |
| ความคลาดเคลื่อนแนวตั้งเมื่อใช้ HRTF ที่วัดหรือประมาณค่าเทียบกับ KEMAR ทั่วไป ผู้เข้าร่วม 24 คน การเล่นแบบติดตามศีรษะ | เล็กลงอย่างมีนัยสำคัญ ความแตกต่างแนวนอนไม่มีนัยสำคัญ | Frankenbach et al., JAES 2025 |
| ความแม่นยำสูงสุดของมนุษย์กับแหล่งกำเนิดเสียงจริง (สนามเสียงอิสระ) มุมแอซิมัทเทียบกับมุมเงย | 1-2° เทียบกับ 3-4° | Carlini et al., Frontiers in Psychology 2024 |
หมายเหตุด้านบริบท: การศึกษาของ Rummukainen ทดสอบผู้ฟังเพียง 8 คนในการทดลองแบบคงที่ และความแตกต่างของมุมแอซิมัท 3° ถึง 4° ไม่ถึงระดับนัยสำคัญ ผลของ Wenzel เป็นข้ออ้างอิงคลาสสิกของรูปแบบนี้ (ข้อมูลล่าสุดที่มีสำหรับการออกแบบนั้น: Wenzel et al., JASA 1993) และการศึกษาของ Frankenbach ปี 2025 (JAES) ทำซ้ำการแยกแบบเดียวกันด้วยการเรนเดอร์แบบไดนามิกสมัยใหม่
2. ความสับสนหน้า-หลังและความคลาดเคลื่อนควอดแรนท์
ความสับสนหน้า-หลังคือข้อผิดพลาดที่เกมเมอร์บ่นถึงมากที่สุด ศัตรูที่อยู่ด้านหลังฟังเหมือนอยู่ด้านหน้า ความคลาดเคลื่อนควอดแรนท์ เป็นการนับที่กว้างกว่าซึ่งรวมการสลับบน-ล่างด้วย อัตราเหล่านี้แกว่งมากระหว่างแต่ละการศึกษา เพราะประเภทของสิ่งเร้า การฝึก และความเข้มงวดในการนิยามความสับสน ดังนั้นให้เปรียบเทียบแถวภายในแหล่งเดียวกันก่อนเปรียบเทียบข้ามแหล่ง
ในการศึกษาการให้คะแนนแบบ VR HRTF KEMAR ทั่วไปก่อให้เกิดความสับสนหน้า-หลัง 21 ครั้งจาก 78 คำตอบ (27%) ขณะที่ HRTF ที่ปรับให้เหมาะกับบุคคลไม่ก่อให้เกิดเลย (χ²(1,77)=22.0, P<.001) (Jenny และ Reuter, JMIR Serious Games 2020) รูปแบบนี้เป็นจริงในข้อมูลปี 2026 ด้วย HRTF ของบุคคลอื่นที่สุ่มเลือกใกล้เคียงกับ HRTF ของผู้ฟังเองในด้านความสับสนหน้า-หลัง แต่ยังแย่กว่าในด้านความคลาดเคลื่อนควอดแรนท์
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| อัตราความสับสนหน้า-หลัง KEMAR เทียบกับ HRTF ที่วัดจากตัวเอง เทียบกับ HRTF ของบุคคลอื่นที่สุ่มเลือก | 17.2% เทียบกับ 8.1% เทียบกับ 9.1% | Pirard และ Poole, AES AVAR 2026 |
| อัตราความคลาดเคลื่อนควอดแรนท์ HRTF ของบุคคลอื่นที่สุ่มเลือกเทียบกับ HRTF ที่วัดจากตัวเอง | 22.6% เทียบกับ 15.4% (p = 0.039) | Pirard และ Poole, AES AVAR 2026 |
| ความสับสนหน้า-หลัง HRTF KEMAR ทั่วไปเทียบกับ HRTF ที่ปรับให้เหมาะกับบุคคล | 21 จาก 78 คำตอบ (27%) เทียบกับ 0% | Jenny และ Reuter, JMIR Serious Games 2020 |
| ความสับสนหน้า-หลัง HRTF ที่ไม่ใช่ของตัวเองซึ่งเบี่ยงเบนมากที่สุดเทียบกับเบี่ยงเบนน้อยที่สุดจากฐานข้อมูล ARI | 19 จาก 78 (24%) เทียบกับ 5 จาก 78 (6%) | Jenny และ Reuter, JMIR Serious Games 2020 |
| ความสับสนหน้า-หลังเมื่อใช้ HRTF ที่ไม่ใช่ของตัวเองผ่านหูฟังเทียบกับแหล่งกำเนิดเสียงจริงในสนามเสียงอิสระ | 31% เทียบกับ 19% | Wenzel et al. 1993 ตามที่รายงานใน Rummukainen et al., Applied Sciences 2021 |
| ความคลาดเคลื่อนควอดแรนท์เมื่อเปลี่ยนจาก HRTF ทั่วไปเป็น HRTF ของตัวเอง | 21% เหลือ 8% | Middlebrooks 1999 ตามที่รายงานใน Rummukainen et al., Applied Sciences 2021 |
| ความคลาดเคลื่อนควอดแรนท์สำหรับเสียงพูดเสมือน ระดับการเดาสุ่มราว 50% | 59% | Begault et al. 2001 ตามที่รายงานใน Majdak et al., Attention, Perception and Psychophysics 2010 |
| ความคลาดเคลื่อนควอดแรนท์สำหรับผู้ฟังที่ผ่านการฝึกกับแหล่งกำเนิดเสียงจากลำโพงจริง | 6% | Makous และ Middlebrooks 1990 ตามที่รายงานใน Majdak et al., Attention, Perception and Psychophysics 2010 |
หมายเหตุเกี่ยวกับค่าผิดปกติ: ตัวเลข 59% สำหรับเสียงพูดเสมือนสูงกว่าระดับการเดาสุ่ม และเอกสารสองฉบับต่อมา (Majdak et al. 2010 และ Rummukainen et al. 2021) รายงานค่าเดียวกัน ตัวเลขนี้แสดงให้เห็นว่าเสียงพูดเสมือนอาจล้มเหลวอย่างหนักในตัวชี้วัดนี้ แถวที่อ้างอิงการศึกษาระหว่างปี 1990 ถึง 2001 เป็นข้อมูลล่าสุดที่มีสำหรับการออกแบบเฉพาะเหล่านั้น
3. การติดตามศีรษะ: วิธีแก้เดี่ยวที่ใหญ่ที่สุด
การติดตามศีรษะหมายถึงฉากเสมือนคงอยู่กับที่ในโลกขณะที่ศีรษะของคุณหมุน เหมือนกับที่เสียงจริงเป็น นี่คือการเรนเดอร์ไบนอรัลแบบ “ไดนามิก” ที่พบในชุดหูฟัง VR และหูฟังไร้สายบางรุ่นที่ติดตามศีรษะได้ และไม่มีในโหมด 7.1 เสมือนใดก็ตามที่ไม่ติดตามศีรษะ ข้อมูลชี้ว่าสิ่งนี้สำคัญกว่าการเลือกว่าจะใช้ HRTF แบบใด
การเปลี่ยนจากการเล่นแบบคงที่เป็นการเล่นแบบติดตามศีรษะลดความคลาดเคลื่อนแนวนอนแบบไม่มีเครื่องหมายจาก 38.7° เหลือ 21.2° และลดความสับสนหน้า-หลังแบบถ่วงน้ำหนักจาก 16.5% เหลือ 6.3% (Oberem et al., bioRxiv 2020) ที่บอกอะไรได้มากกว่านั้นอีก คือช่องว่างระหว่าง HRTF ของตัวเองกับ HRTF ที่ไม่ใช่ของตัวเองหดลงจาก 6.8 จุดเปอร์เซ็นต์ในการเล่นแบบคงที่เหลือ 1.7 จุดเมื่อติดตามศีรษะ การเคลื่อนไหวทำงานส่วนใหญ่แทน HRTF ส่วนบุคคล
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ความสับสนหน้า-หลังแบบถ่วงน้ำหนัก การเล่นแบบคงที่เทียบกับการเล่นแบบติดตามศีรษะ (ความละเอียด HRTF 5°) | 16.5% เทียบกับ 6.3% | Oberem et al., bioRxiv 2020 |
| ความคลาดเคลื่อนแนวนอนแบบไม่มีเครื่องหมาย การเล่นแบบคงที่เทียบกับแบบติดตามศีรษะ | 38.7° เทียบกับ 21.2° | Oberem et al., bioRxiv 2020 |
| ช่องว่างความสับสนหน้า-หลังระหว่าง HRTF ของตัวเองกับ HRTF ที่ไม่ใช่ของตัวเอง แบบคงที่เทียบกับแบบติดตามศีรษะ | 6.8 เทียบกับ 1.7 จุดเปอร์เซ็นต์ | Oberem et al., bioRxiv 2020 |
| ความสับสนหน้า-หลังเมื่อไม่หันศีรษะเทียบกับเมื่อหันศีรษะ 10° หนึ่งครั้ง (ลำโพงจริง ผู้ฟัง 8 คน) | 10.7 ± 6.3% เทียบกับ 1.5 ± 1.2% | McLachlan et al., PLOS Computational Biology 2025 |
| ความคลาดเคลื่อน RMS ของมุมโพลาร์เมื่อไม่หันศีรษะเทียบกับเมื่อหันศีรษะ 10° | 25.1 ± 3.2° เทียบกับ 20.5 ± 5.2° | McLachlan et al., PLOS Computational Biology 2025 |
| ช่วงการหมุนศีรษะที่ลดความสับสนหน้า-หลังได้อย่างมีนัยสำคัญเทียบกับที่แทบกำจัดได้ทั้งหมด | 4° เทียบกับ 32° ของมุมแอซิมัท | McAnally และ Martin, Frontiers in Neuroscience 2014 |
| ช่วงการหมุนศีรษะที่จำเป็นเพื่อลดความคลาดเคลื่อนมุมเงยอย่างมีนัยสำคัญ | 16° ของมุมแอซิมัท | McAnally และ Martin, Frontiers in Neuroscience 2014 |
หมายเหตุด้านบริบท: การศึกษาของ McLachlan และ McAnally ใช้ลำโพงจริง ไม่ใช่หูฟัง จึงแสดงให้เห็นว่าการเคลื่อนไหวศีรษะทำอะไรได้ในหลักการ (McLachlan et al. 2025; McAnally และ Martin 2014) ความคลาดเคลื่อนด้านข้างไม่เปลี่ยนไปตามการเคลื่อนไหวศีรษะในทั้งสองการศึกษา (ความคลาดเคลื่อน RMS ด้านข้าง 8.1° เทียบกับ 8.2° ใน McLachlan)
4. การรับรู้เสียงนอกศีรษะ: เสียงนอกศีรษะและในศีรษะ
การรับรู้เสียงนอกศีรษะ คือการที่เสียงดูเหมือนมาจากจุดหนึ่งในอวกาศนอกศีรษะของคุณ แทนที่จะมาจากภายใน การรับรู้นอกศีรษะที่ไม่ดีอธิบายว่าทำไมมิกซ์เซอร์ราวด์เสมือนจึงรู้สึกเหมือน “เสียงระหว่างหู” ได้แม้ทิศทางจะถูกต้อง แหล่งกำเนิดเสียงด้านหน้าเป็นกรณีที่ยากที่สุด และหน้าจอซึ่งเป็นที่ที่แอ็กชันส่วนใหญ่ของเกมเกิดขึ้นอยู่ด้านหน้าผู้เล่น
สำหรับแหล่งกำเนิดเสียงด้านหน้าที่ 0° เมื่อใช้การตอบสนองของห้องที่ไม่ได้ปรับให้เข้ากับบุคคล การรับรู้นอกศีรษะได้คะแนน 25.56 จาก 100 และเพิ่มเป็น 65.15 หลังปรับระดับเสียงและเสียงสะท้อน (d ของโคเฮน = 2.32) (Shen และ Wang, Trends in Hearing 2026) การตอบสนองของห้องดังกล่าวคือ BRIR (การตอบสนองต่อสัญญาณอิมพัลส์ของห้องแบบไบนอรัล: HRTF ที่มีเสียงสะท้อนของห้องรวมอยู่ด้วย) เสียงสะท้อนเป็นเครื่องมือสองคม ช่วยให้เสียงออกจากศีรษะได้แต่ทำให้ทิศทางเบลอได้
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| อัตราการรับรู้ตำแหน่งในศีรษะ การเล่นแบบคงที่เทียบกับแบบติดตามศีรษะ | 6.4% เทียบกับ 0.5% | Oberem et al., bioRxiv 2020 |
| คะแนนการรับรู้นอกศีรษะ (0-100) สำหรับแหล่งกำเนิดเสียงด้านหน้าที่ 0° การตอบสนองของห้องที่ไม่ได้ปรับให้เข้ากับบุคคลแบบดั้งเดิมเทียบกับแบบที่ปรับแล้ว | 25.56 เทียบกับ 65.15 | Shen และ Wang, Trends in Hearing 2026 |
| คะแนนการรับรู้นอกศีรษะที่มุมแอซิมัท 15° และ 30° การตอบสนองของห้องแบบดั้งเดิมเทียบกับแบบที่ปรับแล้ว | 42.33 เทียบกับ 67.66 (15°); 60.04 เทียบกับ 85.67 (30°) | Shen และ Wang, Trends in Hearing 2026 |
| ผู้ฟังที่เลือกการตอบสนองของห้องที่ปรับเปลี่ยนมากกว่าในการทดสอบแบบบังคับเลือกที่ 0° และ 15° | 84 จาก 100 และ 83 จาก 100 (p < .001) | Shen และ Wang, Trends in Hearing 2026 |
| คะแนนการรับรู้นอกศีรษะ การตอบสนองของห้องแบบของตัวเองเทียบกับแบบที่ไม่ใช่ของตัวเอง | 53.4% เทียบกับ 51.2% | Leclère et al. 2019 ตามที่รายงานใน Shen และ Wang, Trends in Hearing 2026 |
| ความยาวของส่วนท้ายเสียงก้องที่ช่วยให้การรับรู้นอกศีรษะดีขึ้นก่อนที่ประโยชน์จะหยุด | สูงสุดราว 80 ms | Best et al., Trends in Hearing 2020 (บทความทบทวน) |
| ความคลาดเคลื่อนมุมเงยเฉลี่ยสำหรับเสียงพูดเสมือนที่ไม่มีเทียบกับมีเสียงก้อง | 17.6° เทียบกับ 28.7° | Begault et al. 2001 ตามที่รายงานใน Carlini et al., Frontiers in Psychology 2024 |
| ผู้ฟัง SADIE II ที่ให้คะแนน HRTF ที่วัดจากตัวเองว่ารู้สึกอยู่นอกศีรษะมากที่สุด | 1 จาก 16 | มหาวิทยาลัยยอร์ก, Applied Sciences 2018 |
หมายเหตุด้านบริบท: การรับรู้นอกศีรษะแทบไม่ขึ้นอยู่กับว่า HRTF เป็นของตัวเองหรือไม่ (53.4% เทียบกับ 51.2%) แต่ขึ้นอยู่กับการติดตามศีรษะ เสียงสะท้อน และมุมของแหล่งกำเนิดเสียงอย่างมาก บทความทบทวนของ Best et al. ยังระบุด้วยว่าแหล่งกำเนิดเสียงที่เคลื่อนที่ไปพร้อมศีรษะมักถูกรับรู้ว่าอยู่ในศีรษะ ขณะที่แหล่งกำเนิดเสียงที่ตรึงกับโลกถูกรับรู้ว่าอยู่นอกศีรษะได้ดีกว่า ตัวเลขมุมเงยของ Begault เป็นข้อมูลล่าสุดที่มีจากการศึกษาปี 2001
5. การฝึกและการปรับตัวกับ HRTF ทั่วไป
สมองมีความยืดหยุ่น และ HRTF ที่ไม่เข้ากันก็เรียนรู้ได้บางส่วน นี่เป็นข่าวดีสำหรับผู้เล่นที่จะไม่มีวันได้วัดหูของตัวเอง คำถามเปลี่ยนจาก “HRTF ตัวไหน” เป็น “ฝึกอย่างตั้งใจพร้อมผลสะท้อนกลับมากแค่ไหน”
ในการศึกษาที่มีผู้เข้าร่วม 36 คน ความคลาดเคลื่อนในการระบุตำแหน่งแบบทรงกลมที่ปรับเส้นโค้งแล้วลดจาก 43.4° เหลือ 25.5° ด้วยการฝึกไม่ถึงสองชั่วโมง (เก้าช่วง ช่วงละ 12 นาที) และความคลาดเคลื่อนลดลงครึ่งหนึ่งหลังผ่านไปราว 19 นาที (Steadman et al., Scientific Reports 2019) การทำให้เป็นเกมเพียงอย่างเดียวไม่สามารถเอาชนะกลุ่มควบคุมที่ไม่ได้ฝึกได้ (p = 0.940) แต่เวอร์ชันที่เพิ่มการฟังอย่างกระตือรือร้นแบบติดตามศีรษะทำได้ การปรับตัวยังแตกต่างกันไปในแต่ละคน ดังผลของ Stitt ด้านล่าง
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ความคลาดเคลื่อนทรงกลมที่ปรับเส้นโค้งแล้ว ก่อนเทียบกับหลังการฝึกด้วย HRTF ที่ไม่ใช่ของตัวเอง (รวม 108 นาที) | 43.4° เทียบกับ 25.5° | Steadman et al., Scientific Reports 2019 |
| อัตราความสับสนหน้า-หลังเริ่มต้นเมื่อใช้ HRTF ที่ไม่ใช่ของตัวเอง และการลดลงเฉลี่ยหลังการฝึก | 40.7%; ราว 15% | Steadman et al., Scientific Reports 2019 |
| การฝึกแบบทำให้เป็นเกมโดยไม่มีการฟังอย่างกระตือรือร้นเทียบกับกลุ่มควบคุมที่ไม่ได้ฝึก ความคลาดเคลื่อนทรงกลม | ไม่มีนัยสำคัญ (p = 0.940) | Steadman et al., Scientific Reports 2019 |
| การปรับปรุงความคลาดเคลื่อนมุมโพลาร์ค่ามัธยฐานในช่วงสี่ครั้งรายสัปดาห์แรกเมื่อใช้ HRTF ที่เข้ากันได้ไม่ดี | 11.9° | Stitt et al., Scientific Reports 2019 |
| การปรับปรุงความคลาดเคลื่อนมุมโพลาร์รวมตลอด 10 ครั้ง กลุ่ม HRTF ที่เข้ากันได้ไม่ดีเทียบกับกลุ่มควบคุมที่ใช้ HRTF ของตัวเอง | ราว 25° เทียบกับราว 10° | Stitt et al., Scientific Reports 2019 |
| ผู้ฟังที่ HRTF เข้ากันได้ไม่ดีและไปถึงระดับความคลาดเคลื่อนมุมโพลาร์ของกลุ่มควบคุมหลังฝึก 10 ครั้ง | 3 จาก 8 | Stitt et al., Scientific Reports 2019 |
| ความคลาดเคลื่อนควอดแรนท์ก่อนเทียบกับหลัง 400 ครั้งแรกของการฝึกด้วย HRTF ที่วัดจากผู้ฟังเอง การชี้ด้วยศีรษะเทียบกับการชี้ด้วยมือ | 27.5% เหลือ 18.3%; 28.8% เหลือ 18.4% | Majdak et al., Attention, Perception and Psychophysics 2010 |
| การลดความคลาดเคลื่อนหลังรับรู้แบบภาพและเสียง 60 วินาทีด้วย HRTF ทั่วไปเทียบกับการรับรู้เฉพาะเสียง | t(16) = 2.87, p = 0.011 เทียบกับ p = 0.53 (ไม่มีนัยสำคัญ) | Berger et al., Frontiers in Neuroscience 2018 |
หมายเหตุด้านบริบท: Stitt et al. ระบุว่าราว 15° จากการปรับปรุง 25° ของกลุ่มนั้นมาจากการปรับตัวกับ HRTF เพราะกลุ่มควบคุมที่ใช้ HRTF ของตัวเองก็ดีขึ้นราว 10° เช่นกัน การทดลองกับหูจริงโดยใช้แบบหล่อหูทางกายภาพ (ไม่ใช่หูฟัง) พบว่าปรับตัวกับหูใหม่ได้เต็มที่ภายใน 20 นาที โดยใช้การฝึกด้านการได้ยินและการเคลื่อนไหวราว 10 นาที (Parise et al., iScience 2024) ข้อมูลการฝึกของ Majdak มาจากปี 2010 และเป็นข้อมูลล่าสุดที่มีสำหรับโปรโตคอลนั้น เนื่องจากใช้ HRTF ของผู้ฟังแต่ละคนเอง จึงแสดงให้เห็นว่าการปรับปรุงใด ๆ มาจากการเรียนรู้งานเฉย ๆ มากเพียงใด ซึ่งมีอยู่ในทุกการศึกษา HRTF ทั่วไปเช่นกัน
6. ทางลัดการปรับให้เหมาะกับบุคคลและฐานข้อมูล HRTF
การวัด HRTF เต็มรูปแบบช้าและต้องทำในห้องปฏิบัติการ โปรโตคอลแบบ ARI วัด HRTF ได้ 1550 ค่าต่อผู้ฟังหนึ่งคนในเวลาราว 20 นาทีภายในชุดอุปกรณ์เฉพาะทาง (Majdak et al. 2010) นี่คือเหตุผลที่งานวิจัยหันไปหาทางลัด ได้แก่ การเลือกค่าที่เข้ากันที่สุดจากฐานข้อมูล การปรับรูปร่าง HRTF ทั่วไป หรือการสังเคราะห์ HRTF จากการสแกน
การให้ผู้ฟังเลือกจากหกคลัสเตอร์ที่สร้างจาก HRTF ที่ไม่ใช่ของตัวเอง 196 ชุดลดความคลาดเคลื่อนในการระบุตำแหน่งเสียงได้ 22% และผู้ฟัง 65% ลดอัตราความสับสนหน้า-หลังได้ (So et al., Ergonomics 2010) ฐานข้อมูลที่ใหญ่ขึ้นทำให้การจับคู่แบบนี้สมจริงยิ่งขึ้น สังเกตข้อพลิกผันจากข้อมูล SADIE II ด้วย ผู้คนมักชอบสมดุลโทนเสียงของหัวหุ่นจำลองมากกว่าค่าที่วัดจากตัวเอง ดังนั้น “เสียงดีที่สุด” กับ “ระบุตำแหน่งได้ดีที่สุด” จึงเป็นเป้าหมายคนละอย่าง (สรุปความชอบเส้นโค้งเป้าหมายของหูฟังของเราครอบคลุมด้านโทนเสียง)
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| การลดความคลาดเคลื่อนในการระบุตำแหน่งจากการเลือกระหว่าง HRTF ที่ไม่ใช่ของตัวเอง 6 คลัสเตอร์ | 22%; ผู้ฟัง 65% ยังลดความสับสนหน้า-หลังได้ด้วย | So et al., Ergonomics 2010 |
| ผลลัพธ์ที่ดีที่สุดจากการเพิ่มหรือลดแถบความถี่ HRTF ที่เลือก 12 หรือ 18 dB ผู้เข้าร่วม 32 คน | ความคลาดเคลื่อนในการระบุตำแหน่งลดลงสูงสุด 70% และความสับสนหน้า-หลังลดลง 66% | So et al., Human Factors 2011 |
| ความคลาดเคลื่อนมุมเงยค่ามัธยฐาน HRTF เดี่ยวที่ดีที่สุดเทียบกับ HRTF ที่ดีที่สุดที่เลือกตามแต่ละทิศทาง (ผู้ฟัง 8 คน) | 27.8° เทียบกับ 22.2° (p = 0.056) | Goldring et al., AES AVAR 2024 |
| ความคลาดเคลื่อนมุมแอซิมัทค่ามัธยฐาน HRTF เดี่ยวที่ดีที่สุดเทียบกับ HRTF ที่ดีที่สุดตามแต่ละทิศทาง | 18.13° เทียบกับ 15.74° (p = 0.12) | Goldring et al., AES AVAR 2024 |
| ผลของการปรับสเกลความถี่ของฟังก์ชันถ่ายโอนของหูบุคคลอื่น | ลดบทลงโทษจากการใช้ฟังก์ชันถ่ายโอนของหูผู้ถูกวัดคนอื่นลงมากกว่าครึ่งหนึ่ง | Middlebrooks, JASA 1999 |
| ชุดข้อมูล HRTF ของ SONICOM รุ่นแรกเทียบกับรุ่นขยาย (ผู้ถูกวัด) | 120 เทียบกับ 300 | Engel et al., JAES 2023; Poole et al., arXiv 2025 |
| SONICOM รุ่นขยาย: ผู้ถูกวัดที่มี HRTF สังเคราะห์ และตารางจุดวัด | 200 จาก 300; 793 ตำแหน่ง | Poole et al., arXiv 2025 |
| ผู้เข้าร่วมการทดสอบการฟังของ SADIE II (16 คน) ที่ชอบ HRTF ของหัวหุ่นจำลอง KU100 มากกว่าของตัวเอง | 81% (ตัวฐานข้อมูลเองมีผู้ถูกวัด 20 คน) | มหาวิทยาลัยยอร์ก, Applied Sciences 2018 |
หมายเหตุด้านบริบท: ผลการศึกษาของ So et al. และ Middlebrooks เป็นข้อมูลล่าสุดที่มีสำหรับวิธีเหล่านั้น (ปี 2010, 2011 และ 1999) ชุดข้อมูล SONICOM รุ่นขยายและการประเมิน SADIE IIเป็นทรัพยากรสาธารณะที่มีแนวโน้มมากที่สุดที่จะป้อนให้เครื่องมือจับคู่ HRTF รุ่นถัดไป
7. หลักฐานบอกอะไรเกี่ยวกับ 7.1 เสมือนและเสียงในเกม
การศึกษาที่ทำภายในเกมจริงยังมีน้อยและมีขนาดเล็ก แต่ชี้ไปทางเดียวกับข้อมูลในห้องปฏิบัติการ การปรับให้เหมาะกับบุคคลช่วยมากที่สุดในจุดที่ HRTF ทั่วไปล้มเหลวมากที่สุด (มุมเงยและหน้า-หลัง) ขณะที่การวางตำแหน่งซ้าย-ขวาดีเพียงพออยู่แล้วกับ HRTF เกือบทุกแบบ ในการทดสอบเกมยิงมุมมองบุคคลที่หนึ่งบนเดสก์ท็อป ผู้เข้าร่วม 22 คนทำงานระบุตำแหน่งได้ดีกว่าอย่างมีนัยสำคัญเมื่อใช้ HRTF ที่ปรับให้เหมาะกับบุคคลเทียบกับ HRTF ทั่วไป ทั้งในมุมแอซิมัทและมุมเงย (Andersen et al., I3DA 2021)
ประโยชน์ไม่ได้ต้องการ HRTF เต็มรูปแบบเสมอไป ทีม KAIST ปรับเฉพาะความต่างของเวลาระหว่างหู (ITD: ช่องว่างเวลาที่เสียงมาถึงสองหูซึ่งเล็กมาก) แล้วก็ยังพบเวลาตอบสนองที่เร็วขึ้นอย่างมีนัยสำคัญเมื่อเทียบกับ HRTF ทั่วไปสองชุด (Kim et al., AES Show 2024) สำหรับบริบทด้านฮาร์ดแวร์ของหูฟังที่มาพร้อมฟีเจอร์เหล่านี้ ดูสถิติหูฟังเกมมิ่งของเรา
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| เงื่อนไขการเรนเดอร์ที่เปรียบเทียบในงานระบุตำแหน่งเสียงของเกมยิงบนเดสก์ท็อป ผู้เข้าร่วม 22 คน | 3 (สเตอริโอแพนนิง ไบนอรัลทั่วไป ไบนอรัลที่ปรับให้เหมาะกับบุคคล) แบบที่ปรับให้เหมาะกับบุคคลดีกว่าอย่างมีนัยสำคัญ | Andersen et al., I3DA 2021 |
| เวลาตอบสนองเมื่อใช้ HRTF ที่ปรับค่า ITD ให้เหมาะสมเทียบกับ MIT KEMAR และ HRTF ตั้งต้นของเอนจินเกม | ลดลงอย่างมีนัยสำคัญ (บทคัดย่อไม่ได้ระบุตัวเลข) | Kim et al., AES Show 2024 |
| ความแม่นยำด้านข้าง (ซ้าย-ขวา) ในห้าประเภท HRTF ตั้งแต่ที่วัดจริงจนถึงหัวหุ่นจำลอง | ไม่มีผลที่มีนัยสำคัญ (p > 0.05) | Pirard และ Poole, AES AVAR 2026 |
| ความแตกต่างเป็นคู่ในการระบุตำแหน่งที่ให้คะแนนระหว่าง HRTF ที่วัดจริง สร้างแบบจำลอง และทั่วไป ใน VR 6 องศาอิสระ ผู้ฟัง 12 คน | ไม่มีคู่ใดมีนัยสำคัญในการทดสอบภายหลัง | Rummukainen et al., Applied Sciences 2021 |
| คำตอบที่ให้คะแนนสีของเสียงว่าเป็นธรรมชาติ HRTF ที่ปรับให้เหมาะกับบุคคลเทียบกับ HRTF KEMAR ทั่วไป | 62 จาก 78 (79%) เทียบกับ 1 จาก 78 (1%) | Jenny และ Reuter, JMIR Serious Games 2020 |
| ความคลาดเคลื่อนในการระบุตำแหน่งแนวนอน HRTF ที่วัดหรือประมาณค่าเทียบกับ KEMAR เมื่อเล่นแบบติดตามศีรษะ | ไม่มีความแตกต่างที่มีนัยสำคัญ | Frankenbach et al., JAES 2025 |
หมายเหตุด้านบริบท: ไม่มีการศึกษาในเกมเหล่านี้เผยแพร่ตัวเลขความคลาดเคลื่อนรายเงื่อนไขในบทคัดย่อ ดังนั้นให้ถือเป็นหลักฐานของทิศทางของผลเท่านั้น การอ่านเชิงปฏิบัติสอดคล้องกันทุกหัวข้อ การติดตามศีรษะ (หัวข้อที่ 3) และการฝึกไม่ถึงสองชั่วโมงพร้อมผลสะท้อนกลับ (หัวข้อที่ 5) ปิดช่องว่างส่วนใหญ่ที่ HRTF ส่วนบุคคลจะปิดได้
สรุป: ความแม่นยำในการระบุทิศทางเสียงด้วย HRTF ของหูฟังเกมมิ่งในรูปแบบตัวเลข
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| อัตราความสับสนหน้า-หลัง KEMAR ทั่วไปเทียบกับ HRTF ที่วัดจากตัวเอง | 17.2% เทียบกับ 8.1% | Pirard และ Poole, AES AVAR 2026 |
| ความสับสนหน้า-หลัง KEMAR ทั่วไปเทียบกับ HRTF ที่ปรับให้เหมาะกับบุคคลใน VR | 27% เทียบกับ 0% | Jenny และ Reuter, JMIR Serious Games 2020 |
| ความคลาดเคลื่อนมุมแอซิมัทเฉพาะที่เฉลี่ย วัดจากตัวเองเทียบกับ KU100 ทั่วไป | 17° เทียบกับ 20° | Rummukainen et al., Applied Sciences 2021 |
| ความสับสนหน้า-หลังแบบถ่วงน้ำหนัก การเล่นแบบคงที่เทียบกับแบบติดตามศีรษะ | 16.5% เทียบกับ 6.3% | Oberem et al., bioRxiv 2020 |
| ความคลาดเคลื่อนแนวนอนแบบไม่มีเครื่องหมาย การเล่นแบบคงที่เทียบกับแบบติดตามศีรษะ | 38.7° เทียบกับ 21.2° | Oberem et al., bioRxiv 2020 |
| ความสับสนหน้า-หลังเมื่อไม่หันศีรษะเทียบกับเมื่อหันศีรษะ 10° | 10.7% เทียบกับ 1.5% | McLachlan et al., PLOS Computational Biology 2025 |
| การหมุนศีรษะที่แทบกำจัดความสับสนหน้า-หลังได้ทั้งหมด | ราว 32° ของมุมแอซิมัท | McAnally และ Martin, Frontiers in Neuroscience 2014 |
| คะแนนการรับรู้นอกศีรษะของแหล่งกำเนิดเสียงด้านหน้า การตอบสนองของห้องแบบดั้งเดิมเทียบกับแบบที่ปรับแล้ว | 25.56 เทียบกับ 65.15 จาก 100 | Shen และ Wang, Trends in Hearing 2026 |
| ความยาวของส่วนท้ายเสียงก้องที่ช่วยให้การรับรู้นอกศีรษะดีขึ้น | สูงสุดราว 80 ms | Best et al., Trends in Hearing 2020 |
| ความคลาดเคลื่อนทรงกลมที่ปรับเส้นโค้งแล้ว ก่อนเทียบกับหลังการฝึกไม่ถึงสองชั่วโมง | 43.4° เทียบกับ 25.5° | Steadman et al., Scientific Reports 2019 |
| เวลาฝึกเพื่อลดความคลาดเคลื่อนในการระบุตำแหน่งลงครึ่งหนึ่ง | ราว 19 นาที | Steadman et al., Scientific Reports 2019 |
| ผู้ฟังที่ HRTF เข้ากันได้ไม่ดีและไปถึงระดับความคลาดเคลื่อนมุมโพลาร์ของกลุ่มควบคุมหลังฝึก 10 ครั้ง | 3 จาก 8 | Stitt et al., Scientific Reports 2019 |
| ความคลาดเคลื่อนควอดแรนท์ก่อนเทียบกับหลังการฝึก 400 ครั้ง (ชี้ด้วยศีรษะ) | 27.5% เทียบกับ 18.3% | Majdak et al., Attention, Perception and Psychophysics 2010 |
| การลดความคลาดเคลื่อนในการระบุตำแหน่งจากการเลือกระหว่าง HRTF ที่จัดเป็นคลัสเตอร์ | 22% | So et al., Ergonomics 2010 |
| ความคลาดเคลื่อนมุมเงยค่ามัธยฐาน HRTF เดี่ยวที่ดีที่สุดเทียบกับ HRTF ที่ดีที่สุดตามแต่ละทิศทาง | 27.8° เทียบกับ 22.2° | Goldring et al., AES AVAR 2024 |
| ผู้ถูกวัดของ SONICOM รุ่นขยาย | 300 | Poole et al., arXiv 2025 |
| ผู้เข้าร่วม SADIE II ที่ชอบ HRTF ของหัวหุ่นจำลองมากกว่าของตัวเอง | 81% | มหาวิทยาลัยยอร์ก, Applied Sciences 2018 |
ระเบียบวิธีและแหล่งที่มา
- Pirard และ Poole, Evaluation of Head-Related Transfer Functions Across Five Levels of Individualisation in Virtual Reality, AES AVAR 2026 (พรีพรินต์ arXiv): ผู้ฟัง 19 คน หูฟัง Meta Quest 297 ครั้งทดสอบต่อหนึ่งการทดลอง
- Jenny และ Reuter, Usability of Individualized HRTFs in Virtual Reality, JMIR Serious Games 2020: ผู้ถูกวัด 39 คน HRTF ของ ARI และ MIT KEMAR
- Rummukainen, Robotham และ Habets, Head-Related Transfer Functions for Dynamic Listeners in Virtual Reality, Applied Sciences 2021: เป็นแหล่งตัวกลางสำหรับตัวเลขเปรียบเทียบของ Wenzel 1993 และ Middlebrooks 1999 ด้วย
- Wenzel, Arruda, Kistler และ 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 และ Fels, Evaluating Localization Accuracy of Dynamic Binaural Synthesis, JAES 2025
- Majdak, Goupell และ Laback, 3-D Localization of Virtual Sound Sources, Attention, Perception and Psychophysics 2010: เป็นแหล่งตัวกลางสำหรับตัวเลขความคลาดเคลื่อนควอดแรนท์ของ Begault et al. 2001 และ Makous และ Middlebrooks 1990 ด้วย
- Oberem, Richter, Setzer, Seibold, Koch และ Fels, Localization Accuracy with Non-Individual and Individual HRTFs Comparing Static and Dynamic Reproduction, bioRxiv 2020: ผู้ฟัง 11 คน เฉพาะซีกขวา
- McLachlan, Majdak, Reijniers, Mihocic และ Peremans, Bayesian Active Sound Localisation, PLOS Computational Biology 2025
- McAnally และ Martin, Sound Localization with Head Movement: Implications for 3-D Audio Displays, Frontiers in Neuroscience 2014
- Shen และ Wang, Enhancing Externalization of Frontal Virtual Sound Sources, Trends in Hearing 2026: เป็นแหล่งตัวกลางสำหรับตัวเลขของ Leclère et al. 2019 ด้วย
- Best, Baumgartner, Lavandier, Majdak และ Kopčo, Sound Externalization: A Review of Recent Research, Trends in Hearing 2020
- Carlini, Bordeau และ Ambard, Auditory Localization: A Comprehensive Practical Review, Frontiers in Psychology 2024: ค่าอ้างอิงสนามเสียงอิสระและตัวเลขเสียงก้องของ Begault 2001
- Steadman, Kim, Lestang, Goodman และ Picinali, Short-Term Effects of Sound Localization Training in Virtual Reality, Scientific Reports 2019
- Stitt, Picinali และ Katz, Auditory Accommodation to Poorly Matched Non-Individual Spectral Localization Cues Through Active Learning, Scientific Reports 2019
- Berger et al., Generic HRTFs May Be Good Enough in Virtual Reality, Frontiers in Neuroscience 2018
- Parise et al., Happy New Ears: Rapid Adaptation to Novel Spectral Cues in Vertical Sound Localization, iScience 2024
- So et al., Toward Orthogonal Non-Individualised HRTFs for Forward and Backward Directional Sound, Ergonomics 2010
- So et al., Effects of Spectral Manipulation on Nonindividualized HRTFs, Human Factors 2011
- Goldring, Ben Hur, Alon และ Rafaely, Assessing the Potential Impact of Direction-Dependent HRTF Selection on Sound Localization Accuracy, AES AVAR 2024 (arXiv)
- Engel et al., The SONICOM HRTF Dataset, JAES 2023
- Poole et al., The Extended SONICOM HRTF Dataset and Spatial Audio Metrics Toolbox, arXiv 2025
- University of York AudioLab, A Perceptual Evaluation of Individual and Non-Individual HRTFs: A Case Study of the SADIE II Database, Applied Sciences 2018
- Andersen, Miccini, Serafin และ Spagnol, Evaluation of Individualized HRTFs in a 3D Shooter Game, I3DA 2021
- Kim et al., Investigating the Role of Customized Interaural Time Differences on First-Person Shooter Gaming Performance, AES Show 2024
- ข้อสังเกตเกี่ยวกับข้อมูล: ตัวชี้วัดความคลาดเคลื่อนไม่มีมาตรฐานเดียวกัน แต่ละการศึกษารายงานความคลาดเคลื่อนมุมโพลาร์หรือมุมเงย ค่าเฉลี่ยหรือค่ามัธยฐาน ความสับสนหน้า-หลังหรือความคลาดเคลื่อนควอดแรนท์ (ซึ่งนับการสลับบน-ล่างด้วย) และบางการศึกษาถ่วงน้ำหนักความสับสนตามมุม ดังนั้นให้เปรียบเทียบค่าภายในแหล่งเดียวกันก่อนเปรียบเทียบข้ามแหล่ง ตัวเลขสำคัญหลายตัวมาจากพรีพรินต์หรือเอกสารการประชุมที่ยังไม่ได้ตีพิมพ์ในวารสาร (Pirard และ Poole 2026, Oberem et al. 2020, Goldring et al. 2024, Poole et al. 2025) ความคลาดเคลื่อนควอดแรนท์ของ Middlebrooks เมื่อใช้ HRTF ของตัวเองปรากฏเป็น 8% ใน Rummukainen et al. และเป็น 7.7 ± 8.0% สำหรับผู้ถูกวัดที่ผ่านการฝึกใน Majdak et al. ซึ่งสอดคล้องกันภายในการปัดเศษ แหล่งข้อมูลของ SONICOM ให้ขนาดของรุ่นแรกไม่ตรงกัน (ผู้ถูกวัด 120 คนในบทคัดย่อ JAES ปี 2023 เทียบกับ HRTF 200 ชุดที่อธิบายในเอกสารชุดข้อมูลรุ่นขยายปี 2025) เราอ้าง 120 สำหรับเอกสารฉบับแรกและ 300 สำหรับรุ่นขยาย เอกสารของ Steadman et al. ระบุผู้เข้าร่วม 36 คนตามกลุ่ม แต่ให้การแจกแจงตามเพศที่รวมแล้วได้ 38 และค่า p บางค่าในเนื้อหาอ่านไม่ได้ เราจึงอ้างเฉพาะผลระดับกลุ่มที่มีสถิติชัดเจน ตัวเลขการเคลื่อนไหวศีรษะของ McLachlan และ McAnally มาจากการทดลองด้วยลำโพง ไม่ใช่หูฟัง หลายแถวอาศัยการศึกษาระหว่างปี 1990 ถึง 2011 และระบุไว้ว่าเป็นข้อมูลล่าสุดที่มี ไม่มีการใช้ตัวเลขจากผู้ผลิตหรือผู้จำหน่ายในสรุปนี้
อัปเดตล่าสุด: 25 ตุลาคม 2026 เราอัปเดตสรุปนี้ทุกไตรมาส และคาดว่าการอัปเดตครั้งถัดไปจะเกิดขึ้นเมื่อมีการเผยแพร่เอกสารการประชุมที่ผ่านการทบทวนโดยผู้ทรงคุณวุฒิของการประชุมนานาชาติ AES 2026 ว่าด้วยเสียงสำหรับความเป็นจริงเสมือน ความเป็นจริงเสริม และเกมแบบสมจริง รวมถึงการเปิดตัวชุดข้อมูล SONICOM รุ่นถัดไป