شنیدن دوگوشی یا Binaural Audio چیست و چگونه کار می‌کند؟

شنیدن دوگوشی یا Binaural Audio چیست و چگونه کار میکند؟

صدای باینورال یا Binaural Audio روشی برای ضبط یا پخش صداست که تلاش میکند تجربه شنیدن با دو گوش انسان را شبیه‌سازی کند. نتیجه، هنگام استفاده از هدفون، میتواند این احساس را ایجاد کند که صدا فقط از کانال چپ یا راست نمی‌آید، بلکه در جلو، پشت، بالا، پایین یا اطراف شنونده قرار گرفته است.

نکته مهم این است که Binaural Audio با وجود استفاده از تنها دو کانال صوتی، با استریوی معمولی یکسان نیست. در صدای باینورال، اختلاف زمانی و شدت صدا بین دو گوش و همچنین تغییراتی که سر و شکل گوش خارجی روی فرکانس‌های مختلف ایجاد میکند، در ضبط یا پردازش صدا حفظ یا شبیه‌سازی میشوند. مغز از همین نشانه‌ها برای تشخیص جهت صدا در دنیای واقعی استفاده میکند. HRTF یا Head-Related Transfer Function یکی از مفاهیم اصلی در همین فرایند است.

صدای باینورال را نباید با Binaural Beats یا ضرب موسیقی باینورال اشتباه گرفت. باینورال بیت پدیده متفاوتی است که در آن دو تن با فرکانس کمی متفاوت به دو گوش داده میشوند و شنونده یک ضرب موسیقی ناشی از اختلاف آن‌ها را ادراک میکند.

هدفون جی بی ال مدل Tune 730BT

7,900,000 تومان مشاهده و خرید

Binaural Audio چیست؟

واژه Binaural در ساده‌ترین شکل به معنای مرتبط با «دو گوش» است. در شنیدن طبیعی، گوش چپ و راست دقیقاً یک سیگنال یکسان دریافت نمیکند. اگر منبع صدا در سمت راست شما باشد، صدا معمولاً کمی زودتر و با شرایط متفاوتی به گوش راست میرسد و سپس به گوش چپ میرسد.

همچنین سر انسان بخشی از انرژی صوتی را مسدود یا تغییر میدهد و لاله گوش نیز بسته به زاویه ورود صدا، بعضی فرکانس‌ها را تغییر میدهد. مغز مجموعه این تفاوت‌ها را تحلیل میکند تا موقعیت تقریبی منبع صدا را تشخیص دهد.

در Binaural Audio تلاش میشود همین اطلاعات در یک فایل دوکاناله حفظ یا بازسازی شود.

DPA ضبط باینورال را نوعی ضبط استریو تعریف میکند که میتواند با یک سر مصنوعی دارای میکروفون یا با میکروفون‌های کوچک در داخل یا نزدیک کانال گوش یک فرد واقعی انجام شود. این شرکت همچنین تأکید میکند که هدفون برای مانیتورینگ صحیح اهمیت دارد، زیرا از Crosstalk بین دو کانال جلوگیری میکند.

مغز چگونه جهت صدا را تشخیص میدهد؟

تجربه شنیدن سه‌بعدی فقط به این دلیل ایجاد نمیشود که دو میکروفون داریم. مهم‌تر از تعداد میکروفون‌ها، تفاوت اطلاعاتی است که به دو گوش میرسد.

اختلاف زمان رسیدن صدا یا ITD

Interaural Time Difference یا ITD اختلاف زمانی بین رسیدن یک موج صوتی به گوش چپ و راست است.

اگر صدایی از سمت راست بیاید، معمولاً ابتدا به گوش راست و اندکی بعد به گوش چپ میرسد. مغز نسبت به همین اختلاف‌های زمانی بسیار کوچک حساس است و از آن‌ها برای مکان‌یابی افقی صدا استفاده میکند.

مطالعات AES نیز ITD را یکی از اطلاعات اصلی موجود در HRTF و از نشانه‌های مهم مکان‌یابی صدا معرفی میکند.

اختلاف سطح صدا یا ILD

عامل دیگر Interaural Level Difference یا ILD است.

سر انسان بین منبع صدا و گوش دورتر قرار میگیرد و نوعی سایه صوتی ایجاد میکند. به همین دلیل سطح برخی فرکانس‌ها در یک گوش با گوش دیگر متفاوت میشود.

ترکیب ITD و ILD اطلاعات مهمی درباره زاویه منبع صدا به مغز میدهد. AES نیز حفظ اختلاف زمانی و اختلاف سطح بین دو گوش را از مؤلفه‌های کلیدی در Binaural Synthesis می‌داند.

نقش شکل گوش، سر و بدن

اگر فقط ITD و ILD وجود داشت، تشخیص برخی موقعیت‌ها، مخصوصاً بالا، پایین، جلو و پشت، دشوارتر بود.

شکل لاله گوش، اندازه سر و حتی تا حدی بدن باعث میشوند صدایی که از زاویه‌های مختلف می‌آید تغییر طیفی متفاوتی پیدا کند. مغز در طول زندگی یاد میگیرد این الگوها را تفسیر کند.

همین مسئله ما را به مفهوم HRTF میرساند.

HRTF چیست و چرا برای صدای باینورال مهم است؟

HRTF مخفف Head-Related Transfer Function است و میتوان آن را نوعی «امضای آکوستیکی» شنیدن یک فرد دانست.

HRTF مشخص میکند یک صدا از یک موقعیت مشخص در فضا، پس از تأثیر سر، گوش‌ها و ویژگی‌های فیزیکی شنونده چگونه در گوش چپ و راست دریافت میشود.

AES توضیح میدهد که HRTFها از فردی به فرد دیگر تفاوت قابل‌توجهی دارند و همین تفاوت یکی از چالش‌های اصلی در پخش دقیق منابع فضایی با هدفون است.

به همین دلیل ممکن است یک فایل یا الگوریتم صدای سه‌بعدی برای یک نفر بسیار طبیعی باشد، اما فرد دیگری همان صدا را کمتر واقعی بشنود یا در تشخیص جلو و پشت منبع دچار خطا شود.

صدای باینورال چگونه ضبط میشود؟

یکی از شناخته‌شده‌ترین روش‌های ضبط Binaural استفاده از Dummy Head یا سر مصنوعی است.

در این روش، یک مدل شبیه سر انسان ساخته میشود و دو میکروفون در محل گوش‌های مصنوعی قرار میگیرند. وجود خود سر و شکل گوش مصنوعی باعث میشود صدا قبل از رسیدن به میکروفون‌ها تغییراتی مشابه شنیدن طبیعی داشته باشد.

یکی از نمونه‌های حرفه‌ای این فناوری Neumann KU 100 است. این سیستم دارای دو کپسول میکروفون در گوش‌های مصنوعی یک مدل شبیه سر انسان است. Neumann می‌گوید با وجود استفاده از تنها دو کانال، ضبط حاصل میتواند هنگام گوش دادن با هدفون تصویری سه‌بعدی از محیط ایجاد کند.

روش دیگر، نصب میکروفون‌های بسیار کوچک داخل یا نزدیک گوش یک فرد واقعی است. در چنین شرایطی، شکل واقعی سر و گوش همان فرد مستقیماً روی ضبط تأثیر میگذارد.

آیا Binaural Audio فقط با ضبط Dummy Head ساخته میشود؟

خیر.

دو مسیر اصلی برای ایجاد صدای باینورال وجود دارد:

ضبط باینورال واقعی: صدا از ابتدا با میکروفون‌هایی در موقعیتی مشابه دو گوش ثبت میشود.

Binaural Rendering یا Binaural Synthesis: یک منبع صوتی معمولی یا یک میکس چندکاناله با استفاده از پردازش دیجیتال و HRTF به سیگنال دوکاناله مناسب هدفون تبدیل میشود.

روش دوم در بازی‌ها، واقعیت مجازی، واقعیت افزوده و پلتفرم‌های Spatial Audio اهمیت زیادی دارد.

برای مثال سیستم‌های پردازش صدا میتوانند موقعیت مجازی یک منبع را مشخص کرده و سپس با اعمال HRTF مناسب محاسبه کند که آن صدا باید در گوش چپ و راست چگونه شنیده شود.

تفاوت Binaural Audio با استریو چیست؟

هر دو میتوانند تنها دو کانال داشته باشید، اما هدف آن‌ها یکسان نیست.

در استریوی معمولی بیشتر با یک صحنه صوتی میان کانال چپ و راست روبه‌رو هستیم. مهندس صدا میتواند یک ساز را با تغییر نسبت شدت بین دو کانال به سمت چپ یا راست منتقل کند.

اما در Binaural Audio تلاش میشود اطلاعاتی مشابه نحوه رسیدن واقعی صدا به دو گوش ایجاد شود. به همین دلیل در یک ضبط موفق باینورال ممکن است صدا در پشت سر، کنار گوش یا حتی بالاتر از شنونده احساس شود.

Neumann درباره Dummy Head Recording توضیح میدهد که ضبط Head-Related میتواند نسبت به استریوی متداول تصویری سه‌بعدی‌تر پیرامون شنونده ایجاد کند.

تفاوت Binaural Audio با Spatial Audio چیست؟

Spatial Audio یک اصطلاح گسترده‌تر است.

هر فناوری یا فرمت صوتی که اطلاعات مربوط به مکان منابع صدا در فضا را پخش کند میتواند در دسته Spatial Audio قرار گیرد. این صدا ممکن است با چندین اسپیکر واقعی یا از طریق هدفون پخش شود.

Binaural Audio یکی از روش‌هایی است که میتوان با آن تجربه Spatial Audio را روی دو کانال هدفون ایجاد کرد.

بنابراین:

Spatial Audio یک مفهوم گسترده است؛ Binaural Rendering یکی از روش‌های ارائه صدای Spatial با هدفون است.

تفاوت Binaural Audio با Dolby Atmos چیست؟

Dolby Atmos و Binaural Audio نیز مترادف نیستند.

Atmos یک سیستم صوتی Immersive است که میتواند شامل Bedهای چندکاناله و Objectهای صوتی دارای موقعیت فضایی باشد. هنگام استفاده از هدفون، اطلاعات یک میکس فضایی میتواند با یک Binaural Renderer به دو کانال تبدیل شود.

در نتیجه چیزی که در هدفون می‌شنوید ممکن است ورژن باینورال یک میکس Spatial/Atmos باشد، نه اینکه خود فرمت Atmos ذاتاً «دوکاناله باینورال» باشد.

Personalized Spatial Audio چه ارتباطی با HRTF دارد؟

از آنجا که گوش و سر همه افراد یکسان نیست، استفاده از یک HRTF عمومی همیشه بهترین نتیجه را ایجاد نمیکند.

اینجاست که HRTF شخصی وارد میشود.

برای مثال Apple در Personalized Spatial Audio از اندازه‌گیری سر و گوش با دوربین TrueDepth برای ایجاد یک پروفایل شخصی استفاده میکند. اپل در مستندات Logic Pro این داده را مستقیماً Personalized HRTF معرفی میکند و می‌گوید Spatial Audio Renderer از آن برای بهینه‌سازی Binaural Listening روی هدفون استفاده میکند.

این مثال نشان میدهد چرا دو فرد ممکن است یک پردازش فضایی یکسان را متفاوت تجربه کند.

آیا برای شنیدن Binaural Audio به هدفون خاصی نیاز داریم؟

در اصل، نه.

Binaural Audio برای پخش به یک کانال مجزا برای گوش چپ و یک کانال مجزا برای گوش راست نیاز دارد. بنابراین یک هدفون استریوی معمولی نیز میتواند فایل باینورال را پخش کند.

لازم نیست هدفون دارای چندین درایور برای شبیه‌سازی 5.1 یا 7.1 باشد.

آنچه اهمیت دارد این است که کانال چپ عمدتاً به گوش چپ و کانال راست به گوش راست برسد. DPA به همین دلیل استفاده از هدفون را راه صحیح مانیتورینگ Binaural Recording معرفی میکند؛ چون Crosstalk میان دو گوش بسیار کمتر از پخش با اسپیکر است.

با این حال، کیفیت و پاسخ فرکانسی هدفون میتواند روی طبیعی بودن تجربه تأثیر داشته باشد.

چرا صدای باینورال معمولاً با هدفون بهتر شنیده میشود؟

وقتی یک متصل اسپیکر استریو در اتاق پخش میشود، گوش چپ فقط صدای اسپیکر چپ را دریافت نمیکند؛ صدای اسپیکر راست نیز با کمی تأخیر و تغییر به گوش چپ میرسد و بالعکس.

این پدیده Crosstalk نام دارد.

در هدفون، کانال چپ تقریباً مستقیماً به گوش چپ و کانال راست به گوش راست ارسال میشود. بنابراین نشانه‌های فضایی ذخیره‌شده در فایل کمتر تحت تأثیر Crosstalk قرار میگیرند.

البته این به معنی آن نیست که هر فایل باینورال روی اسپیکر کاملاً غیرقابل استفاده است. برای مثال Neumann می‌گوید ضبط‌های KU 100 با اسپیکر نیز سازگار هستند، اما تجربه Immersive اصلی این سیستم برای شنیدن با هدفون طراحی شده است.

Head Tracking چه چیزی به تجربه باینورال اضافه میکند؟

در یک فایل Binaural Recording ثابت، جهت صدا نسبت به سر شنونده ثابت است.

اگر در ضبط صدایی از روبه‌رو شنیده شود و شما سر خود را بچرخانید، خود فایل نمی‌داند که سرتان حرکت کرده است.

در Dynamic Binaural Audio، سیستم میتواند حرکت سر را دنبال کند و HRTF را به‌صورت لحظه‌ای تغییر دهد. در این حالت یک منبع مجازی میتواند در مکان خود ثابت بماند، حتی وقتی سر خود را حرکت می‌دهید.

این ویژگی در VR و AR بسیار مهم است، زیرا حرکت طبیعی سر یکی از اطلاعاتی است که مغز برای تأیید محل یک منبع صوتی استفاده میکند.

آیا Binaural Audio همان Binaural Beats است؟

خیر؛ این دو را باید کاملاً جدا نگه داشت.

Binaural Audio درباره مکان‌یابی و پخش فضای صوتی است.

اما در Binaural Beats دو تن با فرکانس کمی متفاوت به دو گوش داده میشوند و اختلاف آن‌ها باعث ادراک یک Beat میشود. مقاله باینورال بیت چیست ؟ تهران اسپیکر نیز همین سازوکار را توضیح داده است.

وجود واژه Binaural در هر دو اصطلاح یکی از دلایل سردرگمی کاربران است، اما Intent این دو موضوع کاملاً متفاوت است.

کاربردهای صدای باینورال چیست؟

Binaural Audio در حوزه‌های مختلفی استفاده میشود؛ از جمله ضبط موسیقی و اجرای زنده، فیلم و داستان صوتی، ASMR، بازی‌های ویدیویی، VR و AR، شبیه‌سازی محیط‌های واقعی، تست‌های صوتی و پژوهش‌های آکوستیک.

Neumann برای KU 100 کاربردهایی از موسیقی و Audio Drama تا ثبت و بررسی صدای خودروها و محیط‌های کاری ذکر میکند. این شرکت در یک نمونه دیگر از KU 100 برای ثبت تجربه شنیدن یک کنسرت از موقعیت تماشاگر استفاده کرده است.

چرا بعضی فایل‌های باینورال برای همه یکسان شنیده نمیشوند؟

این یکی از محدودیت‌های مهم فناوری است.

HRTF هر فرد تحت تأثیر ویژگی‌های فیزیکی خودش قرار دارد. اگر یک فایل با سر مصنوعی یا HRTF فرد دیگری ساخته شده باشد، الگوهای آن ممکن است دقیقاً با الگوهایی که مغز شما از گوش‌های خودتان یاد گرفته مطابقت نداشته باشد.

نتیجه ممکن است شامل مواردی مثل کاهش دقت ارتفاع، اشتباه گرفتن جلو و پشت، قرار گرفتن صدا داخل سر به جای بیرون سر یا تفاوت در میزان طبیعی بودن تجربه باشد.

AES فردی بودن HRTF را یکی از مسائل اصلی کیفیت Binaural Synthesis معرفی میکند و پژوهش‌های متعددی روی شخصی‌سازی HRTF انجام شده است.

هدفون جی بی ال مدل Tune 530BT

7,500,000 تومان مشاهده و خرید

آیا روشن کردن چند Spatial Effect هم‌زمان نتیجه را بهتر میکند؟

معمولاً نباید فرض کرد پردازش بیشتر همیشه بهتر است.

اگر خود محتوا از قبل به‌صورت Binaural Render شده باشد و سپس دوباره یک Virtual Surround، Spatializer یا پردازش فضایی دیگر روی آن اعمال شود، نشانه‌های فضایی اصلی ممکن است تغییر کند.

در بحث‌های کاربران نیز نمونه‌هایی دیده میشود که یک Binaural Mix با فعال بودن Spatial Processing اضافی غیرطبیعی شنیده شده و پس از خاموش کردن پردازش دوم نتیجه بهتر شده است. این تجربه کاربری Fact علمی عمومی محسوب نمیشود.

در نتیجه اگر فایل مشخصاً Binaural است، برای شروع بهتر است آن را با مسیر پخش ساده و بدون چند لایه پردازش فضایی اضافی امتحان کنید.

کلام آخر

Binaural Audio روشی برای نزدیک کردن تجربه هدفون به نحوه شنیدن طبیعی انسان در فضای سه‌بعدی است. این فناوری از تفاوت زمانی و سطح صدا میان دو گوش و همچنین تغییرات طیفی مربوط به سر و شکل گوش استفاده میکند.

صدای باینورال میتواند مستقیماً با میکروفون‌های قرارگرفته در گوش یک فرد یا Dummy Head ضبط شود، یا با استفاده از HRTF به صورت دیجیتالی تولید شود.

با وجود اینکه خروجی نهایی معمولاً فقط دو کانال دارد، مغز میتواند از اطلاعات موجود در این دو کانال برای ایجاد احساس جهت و فضا استفاده کند.

در عین حال Binaural Audio را نباید با Stereo معمولی، Dolby Atmos، Spatial Audio یا Binaural Beats یکی دانست. شناخت این تفاوت‌ها کمک میکند بفهمیم چرا بعضی تجربه‌های صوتی سه‌بعدی تنها با یک هدفون دوکاناله میتوانند بسیار واقعی به نظر برسند.

سوالات متداول

صدای باینورال چیست؟

صدای باینورال روشی برای ضبط یا پردازش صداست که تفاوت نحوه رسیدن صوت به گوش چپ و راست انسان را حفظ یا شبیه‌سازی میکند تا هنگام شنیدن با هدفون، موقعیت منابع صوتی طبیعی‌تر احساس شود.

آیا Binaural Audio همان صدای سه‌بعدی است؟

Binaural Audio میتواند تجربه‌ای سه‌بعدی ایجاد کند، اما «صدای سه‌بعدی» اصطلاحی گسترده‌تر است و فناوری‌های دیگری را نیز شامل میشود.

آیا برای Binaural Audio هدفون مخصوص لازم است؟

خیر. در اصل یک هدفون استریوی مناسب برای پخش دو کانال چپ و راست کافی است. فناوری اصلی در محتوا یا Binaural Renderer قرار دارد.

HRTF چیست؟

HRTF مدلی از نحوه تغییر صدا توسط سر، گوش و ویژگی‌های فیزیکی شنونده در جهت‌های مختلف است و یکی از عناصر اصلی Binaural Rendering محسوب میشود.

Binaural Audio با Binaural Beats چه تفاوتی دارد؟

Binaural Audio برای شبیه‌سازی جهت و فضای صوتی استفاده میشود، در حالی که Binaural Beats از دو تن با فرکانس متفاوت برای ایجاد یک Beat ادراکی استفاده میکند.

آیا صدای باینورال با اسپیکر قابل شنیدن است؟

فایل پخش میشود، اما اثر فضایی باینورال معمولاً با هدفون قابل‌اعتمادتر است؛ زیرا کانال‌های چپ و راست بدون Crosstalk قابل‌توجه به دو گوش می‌رسند.