Les paysages sonores virtuels sont devenus une pierre angulaire des médias immersifs modernes, qui alimentent l'audio réaliste dans le jeu, la réalité virtuelle (VR), la réalité augmentée (AR) et la recherche acoustique. Au cœur de la reproduction audio tridimensionnelle authentique se trouve la fonction de transfert de tête (HRTF). Ces filtres mathématiques encodent la diffusion des ondes sonores autour d'un auditeur, la tête, le pinna et le torse, permettant au cerveau de déterminer la direction, la distance et l'élévation d'une source sonore.

Cet article explore les fondements scientifiques des FASS, compare les résultats perceptibles des implémentations individuelles et génériques et fournit des informations pratiques aux développeurs et aux chercheurs qui cherchent à optimiser l'audio spatial pour différents cas d'utilisation. En comprenant les nuances de la personnalisation du FASS, on peut trouver le juste équilibre entre la précision de localisation et le coût pratique du déploiement.

Quelles sont les fonctions de transfert liées aux fonctions de chef?

Une fonction de transfert liée à la tête est un filtre dépendant de la fréquence et de la direction qui modélise la transformation acoustique d'une onde sonore en passant d'une source dans l'espace libre à un tympan d'écoute. L'équivalent temps-domaine est la réponse liée à la tête (HRIR). Les HRTF capturent les signaux spectraux causés par la diffraction, la réflexion et les effets d'ombre de l'anatomie de l'auditeur. Ces signaux sont essentiels pour la localisation du son dans le plan vertical (élévation) et pour résoudre la confusion avant-arrière.

Les HRTF sont généralement mesurés dans une chambre anéchoïque à l'aide de petits microphones placés sur les canaux auditifs d'un sujet humain ou d'une tête factice. Le sujet est tourné pendant qu'un haut-parleur joue un signal connu, et les réponses enregistrées sont décomposées pour produire des paires de filtres de gauche et de droite. Ce processus donne un ensemble complet de filtres pour tous les azimuts et altitudes.

FASS individuels : précision par la personnalisation

Les FASS individuels sont mesurés directement par l'utilisateur final. Comme chaque personne a des oreilles externes (pinnes), des dimensions de tête et une forme de torse uniques, les encoches et pics spectraux dans ses propres FASS fournissent les indices spatiaux les plus précis. Les études montrent systématiquement que les FASS individualisés améliorent considérablement la précision de localisation, en particulier pour l'élévation et la discrimination avant-arrière.

Toutefois, le processus de mesure nécessite un équipement spécialisé (chambre anéchoïque, tourne-disque, microphones précis) et prend 20 à 40 minutes par sujet. Ce coût en capital rend les FDRH individuels impossibles à utiliser pour les produits de consommation de masse comme les jeux vidéo ou les casques de VR traditionnels, où des milliers ou des millions d'utilisateurs doivent être pris en charge.

Les FASS génériques: Commodité à l'échelle

Les FDRH génériques, également appelés FDRH non individualisés, sont calculés en moyenne à partir d'un bassin de sujets ou prélevés à partir d'un seul simulateur représentatif de tête et de torse (p. ex., le mannequin KEMAR). Ils sont précomptés et prêts à être utilisés sans calibration spécifique à l'utilisateur.

Les auditeurs signalent souvent une confusion accrue face au dos, des taux d'erreur plus élevés dans les jugements d'élévation et une image sonore -en-tête ou moins externalisée. Malgré ces inconvénients, de nombreux utilisateurs peuvent s'adapter aux FASS génériques au fil du temps à travers les mouvements de tête et les repères visuels, en particulier dans les environnements où une exploration interactive est possible.

Différences de perception quantitatives et qualitatives

Une expérience historique de Møller et al. (1995) a révélé que l'erreur de localisation dans le plan vertical était environ 30° plus élevée lorsque l'on utilisait des filtres génériques que les tests d'écoute modernes ont confirmé que les HRTF individuels réduisaient le nombre d'erreurs de confusion (où une source sonore est perçue à sa position d'image miroir) et améliorent l'externalisation – la sensation que la source sonore est située à l'extérieur de la tête.

  • Précision de localisation: Les FDRH individuels surpassent systématiquement les résultats génériques en azimut et en élévation, avec les plus grands gains en localisation verticale. Ceci est essentiel pour les expériences de VR où les sons au-dessus ou au-dessous de l'utilisateur doivent être rendus de manière convaincante.
  • Externalisation : Les HRTF génériques produisent souvent des sons qui se sentent --dans la tête -- (intracrânien), brisant l'illusion que la source audio existe dans le monde réel.
  • Coloration du tambour et du spectral: Les filtres génériques peuvent colorer le son différemment de l'utilisateur, ce qui provoque des voix ou des instruments pour sonner contre nature. Les HRTF individuels conservent le timbre original plus fidèlement, ce qui est important pour la production audio professionnelle et la recherche sur les appareils auditifs.
  • Précocité de la confusion avant-arrière: L'une des plaintes les plus courantes concernant les HRTF génériques est l'incapacité de dire de façon fiable si un son est devant ou derrière l'auditeur. Les HRTF individuels réduisent considérablement cette ambiguïté en fournissant des encoches spectrales personnelles dans la gamme de 6-12 kHz.

Il est à noter que tous les utilisateurs ne sont pas touchés également. Certaines personnes ont plus de formes d'oreille -standard-- et peuvent percevoir les FASS génériques comme acceptables, tandis que d'autres avec des pinnae de forme inhabituelle les trouvent inutilisables.

Facteurs qui influent sur les résultats perçus

L'efficacité de tout FASS, individuel ou générique, dépend d'une constellation de variables spécifiques à l'utilisateur et environnementales :

Variabilité anatomique

Même parmi les individus ayant des tailles de tête similaires, des différences subtiles dans la géométrie du pinna peuvent conduire à différentes capacités de localisation. Les HRTF génériques ne capturent que la moyenne de ces encoches, qui peuvent être un mauvais match pour un auditeur donné.

Dimensions de la tête et du torse

Les différences de temps interurbains (DTI) et les différences de niveau interurbain (DTI) sont fortement influencées par le diamètre de la tête et la forme du torse. Un FRTH générique provenant d'un mannequin KEMAR (conçu pour représenter un adulte moyen) produira des DTI trop grands ou trop petits pour les utilisateurs ayant des têtes petites ou grandes, respectivement.

Mouvement de tête et signaux dynamiques

Dans les tests d'écoute statique (où la tête est fixe), les HRTF génériques fonctionnent mal. Cependant, lorsque les utilisateurs sont autorisés à tourner leur tête en écoutant, les repères binaires dynamiques (changements dans les différences interaurielles) peuvent remplacer les erreurs spectrales statiques. Les applications VR modernes permettent de tirer parti du suivi de la tête pour fournir ces repères, rendant les HRTF génériques beaucoup plus acceptables que dans un scénario complètement statique.

Environnement d'écoute et calibration des écouteurs

Même le meilleur HRTF ne peut pas compenser la mauvaise reproduction du casque. La réponse non-flat frequency du casque, la fuite et l'égalisation inappropriée peuvent dégrader les repères spectraux. De plus, la présence d'acoustique de salle réelle (réverbération) peut interagir avec le paysage sonore virtuel, soit en aidant ou en déroutant la localisation.

Méthodes d'obtention des FASS individuels

Compte tenu des avantages perceptibles de chaque FASS, les chercheurs et certaines entités commerciales de haut niveau ont élaboré diverses méthodes pour acquérir des filtres personnalisés sans exiger une mesure de chambre anéchoïque complète :

  • Mesure anéchoïque: La norme or, qui nécessite un environnement contrôlé et un positionnement précis. Le sujet est assis sur une chaise tournante tandis que les haut-parleurs émettent des signaux de test. Les réponses impulsionnelles qui en résultent sont très précises, mais coûteuses et chronophages.
  • Scan 3D + simulation: Un scanner 3D capture la géométrie de la tête et de l'oreille du sujet. Un logiciel de simulation acoustique numérique (comme les méthodes d'éléments de bordure) calcule le HRTF. Cela réduit le temps de mesure à quelques minutes, mais nécessite des maillages de haute qualité et des ressources informatiques importantes.
  • Écouter et ajuster : Une approche conviviale où l'auditeur est présenté avec une série de sons et demandé d'ajuster les paramètres (par exemple, pina encoches ou mise à l'échelle de la DTI) jusqu'à ce que la localisation se sente correcte. Cette méthode, utilisée dans des produits comme l'outil d'individualisation de particules sonores, peut produire des résultats acceptables sans matériel spécialisé.
  • Régression anthropométrique: Les modèles d'apprentissage automatique prévoient des FASS à partir d'un petit ensemble de dimensions anatomiques facilement mesurées (p. ex. largeur de la pinna, circonférence de la tête, largeur de l'épaule).

Demandes et cas d'utilisation

La réalité virtuelle et augmentée

Dans VR, l'audio spatial est aussi important que la fidélité visuelle. Les utilisateurs comptent sur des repères sonores pour localiser les objets, naviguer et maintenir une connaissance de la situation. Les HRTF individuels fournissent la localisation la plus robuste, mais leurs limites de coûts élevées utilisent pour la formation d'entreprise ou les paramètres de recherche.

Jeu

Bien que la plupart des jeux utilisent des HRTF génériques ou même des jeux stéréo simples, certains titres (p. ex. Hellblade: Senua , Sacrifice, Valorant) ont démontré que l'audio binaural de haute qualité peut améliorer l'immersion et le gameplay. Étant donné les millions de joueurs, un HRTF générique unique est la seule option pratique, mais la recherche en cours sur la personnalisation rapide pourrait changer cela.

Audiologie et aides auditives

Les simulations binaurales utilisant des FRTH individuels peuvent aider les audiologues à programmer des appareils et à former les patients à mieux se localiser dans des environnements bruyants. Les FRTH génériques sont insuffisants à cet effet clinique parce qu'ils introduisent des biais de localisation qui pourraient induire les patients en erreur.

Téléconférence et collaboration à distance

L'audio spatial dans les salles de réunion virtuelles (p. ex., les équipes Microsoft, les salles de travail Meta Horizon) utilise des FDRH génériques pour positionner les participants dans un espace 3D, réduisant la charge cognitive par rapport aux stéréos traditionnels. Bien que les FDRH génériques fonctionnent assez bien pour ce cas d'utilisation, les utilisateurs qui ont une forte inadéquation avec le FDRH peuvent connaître une localisation incohérente, ce qui rend la conversation désorientante.

Défis et orientations futures

Le domaine de la personnalisation du FASS évolue activement, notamment :

  • Échelle: Comment fournir des FDRH individuels à des millions d'utilisateurs sans exiger une heure de calibrage par personne. L'apprentissage automatique et la numérisation mobile simple offrent des chemins vers l'avant.
  • Compatibilité entre les plates-formes: Les FDRH mesurées pour une paire d'écouteurs peuvent ne pas se traduire par un couplage acoustique. Les normes ouvertes pour les métadonnées du FDRH pourraient aider.
  • Adaptation de l'utilisateur : Certaines études suggèrent que même avec les HRTF génériques, les utilisateurs peuvent former leur cerveau pendant des jours ou des semaines pour améliorer la localisation.
  • Égalisation de l'écouteur : Pour exploiter pleinement les FDRH individuels, le système de lecture doit être linéaire et connu. Dans la pratique, les consommateurs utilisent une grande variété d'écouteurs, chacun avec sa propre réponse de fréquence.

Les techniques émergentes comprennent l'utilisation de réseaux d'adversaires génériques (RAG) pour produire des FDRH synthétiques à partir de données d'entrée minimales et la mise à profit de dispositifs appartenant habituellement à des groupes comme les webcams pour capturer des images auriculaires 3D. NIVEAU ont démontré que la photogrammétrie par smartphone peut donner des HRTF comparables à ceux mesurés pour de nombreux auditeurs. De même, les modèles d'apprentissage profond formés sur de grandes bases de données HRTF peuvent prédire des filtres personnalisés à partir de deux ou trois photos, une percée qui pourrait démocratiser l'audio spatial.

De plus, l'augmentation de l'audio spatial basé sur le casque dans les appareils mobiles (p. ex., Apple Spatial Audio avec suivi de la tête) pousse les fabricants à intégrer directement l'étalonnage de HRTF individuel dans le système d'exploitation. L'approche Apple utilise la caméra TrueDepth pour scanner les oreilles de l'utilisateur et calculer un HRTF personnalisé. Ce genre d'intégration suggère un avenir où les HRTF génériques deviennent un retour, pas la par défaut.

Conclusion

La différence perceptible entre les FASS individuels et génériques est mesurable et significative.Les FASS individuels offrent une plus grande précision de localisation, une meilleure externalisation et une confusion réduite avant-arrière, surtout dans les conditions d'écoute statique. Cependant, leurs obstacles pratiques et de coût les rendent adaptés pour des applications spécialisées ou des dispositifs de consommation futurs avec personnalisation intégrée.

Pour les développeurs, la décision dépend du public cible et du cas d'utilisation. La formation et les applications cliniques à haut niveau justifient l'investissement dans les FDRH individuels. Le divertissement et la communication quotidienne peuvent compter sur des FDRH génériques, surtout si le système inclut le suivi de la tête et un bon calibrage du casque.

Pour être au courant des dernières recherches et des derniers outils du FASS, les lecteurs sont encouragés à explorer les ressources de la Société d'ingénierie audio, les NIH PubMed base de données, et la source ouverte Convention SOFA pour le partage des données du FASS.