Cinema Spatial —— 耳机上的电影院空间音频

把多声道音轨（5.1/7.1）用 HRTF 渲染成双耳，耳机上得到接近电影院 C 位的环绕包围感。立体声源会先经过矩阵上混（杜比 Pro Logic 原理）再渲染，所以浏览器、音乐播放器同样有空间感。

原理

多声道源 ──┐
           ├─> [矩阵上混 5.1] ─> 6 路 ─> [每路与人头脉冲响应卷积] ─> 双耳混音 ─> 耳机
立体声源 ──┘                    (SADIE-II 真人 HRTF)

HRTF（Head-Related Transfer Function，头相关传输函数）：同一方向的声音到达两耳时，会被人头、耳廓滤波，产生不同的时间差、强度差和频谱染色 —— 大脑靠这些线索判断方位。把这些滤波做成脉冲响应（IR），与声道信号卷积，就能在耳机上"伪造"出方位。
虚拟声卡：用 PipeWire 的 filter-chain 模块建两个 Audio/Sink，程序把声音送进来，内部渲染完再输出到真实设备。全局生效，任何播放器都能用。

特性

全链路 96kHz / 24bit（HRTF 采用 SADIE-II 96K/24bit/512tap 真人数据）
立体声源自动矩阵上混，不需要多声道片源
提供 deb 包，系统级安装
纯脚本 + 数据，无编译，Architecture: all

安装

方式一：deb 包

sudo dpkg -i collaplex-cinema-spatial_1.0.0_all.deb
# 依赖: pipewire libmysofa1 mpv

配置装在 /usr/share/pipewire/pipewire.conf.d/，对所有用户生效。生效：systemctl --user restart pipewire pipewire-pulse wireplumber（或注销重登）

方式二：从源码

# 1. 下载 HRTF 数据集(不随仓库分发)
mkdir -p sofa && cd sofa
curl -L -O https://zenodo.org/records/12092466/files/H4_HRIR_SOFA.zip
unzip H4_HRIR_SOFA.zip && cd ..

# 2. 从 SOFA 提取脉冲响应(12 个 = 6 方向 x 左右耳)
bash 换HRTF.sh "$PWD/sofa/H4_HRIR_SOFA/H4_HRIR_SOFA/H4_96K_24bit_512tap_FIR_SOFA.sofa" H4-96k -16
ln -sfn H4-96k hrir/current

# 3. 生成 PipeWire 配置
python3 生成配置.py
systemctl --user restart pipewire pipewire-pulse wireplumber

用法

空间音频 开        # 全局切到立体声上混版(推荐)
空间音频 开5.1     # 全局切到 5.1 直通版
空间音频 关        # 切回物理设备
空间音频 状态      # 查看两个虚拟声卡和当前默认

mpv-影院 电影.mkv  # 只给 mpv 用, 不依赖全局设置(适合 A/B 对比)

也可以直接在桌面环境的"声音设置"里选 电影院空间音频。

文件说明

文件	作用
`空间音频`	开关命令
`mpv-影院`	mpv 专用的 HRTF 播放包装
`生成配置.py`	生成 PipeWire filter-chain 配置
`换HRTF.sh`	从 SOFA 提取脉冲响应（可换任意 HRTF 模型）
`提取HRIR.sh`	早期版本（已被 `换HRTF.sh` 取代）
`打包deb.sh`	打包 `collaplex-cinema-spatial`
`验收测试.sh`	安装后自动验证
`demo.sh` / `响度校准.sh` / `方向测试.sh`	开发期验证工具
`对比分析.py` / `排查.sh`	开发期排查工具

踩过的坑（均为实测）

增益必须按"整链"算：矩阵上混出来的 6 路会在混音器里相加，实测整链净增益约 +10.5dB。只按单路脉冲响应峰值校准，一听真实内容就削波爆音。
校准素材必须接近满刻度：自造测试信号（峰值 -12dB）与真实母带（≈0dBFS）差 10dB 以上，用它校出的增益必然炸。
不同 SOFA 的电平差异极大：同一数据集内，D1（假头）IR 峰值 -11.6dB、H4（真人）-3.1dB。 换模型必须重新量峰值，目标压在 -12dB 左右。
sofalizer 按 SOFA 自身的采样率输出：不管输入 48k 还是 96k，只要 SOFA 是 44.1k，输出就掉到 44.1k —— 这是"采样率偏低"的根因。要么在滤镜链尾 aresample 拉回，要么用原生高采样率的数据集。
convolver 按当前时钟率重采样脉冲响应：主时钟还是 48k 的话，96k/512tap 的 IR 会被降成等效 256tap，等于白换。必须把 default.clock.rate 一起提到 96k。
node.passive = true 必须配 node.target：否则 filter-chain 的输出端不连任何设备，声音凭空消失。
ffmpeg 滤镜表达式里的 , 和 | 要用单引号包住，否则会被当分隔符解析。
adelay + join 合成多声道素材不可靠：曾静默产出 0.25 秒的单声道文件。改用 aevalsrc 直接合成。
type=time 是时域卷积（保真）；默认的 type=freq 走 FFT，会削高频。
★ 测试素材必须匹配真实内容的"峰值因子"：用平稳的粉噪做压力测试，看着余量充足，一放电影里爆炸/撞击那种高峰值因子瞬态就削 —— 同样听感响度下，瞬态峰值能再高出 10dB 以上。 校准要用真实片源，或至少混入冲击型素材。
★ 每一层音量都吃动态余量，改一处就要记账：虚拟声卡音量与设备（耳机）音量 串联在同一条链上。曾把设备音量从 0.66 提到 1.00（+3.6dB）却没算进余量账，结果一有瞬态就削。设备自身的出厂音量是预留余量，不要顺手拉满。
★ USB 音频设备重启后 profile 会变（iec958-stereo ↔ analog-stereo），设备 node.name 随之后缀改变 → 配置里记的 node.target 失效 → WirePlumber 回落到其它输出（实测落到 HDMI，表现为"没声音"或"声音从显示器出来"）。本项目的 空间音频开 已带自检：设备名失效时自动重新探测并重建配置。
判定设备是否存在不能用 pw-cli info：它对不存在的名字也返回成功。要用 pw-dump 按 node.name 精确比对。

数据来源

HRTF 采用 SADIE II （University of York，Zenodo DOI 10.5281/zenodo.12092466），使用其中真人受试者 H4 的 96K/24bit/512tap 版本。

引用方式见数据集页面。数据集不随本仓库分发，请从 Zenodo 自行下载。

License

MIT

6.2 KiB Raw Blame History Unescape Escape