Почему в VR звук отовсюду и как это устроено

Надеваешь шлем, и за спиной скрипит половица, слева жужжит дрон, а голос соседа по игре идёт ровно оттуда, где стоит его аватар. Всё это делают два крошечных динамика у висков и математика, которая подделывает то, как звук доходит до ушей в реальной жизни. Ниже разложим по-человечески: как ухо ловит направление, что такое HRTF, зачем виртуальной комнате эхо и почему в хорроре звук страшнее любой картинки.

Каждую неделю разбираем виртуальную реальность без воды: как устроены форматы, что выбрать ребёнку и компании, куда идёт индустрия. Подпишись на телеграм и соцсети парка «НЕРЕАЛЬНОСТЬ» — там короткие разборы, живые кадры с площадки и анонсы.

Как ты вообще понимаешь, откуда идёт звук?

Вкратце: ушей всего два, а мозг сравнивает два сигнала — какой пришёл раньше и какой громче. По разнице во времени и громкости он ловит «лево-право», а форму «верх-низ» и «перёд-зад» достраивает по складкам ушной раковины и лёгким поворотам головы.

Если источник справа, до правого уха звук доходит чуть раньше, чем до левого. Задержка крошечная: у самого бока это около 0,6 миллисекунды, то есть шесть десятых тысячной доли секунды. Мозг при этом ловит разницу порядка десяти микросекунд — по остроте слуха на направление мы почти чемпионы животного мира. Эта временная подсказка работает на низких частотах.

На высоких частотах включается вторая подсказка — разница по громкости. Голова становится преградой и отбрасывает «звуковую тень», поэтому до дальнего уха высокий звук доходит тише. Разделение «низкие частоты считаем по времени, высокие по громкости» ещё в 1907 году описал физик лорд Рэлей, и его дуплексную теорию слуха используют до сих пор.

Две главные подсказки говорят только про «лево-право». Все точки спереди и сзади, где время и громкость совпадают, сливаются в так называемый конус путаницы. Разбирается с ним форма ушной раковины: её складки по-разному подкрашивают звук на частотах примерно от 6 до 16 килогерц, и по этому спектральному отпечатку мозг понимает высоту и отличает «спереди» от «сзади». Добивает путаницу движение: чуть повернёшь голову — и подсказки для звука впереди и сзади поедут в разные стороны. Именно поэтому в VR так важно, чтобы звук оставался на месте, когда крутишь головой.

Что такое HRTF и при чём тут форма твоих ушей?

Вкратце: HRTF — это звуковой автопортрет твоей головы. Пока звук долетает до перепонки, он огибает голову, отражается от плеч и проходит сквозь складки уха. Каждое направление даёт свой отпечаток, и VR прогоняет через него звук, чтобы в наушниках ты услышал источник сверху или за спиной.

Аббревиатура расшифровывается как «передаточная функция головы» (head-related transfer function). Смысл простой: с детства мозг выучил, как именно твои уши искажают звук с каждого направления, и по этим искажениям мгновенно определяет источник. Движок берёт «сухую» дорожку, накладывает нужный отпечаток — и плоский звук в наушниках превращается в объёмный.

Измерять уши каждого человека дорого, поэтому индустрия долго пользовалась усреднёнными базами. Классические наборы собирали на манекенах и добровольцах: например, база MIT KEMAR держит 710 положений источника, а университетская база CIPIC — замеры с 45 человек. Проблема усреднения известна давно: работа Элизабет Венцель с коллегами ещё в 1993 году показала, что с чужим отпечатком резко растёт число ошибок «спереди-сзади», а звук порой будто застревает в голове.

Отсюда типичная жалоба новичка: кажется, что шаги идут из-за спины, хотя враг перед тобой. Свежие шлемы борются с этим персональными профилями звука. В 2023 году компания Meta* собрала универсальный отпечаток по данным более чем 150 человек, и по её замерам точность определения высоты источника выросла на 81 процент. Даже с обобщённым профилем мозг постепенно дообучается: после нескольких сессий путаницы становится меньше.

Чем объёмный звук отличается от обычного стерео?

Вкратце: стерео — это два жёстких канала, левый и правый, которые не реагируют на повороты головы. Бинауральный звук уже обработан под уши и слышится объёмным. А амбисоника описывает всё звуковое поле шаром вокруг тебя, который поворачивается вслед за головой.

Обычное стерео раскладывает звук между двумя точками, но у него нет ни верха, ни «зада»: повернёшь голову — картинка звука едет вместе с тобой. Бинауральная запись сделана хитрее: в неё уже вшит тот самый ушной отпечаток, поэтому в наушниках источник ощущается сверху или за спиной. Минус в том, что классическая бинауральная дорожка зафиксирована и под движение головы сама не подстраивается.

Для VR это решают через амбисонику. Инженеры Meta* образно называют её «360-градусной фотографией для звука»: она хранит не отдельные колонки, а всё звуковое поле целиком, набором математических слоёв. Такое поле легко повернуть под новый угол головы и уже потом свернуть в пару для ушей. Простейший вариант, First Order Ambisonics, укладывается в четыре канала — его понимает даже YouTube в роликах на 360 градусов; для лучшего качества берут больше слоёв.

Собрать это ощущение дома из наушников и настроек долго и муторно. Проще один раз попасть в готовую сцену, где звук уже сведён профессионально. В парке «НЕРЕАЛЬНОСТЬ» в Казани (ТЦ XL) VR-квесты, шутер-арена и 9D-шаттл настроены так, что надеваешь шлем и сразу оказываешься внутри звука, без своего компьютера и калибровки.

Зачем виртуальной комнате эхо и отражения?

Вкратце: в жизни ты почти никогда не слышишь чистый звук — сначала приходит прямой, потом отражения от стен и пола, потом гулкий хвост. По этим отражениям мозг бесплатно считывает размер и материал помещения, поэтому в хорошем VR виртуальная комната обязана «звучать».

Маленькая ванная и спортзал звучат по-разному даже с закрытыми глазами: подсказку даёт эхо. Ранние отражения от ближних поверхностей говорят о размере, а материал слышен по тому, глухо гасится звук или звонко. Чтобы всё это посчитать, движки пускают по сцене звуковые лучи — тот же приём, что и трассировка света в графике, только лучи звуковые.

Разница между дешёвой и дорогой сценой слышна именно тут. Плоский звук без отражений выдаёт «наушники», а честное эхо создаёт ощущение стен, потолка и объёма вокруг. У Meta* заявляют, что их лучевой расчёт эха работает прямо на мобильном чипе шлема, а не только на мощном игровом ПК.

Как звук глохнет за стеной и зачем это в игре?

Вкратце: окклюзия — это когда между тобой и источником встаёт стена, и звук становится тише и глуше. В VR-игре такой приглушённый звук работает как разведка: по нему слышно врага за укрытием ещё до того, как он покажется.

Движок Steam Audio считает это в несколько слоёв. Сначала лучом проверяет, не перекрыт ли прямой путь твёрдым предметом. Дальше добавляет то, что всё-таки просачивается сквозь преграду, и глушит звук по материалу: бетонная стена гасит сильнее, чем тканевая занавеска. Отдельно движок ведёт звук в обход — по коридору, через дверной проём, из-за угла, — так что дальний шум доходит естественно.

Для геймплея это важнее, чем кажется. В шутере на арене шаги за фанерным щитом и шаги за капитальной стеной звучат по-разному, и по этой разнице ты понимаешь, где прятаться. Такой звук перестаёт быть фоном и становится частью тактики.

Почему звук должен поворачиваться вместе с головой?

Вкратце: правильный VR-звук привязан к сцене, а не к твоей голове. Источник стоит на месте в мире, поэтому стоит повернуться — и он сразу «переезжает» в другое ухо. Опоздает звук на этом развороте — и он поплывёт, а погружение рассыплется.

Обычное стерео привязано к голове: куда ты, туда и звук. В VR так нельзя. Если голос идёт от аватара справа, при развороте налево он должен оказаться позади, причём мгновенно. Такую привязку к миру инженеры и называют главным условием, без которого объёмный звук не складывается.

Насчёт скорости слуху везёт больше, чем зрению. Картинке в шлеме нельзя опаздывать дольше нескольких миллисекунд, иначе мутит. Для звука порог мягче: пока обновление укладывается в пару-тройку десятков миллисекунд, ухо запаздывания не замечает. Сам расчёт направления при этом почти бесплатный — у Meta* спатиализатор добавляет меньше половины миллисекунды, а основная задержка набегает уже в буферах вывода.

Как звук попадает тебе в уши: динамики или наушники?

Вкратце: многие шлемы дают звук через открытые динамики у висков, а не через затычки. Уши при этом свободны: ты слышишь и виртуальный мир, и реальную комнату. Наушники звучат глубже и тише «утекают», но отрезают от происходящего вокруг.

Автономные шлемы вроде популярных моделей Quest прячут маленькие динамики в дужках оголовья и направляют звук в слуховой проход, не закрывая ухо. У некоторых ПК-шлемов динамики висят рядом с ухом на отдельных рычажках. А консольные комплекты часто идут с обычными вставными наушниками, и весь объёмный звук им считает сама приставка. У каждого подхода своя логика:

1. Открытые динамики оставляют уши свободными — слышно ребёнка, дверь и напарника рядом, это безопаснее в движении вслепую.
2. Расплата за открытость — утечка: на громкости соседи слышат, во что ты играешь, а в шумном зале звук теряется.
3. Наушники-затычки дают плотный бас и лучшую локализацию, но полностью глушат реальный мир.
4. Костная проводимость через кости черепа звучит необычно, но объёмный звук передаёт хуже воздушной подачи, поэтому основным каналом её почти не ставят.

Для домашнего расслабленного VR удобнее открытые динамики, а для хоррора и соревновательной игры, где важен каждый шорох, чаще выигрывают наушники.

Правда ли, что в VR звук страшнее картинки?

Вкратце: да, и это подтверждают замеры. Звук за спиной мозг обрабатывает как настоящую угрозу, потому что там ты ничего не видишь. Хороший пространственный звук заметно усиливает и погружение, и эмоцию.

В 2025 году в журнале Frontiers in Virtual Reality вышло исследование на 68 участниках: когда звук аккуратно привязывали к источникам в сцене, у людей росли и субъективная оценка погружения, и точность определения направления, и телесная реакция. Оценка того, насколько верно человек показывал на источник, поднялась с 7,45 до 9,09 из десяти. Тело реагировало сильнее даже по пульсу и мышцам лица.

Не случайно ужастики держатся на звуке. Хоррор Resident Evil 7 получил награду за лучший VR-звук на профильной премии G.A.N.G. в 2018 году, и самые жуткие сцены там сделаны почти в тишине: шаркающие шаги, далёкий вой, пауза перед пугалкой. Механику мозгового обмана хорошо показывает старая бинауральная запись «Виртуальный парикмахер» 1996 года: в наушниках кажется, что вокруг головы ходит мастер и щёлкает ножницами, хотя это простой стереофайл. Почему мозг вообще принимает виртуальную сцену за настоящую, мы подробно разбирали в тексте про эффект присутствия в VR.

Где ты слышал такой звук без всякого VR?

Вкратце: объёмный звук давно живёт вне шлемов. Наушники с отслеживанием головы и звук в кино на потолочных колонках работают ровно на той же идее, что и VR, — просто ты не задумывался.

Наушники некоторых смартфонов умеют «прибивать» звук к экрану: повернёшь голову в сторону — диалог в фильме остаётся там, где картинка, потому что датчики ловят поворот и подстраивают звук в каждом ухе. В кинотеатре за ощущение «звук отовсюду» отвечают десятки колонок, включая потолочные. VR добивается того же эффекта двумя крошечными динамиками и математикой, которая подстраивается под каждый твой поворот. Устройство самого шлема, где живёт эта математика, мы разбирали в материале как устроен VR-шлем.

Частые вопросы про звук в VR

Вкратце: собрали то, что обычно спрашивают перед первым разом, и ответили без технического тумана.

• Нужны ли дорогие наушники? Нет. Объёмный эффект рождается в программе, которая накладывает ушной отпечаток, а не в цене наушников. Встроенных динамиков шлема хватает для 3D-звука; хорошие наушники добавят бас и приватность, но «объём» делает софт.
• Почему звук иногда кажется за спиной? Скорее всего, шлем использует усреднённый ушной отпечаток, и твои настоящие уши с ним чуть расходятся. Помогает выбрать профиль звука в настройках и просто повернуть голову — на движении путаница уходит, а со временем мозг привыкает.
• Можно ли играть без звука? Технически да, но теряешь половину погружения и подсказок. В квестах и шутерах звук — часть игры: по нему находишь цель и чувствуешь угрозу.
• Укачивает ли от звука? Сам звук — не главная причина: мутит от рассогласования картинки и вестибулярного аппарата. Про это и про перерывы мы писали в разборе про зрение и безопасность в VR. Стабильный звук, совпадающий с движением, скорее помогает телу, чем мешает.

Как это услышать, а не прочитать

Вкратце: любой разбор HRTF и амбисоники проигрывает одной минуте в шлеме. Когда шаги реально раздаются за спиной, а голос напарника идёт из его угла, все эти отпечатки и градусы превращаются в простое «вау».

Теперь ты знаешь, что направление мозг ловит по времени и громкости, что HRTF — это отпечаток твоих ушей, а эхо виртуальной комнаты считают звуковыми лучами. Проверить это на себе можно без своей техники и калибровки. Приходи в «НЕРЕАЛЬНОСТЬ» в Казани (ТЦ XL): VR-квесты, шутер-арена и 9D-шаттл стоят на профессиональном оборудовании, а рядом — квесты с полной свободой движения и динамический 9D-шаттл. Забронируй сессию или отметь у нас день рождения — ярко и без организационных хлопот.

Источники

• Sound localization, Interaural time difference (сводки психоакустики): максимальная межушная задержка около 0,6 миллисекунды, различение порядка десяти микросекунд, точность направления. wikipedia.org
• Дуплексная теория слуха лорда Рэлея (1907): низкие частоты по времени, высокие по громкости. hearinghealthmatters.org
• Meta «Spatial audio — bringing realistic sound to 360 video» и документация Meta XR Audio SDK: HRTF, амбисоника как «360-фото для звука», лучевой расчёт эха по материалам, задержка спатиализатора. engineering.fb.com, developers.meta.com
• UploadVR, «Meta* Upgrades Quest Spatial Audio»: универсальный HRTF по данным более 150 человек, рост точности по высоте на 81 процент. uploadvr.com
• Wenzel et al., Journal of the Acoustical Society of America (1993): рост ошибок «спереди-сзади» с чужим HRTF. pubmed.ncbi.nlm.nih.gov
• Базы HRTF: MIT KEMAR (710 положений) и CIPIC (45 субъектов). intechopen.com
• Google Developers Blog, «Open sourcing Resonance Audio»: открытие в 2018, сотни источников на мобильном. developers.googleblog.com
• Microsoft Research, «Project Triton/Acoustics» и Valve, документация Steam Audio: волновая и лучевая акустика, окклюзия и звук из-за преград, Gears of War 4. microsoft.com, valvesoftware.github.io
• Mavridou et al., Frontiers in Virtual Reality (2025), «Did you hear that?»: 68 участников, рост погружения и точности локализации с 7,45 до 9,09. frontiersin.org
• Sony Tempest 3D AudioTech (PS5, PSVR2) и премия G.A.N.G. 2018 за звук Resident Evil 7. whathifi.com, capcom.co.jp

Полная картина виртуальной реальности — за один заход и без своего шлема. «НЕРЕАЛЬНОСТЬ» в Казани: VR-квесты, шутер-арена и 9D-шаттл — приходи почувствовать звук со всех сторон вживую.

* Meta Platforms Inc. (Meta) признана экстремистской организацией, её деятельность запрещена на территории РФ.