头相关传输函数因人而异，通用参数会降低定位准确性
别名: HRTF · 头相关传输函数 · 个体化 · generic HRTF
概念解释
头相关传输函数（head-related transfer function，HRTF）描述的是声音从空间中某个方向传来，经过一个人独特的耳廓形状、头部大小、肩部轮廓过滤之后，到达耳道时发生的频谱改变——这套改变随方向不同而不同，构成了人耳判断方向、尤其是判断前后与上下方向的重要依据。因为每个人的耳廓形状、头肩尺寸都不一样，HRTF 本质上是个体化的，没有两个人的传输函数完全一致。
消费级空间音频产品出于成本和实现难度考虑，大多使用一套从少数人测得的通用HRTF 参数套用给所有用户，这带来的直接后果是：通用参数和用户自己真实的耳廓、头肩形状不匹配，定位准确性会打折扣，尤其是在依赖耳廓频谱线索最重的前后、上下方向上（这一点在双耳定位的一般性讨论里已有说明，这里针对的是空间音频产品在技术实现层面的这个具体问题）。
机制
HRTF 之所以携带方向信息，是因为耳廓的凹凸结构对不同方向传来的声音会产生不同的谐振与陷波（在某些频率上增强、在另一些频率上衰减），这套频谱指纹和方向一一对应；大脑通过长期适应，已经学会了把自己耳廓产生的这套特定指纹，翻译成对应的方向判断。
问题在于，这套翻译是针对自己的耳廓校准出来的，如果给用户播放的是用别人的耳廓测出来的通用 HRTF 参数合成的空间音频，声音携带的频谱指纹和用户大脑长期校准好的"自己的翻译规则"对不上，等于给了一套错误的密码本——用户依然能从中读出大致方向，但精度会下降，前后、上下方向的混淆概率会明显高于使用个体化 HRTF 的情况。
获取个体化 HRTF 的传统方式是在消声室里用探测麦克风实测每个方向声音到达耳道的传输函数，成本高、耗时长；较新的做法尝试通过耳廓照片、耳道扫描或简化的人体测量参数，用统计模型或机器学习方法预测个体化程度较高的近似 HRTF，以此在成本和精度之间找平衡点。
怎么研究
常见做法是分别用被试自己测得的个体化 HRTF、他人测得的通用 HRTF、以及用照片或扫描预测出的近似个体化 HRTF 三种条件合成同一批测试声音，让被试做全方位声源定位判断，比较三种条件下的定位误差、尤其是前后与上下方向的混淆率。
常见自变量：HRTF 来源（个体化实测、通用、预测近似）、测试声源的方位。 常见因变量：定位误差角度、前后/上下混淆发生率。
边界
- 通用 HRTF 造成的定位损失程度取决于个体耳廓形状与生成通用参数所用测试人群的相似度：耳廓形状越接近那批测试人群，定位损失越小；差异越大，损失越明显，不存在一个对所有用户一致的损失幅度。
- 预测式个体化方法（基于照片、扫描）目前的精度介于纯通用参数和消声室实测之间，具体能带来多大改善取决于预测模型本身的成熟度，不能假定任何"个体化"方案都等同于实测精度。
- 这条结论聚焦在方向定位精度上；通用 HRTF 对外化程度本身的影响是另一个相关但可以分开讨论的问题，缺乏个体化不必然导致外化完全失败，只是精度下降。
怎么落地
- 面向高精度方向定位需求的空间音频功能（虚拟现实、精细的方向性提示），评估是否值得投入个体化或半个体化 HRTF 方案，而不是默认通用参数已经足够，尤其是当产品需要用户准确分辨前后或上下方向时。
- 如果产品条件允许，提供基于照片或简易测量的个体化校准流程作为可选项，让愿意投入几分钟设置的用户获得更准确的定位效果，而不强制所有用户都经历这个流程。
- 验证办法：用同一批方向测试声音，分别在通用 HRTF 和产品实际提供的个体化/预测方案下测试用户定位表现，统计前后、上下方向的混淆率差异，确认个体化投入确实带来了可衡量的精度提升。