到底什么样的音频体验才能被称得上是真正的空间音频？

Q： 昨天晚上用苹果Vision Pro看NBA，空间音频效果特逼真，能听出欢呼声像海浪一样环绕球场一圈，你说空间音频这么牛的技术，在VR生产力场景会不会也很有用？

A： 不一定。空间音频，主要是为了创造“沉浸感”，先天为娱乐而生，如果用在生产力场景，你可能反而很痛苦。

我们用AVP构建过多屏虚拟办公的环境，对30多名软件工程师做过行为观察。多屏开发环境，采用这样的典型布局：左侧是代码编辑器，中间是开发文档，右侧是Slack/钉钉等协作工具，还有一个始终播放音乐的小组件，被锚定在虚拟办公室右边的墙上。

我们想观察：在用户多屏办公的过程中，哪些因素会干扰他们的注意力？ 结果让人震惊。

在工作状态下，用户的视线会在三个窗口之间频繁地切换，伴随着无意识的、小幅度的头部转动，大约平均每分钟10-15次。最想不到的是：空间音频，本来应该锦上添花，结果成了最严重的干扰。 当用户转头看左边代码的时候，右边的音乐声会迅速“滑”过右耳，平衡被打破了；当他的视线回到中间文档的时候，声场也随着“滑”回来。每一次轻微转头，都会触发一次声场漂移，完全不受控制，你的大脑也一直在跟着声场来回跑，引起了一种 “声音的眩晕”。

Q： 空间音频，本来就是模拟真实场景，怎么反而成了干扰呢？

A： 确实很反直觉，我后来想明白了。VR其实有两种完全不同的体验模式：

沉浸模式：目标是 “融入” 。比如VR游戏串流、沉浸式电影、沉浸式转播（体育比赛、演唱会），用户希望视觉和听觉被360度包围。你听到的声音和你看到的对象，两者在3D空间中的位置是完全紧密耦合的，才有可信的感觉。这时候，空间音频是沉浸感的基础。

专注模式：目标是 “投射” 。比如2D游戏投屏、虚拟多屏办公，用户把虚拟屏幕看成是一个巨大的平面窗口，用户需要 “清晰的、稳定的信息流” 和 “不分散注意力的背景”，才能高效的工作。

多屏办公时，空间音频不重要，反而可能掉入 “拟物化陷阱” （这里借用一下乔纳森·艾维的说法）。

因为在真实办公时，如果想看旁边的显示器，我们不用转头，只需要转动眼球。但在虚拟办公时，VR屏幕边缘的画质会下降，转动眼球也看不清楚，所以我们会更频繁的转头。这时候，把音频锚定在虚拟空间的一个固定位置，声场随着转头不断变化，就费力不讨好了，相当于用真实世界的物理规则，惩罚虚拟世界的高效行为。

Q： 你的解决方案是啥？关闭空间音频？

A： 最好是有两种 “音频模式”，支持自动切换。

• 空间锚定模式：适用于沉浸场景（娱乐：VR游戏、全景视频），声音和音源绑定。
• 屏幕跟随模式：适用于专注场景（生产力：2D游戏、多屏办公），声音和屏幕绑定。无论用户的头怎么转，音乐播放器的声音都稳定地来自“相对于屏幕”的某一个固定方向（比如屏幕右侧），声场的平衡不随着转头剧烈变化。

Q： 如果每个场景都定制，会不会太复杂了？

A： 也没那么多场景，简单分就是两大类：沉浸、专注。把这两个解决好了，体验就上了一个台阶。就是让声音变得更懂事，知道什么时候做360度环绕的“气氛组”，什么时候当透明无感的“背景板”。

就这么简单。