把房间本身当乐器：用夸张混响让演出地点被听见

英文题目：Performing Performance Spaces: Amplifying Context in Live Music.

会议身份：conference:nime:2026:conference-paper-id:nime2026_36

✅ 来源为官方会议 PDF；表格与 Figure 按原文证据绑定。PDF 公式以原页区域图片展示，未冒称作者原始 TeX。

会议来源：官方记录 · 官方 PDF

标签：#信号处理 #用户研究 #音乐 #空间音频渲染

评分：5.2/10 | 创新 1.2/2 | 技术严谨 1.0/1.5 | 实验充分 0.6/1.5 | 清晰度 0.6/1 | 影响力 0.7/1.5 | 开源 0.0/1.5 | 可复现 0.1/0.5 | 工程/实践 1.0/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• ana schon：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

该工作输入为现场乐器人声与演出空间自身声学，输出为经夸张放大的空间化扩声，难点在于空间混响特征微妙且反馈啸叫风险高，同时需让非熟练演奏者实时音乐性调用。方法先用指数扫频正弦法在观众区中心采集单声道房间脉冲响应并存入缓冲，为后续夸张提供本场声学基准。再将脉冲响应同时作为输入信号与卷积核做自卷积与多次卷积及逆向变换，生成多级夸张脉冲库并录入缓冲，使原有共振峰谷得以延长强化。演出中乐器信号经对应声道卷积生成湿信号，由表情踏板连续控制干湿混合并由开关选择处理乐器，实现实时变形。相比直接调用外部混响或移植异地空间，该机制始终源于本场空间并可连续变形，因而将声学从背景条件转为可演奏材料。在室内三空间声学测量任务下，多功能厅的混响时间指标为946.7ms，高于教室341的混响时间指标677ms。结论适用边界受限于小型策划演出与自我选择的高校相关观众，长期社群效应与跨场地可迁移性尚未验证。原文未披露训练、推理或部署成本，本工作不涉及模型训练。

🔗 开源与复现资源

• 复现相关资源：https://pps.media.mit.edu — 暂时无法访问 可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。

🧭 深度解读

为什么场地声学值得被当作研究对象？

输入是这篇论文面对的现实：流行音乐常在并非为扩声设计的借用空间里演出，例如住宅地下室、客厅、未经声学处理的酒吧。目标是理解这些空间既带来啸叫与不希望的共振等扩声难题，又让每一场演出听起来不同。必须保留的信息是作者把研究焦点放在可听声学特征如何中介观众、乐手与空间的关系，而非寻找所谓好听的厅堂标准。输出是一套可复述的现场系统与七场音乐会实验。

白话先讲借用空间：本来不是音乐厅，却临时摆上舞台和音箱就唱起来的地方。英文是 adopted spaces。表演性场所的英文是 performative place，作者借用 Kronenburg 的可识别地点概念，强调只有演出发生时，声音、视觉与人的行为才共同划出一块短暂存在的地方。散场后它就消失，只留下记忆。

借用空间 × 表演性场所： 借用空间指原本为居住、办公或雕塑景观而建却被临时用作音乐现场的地点，表演性场所指只有当演出占据并以声音和视觉划定边界时才短暂存在的可识别地点，前者提供物理与社会约束，后者强调人与声音行为共同生成归属感，组合意义是解释为何同一地下室或庭院在演出前后听感与社会意义完全不同。

对刚入门的研究生，关键动作是区分两种评价：一种问混响时间多长、清晰度多高，另一种问这个声音是否让人注意到自己正和他人共处一室。本文属于后者。它不承诺优化扩声，而是把声学缺陷也当作可表达的材料。这决定了后文方法为何选择夸张而非校正，为何用问卷与访谈而非仅用声学参数打分。

同类工作在听什么、做什么？

先看声学感知路线。论文回顾了从 1960 年代起把厅堂可测参数与主观感受关联的工作，以及 Adelman-Larsen 对摇滚与流行场馆的研究：较低的低频混响、较高的与语言相关的高频混响有助于演奏者听到观众反应、产生凝聚感。但这类工作多在找更宜人的参数，没有追问声学如何引发对人与空间关系的反思。

再看艺术先例。Alvin Lucier 的《我坐在一个房间里》把录音在同一房间反复播放录制，直到只剩房间共振；Dream House 用密集持续音让听众走动中听到头部转动级别的差异；Pauline Oliveros 的深聆听乐队把现场乐器送进蓄水池的长混响捕获；Celeste Betancur 的《空白页》把乐队声音与动态虚拟声学空间混合。这些工作都让观众通过聆听探索空间，但较少同时处理演奏者、观众、空间与音乐之间的交织关系。

第三条是共在与观众参与。疫情期间虚拟演出让人更想念身体共在，DIY 与朋克文化则用住宅和仓库创造负担得起的表达场所。Hyperaudience 的思路是增强观众的身体参与会加强心理投入与贡献感。本文的差异在于把声学环境本身做成可实时调制的表情资源，让乐手在演奏中改变空间的显著程度，观众则被明确告知这是 1 次聆听实验，需要拍手试听并在事后反思。

论文到底要解决什么问题？

问题可以表述为：在不把每场演出都搬进标准音乐厅的前提下，能否让参与者听见并反思当下场地的声学个性，以及这种听见是否改变人与人、人与空间的关系。输入是具体场地、乐队编制与观众，输出是参与者的注意指向与关系描述，外加可分析的脉冲响应。

举一个教学例子：同一支乐队连演三晚，若每晚房间一样，观众记住的是歌；若一晚在大堂、一晚在小教室、一晚在多功能厅，观众可能记住楼梯间的拖尾、人声发闷或掌声散开的速度。本文想把这种例子变成可操作的演出方法。例子只是帮助理解，不代表论文报告了连演三晚的对照数据。

约束必须说清。作者不做自动混响消除，不做多声道空间化，不追求高保真重放。系统是立体声，夸张混响与直达声从同一对音箱发出，因此无法还原声音从四面八方反射来的方向感。这为后文讨论反转滤波为何难以抵消空间感埋下伏笔。

从拍手到演奏：整体流程如何走完一遍？

沿一个样本走完全程。假设傍晚在某庭院演出，团队提前 2 到 4 小时架好立体声音响与调音台，把音频送进运行 MaxMSP 与 HISSTools 脉冲响应工具箱的电脑。作者用 Dayton Audio EMM-6 全指向测量话筒放在观众区中央，用指数扫频正弦法采集每个声道的单声道房间脉冲响应。观众入场后，作者先介绍系统做什么，带领全场一起拍 1 次手并听房间的回答，再用问答引出乐手。乐手演出约 45 分钟，期间用脚踏控制器渐变混响类型与音量。结束后再拍 1 次手，请观众扫码填写匿名问卷。

表示层面，房间脉冲响应在频域看是一条频率曲线，在时域看由混响时间与早期衰减等参数描述。把乐器信号与该响应卷积后再经同一声学系统播放，会进一步激发共振频率并拉长衰减曲线。组件层面，系统提供多档夸张：反转、中性近似、原始响应、1 次自卷积、5 次自卷积。目标不是校正房间，而是让房间特征在音乐中有时浮现、有时退后。

声学夸张 × 聆听实验 framing： 声学夸张负责在信号层面放大场地的频率与衰减特征，聆听实验框架负责在社会层面引导观众拍手试听、提问与填写反思，分工上前者制造可听差异，后者保证差异被注意并转化为语言，搭配理由是早期测试发现若不讲解变化何时发生，观众很难察觉处理，组合意义是技术可听性与注意力引导共同决定了空间意识是否出现。

这套安排的理由在原文有明确交代：早期原型发现若不告诉观众什么在变化，处理很难被察觉；效果必须在时间上与音乐时刻贴合才有意义。因此介绍、拍手练习与主持串场不是装饰，而是方法的一部分。

自卷积与脚踏控制如何分工？

先讲术语。房间脉冲响应的英文是 Room Impulse Response，简称 RIR，可理解为房间对一个极短促声音的完整回答。自卷积的英文是 auto-convolution，指把测得的脉冲响应既当输入信号又当卷积核再卷 1 次。若原响应记为 r，自卷积后为 h，h 等于 r 与 r 的卷积。直观结果是峰更峰、谷更谷，拖尾形态更极端。

房间脉冲响应 × 自卷积： 房间脉冲响应负责记录空间如何对声音染色，包括各频段衰减快慢和共振峰位置，自卷积负责把该响应与自身做卷积从而拉长衰减并加深峰谷，两者搭配的理由是直接用原响应做卷积变化不够可闻，而重复自卷积能把原本微弱的空间指纹放大到可演奏的程度，组合意义是得到与本场地同源但更夸张的混响脉冲。

实现上，系统在 MaxMSP 中把单声道 RIR 存入缓冲，乐器输入按立体声像送入对应声道做湿信号卷积，干湿增益可调。Here…NOW 阶段用两个表情踏板分别控制第一级原始响应混响与第二级自卷积混响的音量，10 个脚钉开关由贝斯手负责，决定哪件乐器进入处理。音乐会系列把档位扩到四档，并把一个踏板改为在档位间渐变，另一个控制总效果音量，以降低操作复杂度同时让变化更可闻，同时做了最小相位调整。

以下导读针对演出补丁界面：它把采集、演出、增益分区用颜色隔开，适合对照理解信号从哪进、从哪出、哪部分是排练前准备、哪部分是演出中实时操作。请先按分区看主路径，再看门控与增益的交互。

看图路径： 1. 先看左侧绿色大块确认采集与自卷积区与右侧粉色演出区的分区逻辑；2. 再找到黄色与紫色两条纵向推子对比第一级与第二级混响的增益位置；3. 最后沿虚线追踪乐器门控开关如何决定哪路乐器进入卷积

论文图 6。原论文 Figure 6：“GUI for the Here…NOW MaxMSP patch color coded by function.”。

从像素可见，界面左侧绿色区集中了扫频、采集与自卷积录制，右侧粉色演出区下方并排黄色原始响应与紫色自卷积响应的纵向推子，顶部红色区是乐器通断开关。这种布局把准备态与演出态分开，避免演出中误触采集。黄色与紫色推子的并置让操作者能直观比较自然与夸张的比例，而红色门控决定了哪些乐器参与空间化，这解释了为何同一混响量下换一件乐器进入也会显著改变听感。

以下导读针对脚踏控制器实物标注：它是乐手在不放下乐器的前提下控制空间夸张的唯一身体接口，理解它才能理解表情时机如何产生。请先确认开关与踏板的数量对应关系，再看标注文字如何划分功能。

看图路径： 1. 先数左侧十个脚钉开关确认其对应多路乐器通断；2. 再对比右侧两个长条表情踏板分别标注的第一级与第二级增益；3. 最后想象贝斯手在演奏中如何用脚同时完成开关与连续渐变

论文图 7。原论文 Figure 7：“Mapping of foot controller to PPS system for Here…NOW”。

从像素可见，左侧 10 个黑色脚钉被红框圈起并标注为乐器通断，右侧两个长条踏板分别标注第一级与第二级混响增益。这种分离让离散选择与连续渐变互不干扰：脚尖点选决定谁被空间化，脚掌推拉决定空间化得多夸张。原文提到有乐手要求对调踏板方向，说明脚感方向与音乐直觉的匹配需要个性化，这也是后文提出更细粒度可复制控制的原因之一。

第一级混响 × 第二级混响： 第一级混响负责把乐器干声与原始房间脉冲响应卷积，还原并略微加强本场地的自然混响，第二级混响负责把乐器干声与自卷积后的脉冲响应卷积，呈现共振更突出、拖尾更长的夸张版本，两者共用表情踏板分路控制的理由是让演奏者在同一首歌内渐进对比自然与夸张，组合意义是把空间特征变成有层次的表情维度而非开关式效果。

本研究训练了什么、冻结了什么？

本研究没有训练神经网络模型，也就没有梯度路径、优化器、训练集划分与参数冻结可报告。必须明确这一点，避免把无训练误读为确定性求解。

实际计算过程是测量与信号处理。第一步用指数扫频正弦发出已知扫频，经房间与音箱话筒链路录回后经反卷积得到 RIR，存入缓冲。第二步对 RIR 做自卷积与多次自卷积，以及用 irinvert 对象做频响反转近似，得到多档脉冲。第三步在演出中把乐器信号与所选脉冲实时卷积，按踏板位置做增益与交叉渐变后送回调音台。

未报告的缺项要指出：扫频长度、采样率、归一化目标电平、卷积分区长度与延迟、最小相位调整的具体算法均未给出可复现的数值；反转滤波的误差度量也没有定义。因此复现时只能按功能重建，不能声称参数一致。系统输出也不确定：同一踏板位置下，乐手触弦力度、观众人数与门窗开合都会改变激发结果，冻结的是脉冲文件，不是听感。

七场演出在何种条件下比较？

实验分 2 个阶段。第一阶段 Here…NOW 在麻省理工学院媒体实验室三间室内完成，乐队编制为两把吉他、贝斯、鼓与人声，同一晚演两遍。三间房对比鲜明：一层大堂挑高 4 层、瓷砖地面加玻璃电梯；341 教室约 10 英尺层高、地毯加一面墙声学处理；多功能厅约 60 英尺见方、双层高、地毯加整面落地窗。音响上前两间用 QSC K12.2 加低音炮，第三间用 Duran Audio 轴向音箱系统，均经 Behringer X32 的 USB 声卡进出电脑。

第二阶段是夏季一个月内的三场户外音乐会，分别邀请唱作人民谣朋克、独立摇滚主唱、R&B 加勒比融合歌手，地点为露天剧场、下沉庭院雕塑与开放广场桌椅区。均用立体声无低音炮系统，经数字调音台与音频接口进出处理电脑。流程统一为提前架设、采集 RIR、约 1 小时带系统联排、观众入场后主持介绍与拍手练习、45 分钟演出、再拍手并填问卷。宣传靠社交网络与校园邮件，观众以麻省理工相关人员为主，属自选择样本。

以下导读针对户外剧场舞台图：它显示了表演者、音箱与调音位置如何被摆进非典型演出地，适合理解借用空间的物理约束。请先看半圆形座位与开阔端的朝向，再看音箱与人的相对位置。

[[FIGURE_1]]

从像素可见，示意图底层是剧场的弧形台阶与两侧植被纹理，上方中央红色人形代表表演者，两侧青色支架音箱朝向座位，右下深蓝色图标为调音与处理位置，另有吉他音箱与话筒点缀。这种把直达声压向台阶、把控制点放在侧面的摆法，决定了测量话筒放在观众区中央时采到的是直达加早期反射的混合。对复现的启示是：户外无顶棚时反射主要来自地面、后墙与雕塑曲面，音箱指向与话筒高度必须记录，否则换个摆法 RIR 就变了。

演出规模与问卷回收的对照问题是：在自选择且流动性强的户外条件下，回收率能否支撑跨场比较？公平条件是三场流程与问卷结构相同，指标方向是回收数越多、覆盖越连续，结论越稳。下表整理原文直接报告的人数，单位保留原文写法，裸数值不擅自添加单位。

表后解释：回收率整体偏低，Here…NOW 约 200 人中仅 17 人回应，C2 的 10 份已是三场中最高。这支持把结论限定为探索性、质性趋势，而非总体代表性。代价是任何跨场地偏好比较都易受音乐风格与到场人群差异污染。未胜出项是 C3 的低回收与高流动性，它提醒中午开放广场的偶遇式观众不适合长问卷，需要更短的现场拦截访谈作为补充。

参与者注意到了什么、偏好什么？

测量什么、与谁比、条件是否一致需要分开说。质性部分测的是观众与乐手对空间、声音与他人关系的描述，没有统一基线，比较的是同一批人在不同房间或同一场地不同夸张档位下的说法。声学部分测的是 RIR 的频谱与衰减，比较的是原始、1 次自卷积、5 次自卷积与反转四档在相同时长下的峰谷与拖尾。指标方向是描述越具体、越能指向空间特征，越支持注意被成功引导；声学上共振越突出且可重复激发，越支持夸张有效。

主结果是报告层面的关联：可听声学特征更明显的空间引发了更具体的反思。Here…NOW 的 17 份回应中 8 人提到空间与音乐声音关系的变化，5 人提到随空间变化的行为改变；音乐会系列 17 份回应中拍手练习被提及 5 次，表演者与观众互动 7 次，沉浸感 6 次，乐手实验行为 6 次，音乐本身好感 10 次，场外风声、路人与温度等外部因素也被高频提及。乐手侧，CA3 说讲解处理让观众更投入，CA2 描述闭眼演奏后睁眼发现剧场坐满的瞬间，CA1 把演出称为需要思考的音乐会并在长和弦处停留更久。

声学上，大堂高频混响弱，341 高频比较强，多功能厅居中且更均衡；户外三场中 C1 的早期反射峰随自卷积级数被强调拉长，C2 在 200 到 600 毫秒间有多个离散反射且共振带更宽，C3 整体衰减最快但在 100 赫兹附近有强共振带，对应了观众说的浑浊与压迫感。

问卷主题分布的比较问题是：哪些反思真正指向空间与人的关系，而非仅评价音乐好听？公平条件是三场问卷题目相同，指标方向是提及空间互动与沉浸的计数越高，越支持干预有效。下表按原文主题计数整理，数字为裸计数，不添加百分号。

表后解释：主要收益是互动与沉浸类描述在三场都出现，且 C2 的沉浸与亲近计数相对突出，与其半圆形混凝土墙提供的可听反射一致。具体代价是音乐好感在 C1 与 C3 很高，说明风格偏好可能盖过空间效应；负面上有音质批评与疏离感各 3 次与 1 次，有人直言效果像反馈或过于微妙。这限定了判断：系统支持了聆听实验的参与感，但未证明音质或偏好得到一致改善，未胜出项与边界是那些觉得处理太微妙或太浑浊的听众，他们的体验必须与正面计数并列报告。

哪一级夸张真正改变了可听性？

把四档看作消融阶梯：反转近似中性、原始响应、1 次自卷积、5 次自卷积。测的是同一场地 RIR 在等长频谱图上的峰谷对比与拖尾可听性，条件一致在于同一采集位置与同一回放链路，指标方向是共振峰保持更久、反共振谷更深则夸张更强。

低频比 × 高频比： 低频比负责比较低频混响时间相对中频的长短，高频比负责比较高频混响时间相对中频的长短，两者搭配的理由是仅看宽带混响时间无法解释人声清晰度与亲近感的差异，组合意义是用频段结构解释为何多功能厅更受偏好而小教室易显沉闷或刺耳，并为夸张后哪段共振会被激发提供预判。

报告显示：原始衰减很短或频响很平时，自卷积后依然相对平，多功能厅即如此；原始已有明显峰谷或较长早期衰减时，自卷积后峰谷更清晰，大堂即如此。户外 C1 的 0.6 秒反射在 5 次卷积后被模糊但仍存在，反相版则放大谷点；C2 的宽共振带被乐手当作音色使用；C3 的窄带离散反射加 100 赫兹强带解释了浑浊投诉。反转档未能真正抵消空间，因为单点频响反转无法相位抵消全空间多路径反射，HISSTools 的近似只能缓解。

声学参数与缺陷的对照问题是：夸张是否在所有场地等效，还是依赖原始信息量与噪声？公平条件是统一匹配时长比较，指标方向是衰减与峰谷变化越大越有效。下表整理原文直接给出的时间与电平数字，单位保留原文。

表后解释：主要收益是阶梯式夸张让乐手有从微妙到无人机式的连续选择，CA2 用极端档的长鸣做持续音，CA3 用它强调关键词。具体代价是多次自卷积产生易啸叫的尖峰，立体声同点回放加剧了反馈风险；户外三场在 -60 dB 处有持续到 3 秒的宽带噪声底，独听超长卷积尾音时可闻，虽演出中未被察觉，仍污染了脉冲纯度。未评测边界是若改用分布式音箱或反馈抑制，夸张上限能否提高，原文未做该对照，只能列为待验证。

哪些结论不能从现有证据推出？

先划清证据等级。报告层面：观众确实写下了空间、互动与沉浸的描述，声学上确实看到峰谷被放大。支持层面：可听特征更强的空间伴随更具体的反思，两者相关。待验证层面：是否夸张导致了反思，而非主持讲解、换房间走动、灯光或音乐风格导致，无法因果断言。原文自己也强调灯光、视觉、多感官与观众构成都起了作用。

方法局限有三。声音上，反转不能真正中和房间，多次自卷积易激发难听共振，反馈抑制缺失；空间上，立体声同点回放无法还原方向性混响。用法上，系统需专人看守以防失真，MIDI 控制不够细，乐手想要更可复制的档位导航，观众则希望有灯光等视觉指示来对齐何时变化。

样本局限更关键。问卷自选择且回收低，未回应者的想法无从得知；观众以校园相关人员为主，音乐偏好与场地熟悉度不代表城市整体；1 次性的演出无法追踪长期关系变化。相关性不是因果，未测量误判率、延迟与成本时，不应承诺这些量得到改善。总体趋势不等于每组每步成立，例如 C3 的浑浊投诉就与平均积极描述相反，必须保留。

若要复现，先准备什么、按什么顺序做？

复现起点不是训练模型，而是重建测量加演出链路。硬件按原文准备：立体声全频音箱、调音台、笔记本电脑、全指向测量话筒置于观众区中央。软件用 MaxMSP 加 HISSTools 脉冲响应工具箱，实现扫频采集、自卷积、多档存储与实时卷积。演出前 2 到 4 小时架设并采集，留约 1 小时让乐手带系统联排并按需翻转踏板方向。

关键超参数与信息条件原文未完全公开：扫频起止、时长、归一化电平、卷积块长、最小相位处理细节均缺具体数值，复现时需自行记录并固定。操作上把第一表情踏板映射为档位间渐变、第二映射为总效果量，脚钉负责乐器通断或音量，演出中由熟悉系统的工程师值守增益，防止电平过高导致失真。主持词必须保留：介绍系统做什么、带领拍手试听、邀请提问、结束再拍手并推送问卷，否则可听差异可能被忽略。

关于可用性：项目文档链接为 https://pps.media.mit.edu，本次资源状态为暂时未能确认可达，因此只能写本次未能确认可达，不能写已公开可用。伦理上 Here…NOW 与音乐会系列分别经麻省理工学院豁免审查，被试需年满 18 岁、自愿、可随时退出，不采集身份信息；音乐会乐手获酬劳，复现若涉及人类被试需重新申请本机构审查。户外复现还需记录风速、温湿度、观众人数与音箱话筒摆位，因为这些都会改变 RIR。

何时值得尝试这种以空间为乐器的做法？

当你的问题不是把每个房间都调成同一个标准混响，而是想让观众听见此刻此地的不同，并愿意为此付出一些清晰度与稳定性代价时，这种做法值得尝试。它适合非标准场地、流动观众、鼓励走动与反思的策展，例如校园建筑巡游、庭院雕塑或社区空地。乐手需要有即兴与长音段落，让空间尾音有时间显形；主持需要把技术翻译成 1 次拍手就能懂的语言。

不适合的情形也要明说：对语言可懂度要求高的讲座式演出、对低频清晰度敏感的编制、易啸叫的高增益摇滚编制，若无反馈抑制与分布式补声，强行开到 5 次自卷积很可能得到浑浊与啸叫。复现后还需补的验证是：在固定音乐与主持词下随机化夸张档位顺序，并用盲听与行为指标分离音乐偏好与空间效应；同时补测往返延迟、处理器负载与啸叫阈值，才能谈部署成本。

回到中心矛盾：扩声传统把房间当需要克服的噪声，本文把房间当需要放大的语境。前者追求可迁移的一致性，后者追求不可迁移的在场感。论文的价值不在于证明某种混响更好听，而在于给出一条可操作的路径，让技术、讲解与走动共同把听音乐变成听自己正与他人共处一室。若你能接受小样本质性证据的限度，这条路径是可以带着测量话筒、踏板与问卷 2 维码直接走进下一个借用空间的。

📐 原文公式与排版

以下展示论文原页中的数学表达区域，保留原始上下标、分式和符号排版。区域序号仅用于本文导航，不是论文公式编号。

区域 1 · 查看论文原页

另有 11 个候选区域因边界不明确或图片数量、尺寸限制未展开；请查看完整论文中的原始排版。

⚖️ 评分明细

评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。

• 评分规则：type-aware-v1
• 评分模型：muse-spark-1.3-contributor
• 评分请求协议：openai_responses

← 返回 nime-2026 论文汇总