亲密与广袤之间：用骨传导耳机与穹顶扬声器写分层现场

英文题目：Between Intimacy and Immensity: Composing Multilayered Immersive Live Music for Bone Conduction Headphones and a Speaker-Dome Array.

会议身份：conference:nime:2026:conference-paper-id:nime2026_72

✅ 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 #多通道 #音乐 #空间音频信号 #音乐生成

评分：6.5/10 | 创新 1.2/2 | 技术严谨 1.0/1.5 | 实验充分 0.5/1.5 | 清晰度 0.8/1 | 影响力 0.7/1.5 | 开源 1.0/1.5 | 可复现 0.3/0.5 | 工程/实践 1.0/1.5

排名：前50% | 文档类型：应用研究

👥 作者与机构

• Nicola Giannini：机构信息未能从会议 PDF 纯文本可靠映射
• Andrea Gozzi：机构信息未能从会议 PDF 纯文本可靠映射
• Dominic Thibault：机构信息未能从会议 PDF 纯文本可靠映射
• Ana Dall’Ara-Majek：机构信息未能从会议 PDF 纯文本可靠映射
• Kevin Gironnay：机构信息未能从会议 PDF 纯文本可靠映射
• João Sebastião Lessa Catalão：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本研究处理在同一音乐厅同时向百人提供亲密内听与共享外放的作曲难题，输入是现场乐器、嗓音与电子声，输出是经骨传导耳机与穹顶扬声器阵列加开放耳道声学声分层扩散的多层聆听体验，难点在于两层频响失配、电平遮蔽与注意力过载。方法链分三步推进：先以覆盖初接触、意图策略、感知发现与限制建议的多作者自我民族志收集五位作曲家反思，其输出的文本反思进入归纳步骤，提炼出亲密至宏大连续体与频带偏好、电平阈值、时间对齐等技术约束。归纳得到的约束再进入转写检验步骤，被写成声部独占、跨层处理、层间轨迹延迟与显微声音增强等作曲策略，并在SAT公演与Zenodo现场录音中检验。在工作室探索与SAT公演验证场景下，Dall’Ara-Majek报告的BCHs高频指标为15 kHz，高于Giannini个人工作范围的高频指标13 kHz。与既有增强现实音频偏重单层叠加不同，该机制把层间模糊、电平阈值与声源不确定性本身当作对位声部来写作，使内外听觉在可定位与不可定位之间连续移动。其实践结论适用边界受限于配备立体声无线骨传导馈送与大型穹顶阵列的同场音乐会场景，向耳机追踪或个性化分流的外推尚未验证。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 数据相关资源：https://zenodo.org/records/19826060 — 链接可访问（HTTP 200）
• 数据相关资源：https://doi.org/10.5281/zenodo.19826060 → https://zenodo.org/records/19826060 — 链接可访问（HTTP 200） 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

输入是什么，目标是什么，哪些信息必须先保留？

这篇解读的输入是会议论文正文与本次收到的官方原图像素，目标是让刚进入音频领域的研究生能复述方法并核对条件。必须先保留的信息有 3 类。第一是系统构成：骨传导耳机、私密个人层，扬声器穹顶阵列、共享集体层，再加现场声源，三者同时发声。第二是研究方式：这不是听众大样本实验，而是 5 位作曲家的创作后自述，由 1 位作者归纳主题，感知结论应理解为作曲家报告的经验与假设。第三是可核对锚点：演出地点时间、排练与观众规模、校准方法、录音仓储链接当前可用。

白话先讲骨传导。空气传导（air conduction，AC）是你熟悉的路径：声波进耳道、推鼓膜、经听小骨到耳蜗。骨传导（bone conduction，BC）是另一条路：振动经颅骨、乳突或牙齿直接激起耳蜗毛细胞，不经过外耳中耳。正因为耳道保持开放，骨传导耳机（bone conduction headphones，BCHs）可以在播放媒介声的同时让你听见房间里的真实声音。论文把沉浸理解为技术、感知与认知投入的整体，而音频增强现实（audio augmented reality，AAR）就是在真实声环境上叠加虚拟空间化声音。

骨传导 × 空气传导： 骨传导分工是经颅骨与牙齿等固体振动刺激耳蜗毛细胞，空气传导分工是经耳道鼓膜听小骨传递声波，二者搭配的理由是骨传导耳机不堵塞耳道因而环境声与媒介声可同时被听见，组合意义是增强现实音频得以在音乐厅里叠加虚拟层而不剥夺现场感与方位警觉。

学这篇论文时不要把它当成编解码模型论文。它没有训练神经网络，没有准确率曲线。它的任务是作曲与演出：在同一音乐厅里，让一部分声音只进耳朵边的私密通道，让另一部分声音充满穹顶的公共空间，让表演者的真实乐器声在两者之间穿行。评价标准也不是分数，而是作曲家能否说清每一层的分工、层间如何对齐、观众在多大程度上仍能听懂音乐织体。

此前同类尝试走到了哪里，本研究为何还缺一块？

论文用一节回顾了骨传导在音乐与文化遗产中的使用。例子包括作曲家霍莉·哈丁在伦敦国家海事博物馆让观众同时听骨传导预录轨道与现场管弦乐，意大利比安卡内公园把骨传导用于地理定位导览与沉浸声设计，梅佐·福尔泰与法国广播爱乐及现代乐团合作给乐手戴骨传导耳机送节拍与指挥指令，以及后来在利沃诺音乐节与蒙特利尔科技艺术协会的两场增强音乐会。教学例子：可以把这些工作理解为同一输入不同目标，有的是导览，有的是给乐手发指令，有的是双通道扩散。

论文的判断是，尽管应用在增加，针对非医疗音乐场景的骨传导特性与约束的文献仍然有限。特别是把骨传导耳机与穹顶扬声器阵列同时用于大型观众电声音乐会，并让作曲家系统报告频带、声级、时间对齐与触觉不适的处理，之前缺少可复用的写作。本文的增量正在于此：它不争最强音质，而是给出四部新作在同一套混合系统上的完整工作流与失败条件。

相关工作的对照要按同运行阶段来做。给乐手发节拍属于排练辅助，不直接等同于给全场观众发第二音乐层。地理定位导览属于户外漫游，不等同于固定穹顶内的多声道扩散。论文把自己的位置限定为大型观众的沉浸现场音乐，这决定了后文所有关于声级匹配、注意力饱和与场馆混响的讨论都不能直接搬到耳机独听或户外场景。

要解决的聆听问题是什么，难在哪里？

问题可以写成一句话：当私密层与共享层同时发声，作曲家如何分配材料，才能让听众既感到被单独说话，又不失去集体音乐会的方向感。难处有 4 个。第一是频响不一致：同一声音在骨传导耳机上听感更靠前更脆，在扬声器上更散，极低频还带来强烈振动。第二是声级敏感：多一点耳机音量，私密层就盖过穹顶层，细微推子变化都有明显后果。第三是时间与空间不一致：厅堂越大，扬声器层越散、感觉越晚，高架扬声器与耳机层的掩蔽关系在排练室与穹顶里甚至相反。第四是注意力有限：3 层信息稍多就饱和，听众还会因位置、头朝向与自选音量听到不同版本。

论文把美学回答收敛为亲密与广袤的连续体。作曲家们虽然风格不同，但都沿着从颅内低语到集体声浪这条轴做决定。吉罗奈更进一步提出问题意识：当一部分声音人人共享、另一部分只属于个人，听众会不会好奇邻座听到了什么版本。这种不可完全复现的差异被他当作诗学资源，而不是必须消除的噪声。理解这一点，才能理解后文为何大量策略围绕加倍、模糊与交替展开。

整体方法如何走完从样本到输出？

先沿一个听众样本走完全程。输入是 3 路并发：表演者的真实乐器声经空气到达耳道，穹顶阵列的共享电子声经空气到达双耳，骨传导耳机的私密电子声经颅骨到达耳蜗。表示是听众脑内的分层听觉对象：哪一句是贴着皮肤说的，哪一片是远处铺开的，哪个是眼前乐器发出的。组件是作曲家手中的分配器：选什么乐器、哪段进耳机、哪段进穹顶、两层是融合还是对比、是否加延迟与滤波。目标不是重建波形，而是让分层可被感知且音乐可读。输出是现场演出与双层录音：仿真头录声学加穹顶层，接触话筒录骨传导层，2 流混合存档。

亲密 × 广袤： 亲密指声音贴在皮肤与头内、只属于听者自己的感知尺度，广袤指穹顶与厅堂尺度的集体声场，二者搭配的理由是混合系统天然同时给出两种距离线索，组合意义是作曲不再只写音高节奏，而是写声音在个人与集体之间的位置与移动速度。

方法全景分 4 步。第一步是项目组织：项目负责人邀约 5 位有空间音乐经验但都没写过此类混合系统的作曲家，2023 年起讨论，2024 年展示系统，2025 年 6 月确认，10 月 9 日公演，12 月至次年 2 月收集书面反思。第二步是工作室探索：每人用与演出同型号的骨传导耳机试听，摸清频带与舒适边界。第三步是分层作曲：按融合、对比、交替与有意模糊组织层间关系。第 4 步是场馆迁移：在穹顶里重新校准声级与时间，接受排练室经验可能失效。贯穿始终的是手动校准与减法思维：信息过多就删，速度过快就放慢，振动过强就降量。

频带与音色：哪段频率该进哪一层？

这一节只解决频率分配。作曲家报告的共识是骨传导耳机在中频到中高频最可信，极低频易引发过大振动，极高频可能带来类似耳鸣的不适感。达拉拉-马耶克给出的可用区间与偏好区间不同：可用大约在 400 赫兹到 15 千赫之间，但作曲偏好把 800 到 5000 赫兹左右留给耳机，把频谱两端留给穹顶。吉安尼尼给出个人工作区间约 130 到 13 千赫，并用耳朵校正均衡去贴近穹顶监听。蒂博与莱萨·卡塔朗则用高通、低通加中频提升做耳朵校正。

下面这张图是吉安尼尼的耳朵校正均衡截图，阅读时不要把它当成仪器测得的标准曲线，它只是作曲家为对齐两层监听而拧出的个人设置。前导读：横轴是对数频率，纵轴是增益，绿色填充表示提升或衰减的形态，白色与红色圆点是两个主要频段的操作点。

看图路径： 1. 先沿横轴从 200 到 10.0k 确认这是对数频率轴；2. 再看约 360 附近白色圆点的下陷凹口与约 4.5k 红色圆点的上凸峰；3. 最后比较低频衰减与中高频提升的相对形态

论文图 2。原论文 Figure 2：“By-ear corrective EQ (Giannini)”。

从像素可见，左侧低频形成明显下陷凹口，右侧中高频形成上凸峰，原文对应为约 360 赫兹附近的宽衰减与约 4.2 千赫附近的中高频提升。这说明作曲家听到的骨传导低频偏多偏糊，需要压下去，同时需要补中高频的清晰度。达拉拉-马耶克还报告了配套的材料分工：把带手势的断奏型材料放耳机，把持续的长音型材料放穹顶，往往比反过来更成立。同一声音在耳机上被听成更精确更脆，在扬声器上更散，这直接影响后文谁奏旋律、谁铺底的选择。

骨传导耳机 × 扬声器穹顶阵列： 骨传导耳机负责把振动经颅骨直接送达耳蜗、保留耳道开放的私密近场层，扬声器穹顶阵列负责包围观众的共享远场声环境，二者搭配的理由是前者可做头内低声细语、后者可做集体声浪，组合后新增的作用是让同一时刻既有个人版本又有公共版本，并在二者之间做渐变轨迹与突变切换。

为核对 3 组耳朵数据与延迟设置，把原文连续句覆盖的数字整理成下表。读表问题是：在没有统一混音规范时，作曲家各自把什么频段判给耳机。公平条件是同型号耳机、排练室试听、耳朵校准。指标方向不是越高越好，而是越可信、越舒适越好。

表后解释：主要收益是分工明确后舒适度与清晰度上升，中频细节在耳机上被前景化，穹顶负责低频重量与高频空气感。代价是耳朵均衡不可迁移，每人的压与补位置不同，且低频一多就从听觉问题变成触觉不适。未胜出项是把持续长音硬塞进耳机的做法，多位作曲家报告效果不如放穹顶。边界是这些数字都是个人报告，未经大样本听音验证，换头型、换佩戴松紧都可能漂移。

声级、空间清晰度与注意力：推子为何如此敏感？

这一节解决响度匹配与信息量。工作流要求手动校准两层到可比响度，并在作曲与排练中反复回看。达拉拉-马耶克报告了阈值效应：耳机超过某声级后，耳机层就盖过穹顶层，无论原本设计的是融合还是对比。吉安尼尼报告小幅推子变化就有显著感知后果，因此把声级细微差别当作核心作曲参数。空间方面，多位作曲家感到耳机使用会改变空间信息的易读性，高架扬声器的材料在排练室更容易掩蔽耳机，而在穹顶里因距离大得多反而趋势相反。注意力方面，3 层并发极易饱和，解决办法是减少同时事件、放慢材料。

下面是第二张耳朵校正均衡截图，用于对照上一张的个人差异。前导读：同样看对数频率横轴与增益纵轴，注意左右两端下切的形态与中间隆起的位置，这对应原文的高通、低通与中频提升三件套。

看图路径： 1. 先看左右两端黄色圆点对应的低切与高切形态；2. 再看中间约 3.0k 红色圆点的隆起峰位置；3. 最后对照横轴 50 到 20.0k 确认三点式校正结构

论文图 3。原论文 Figure 3：“By-ear corrective EQ (Thibault and Lessa Catalão)”。

从像素可见，曲线在低端与高端都大幅下切，中间约 3 千赫附近隆起，原文对应为高通约 240 赫兹、提升约 2.59 千赫、低通约 15.6 千赫。与吉安尼尼的双点校正相比，这组校正更强调两端切除，说明不同作曲家对振动与刺耳感的容忍点不同，但方向一致：保中频、去两端。教学提示：不要把两张图谁更平直当成谁更正确，它们只是不同耳朵与不同房间的补偿结果。

融合 × 对比： 融合指两层播同一材料并听成一个声音对象，对比指两层放不同材料并保持复调分离，二者搭配的理由是层间关系需要从完全合一到完全分立的连续调节，组合意义是加倍、跨层处理、交替与有意模糊都可以被理解为融合与对比之间的具体工作点。

声源模糊与头动是本节的另一半。吉罗奈与吉安尼尼都报告有时分不清声音来自穹顶还是耳机，同一声音双层齐放时更难分辨。吉安尼尼还报告转头时出现微妙滤波伪迹，假设是两效应耦合：转头改变空气声的头部相关传递函数，而骨传导层基本不随转头变，且耳机层是头锁定、穹顶层是房间锁定，转头即拉开两层差异。论文把这种模糊当作可作曲的条件，而不是故障。

声源模糊 × 头部转动： 声源模糊分工是让听者分不清声音来自耳机还是穹顶，头部转动分工是改变空气声的头部相关传递函数而骨传导层基本头锁定，二者搭配的理由是一个随头动一个不随头动，转头即暴露差异，组合意义是把转头动作本身变成可作曲的感知变量，也解释了为何同一加倍会随转头出现滤波伪迹。

本研究训练了什么，没有训练什么？

本研究没有训练任何神经网络模型，也就没有梯度路径、参数冻结、损失函数与早停可报告。这必须明确说清，以免初学者从音乐与空间字样误推有模型训练。真实的计算过程是 3 类。第一类是耳朵校正均衡：作曲家在数字音频工作站里加高通、低通与钟形提升，用耳朵把耳机监听贴近穹顶监听，反复试听后固定为个人模板。第二类是层间时间补偿：有人给耳机信号加延迟以对齐穹顶，有人用 5 到 50 毫秒的五档微偏置制造合唱或回声感，有人用手调播放速度制造渐变偏离。第 3 类是现场空间化与混音：实时控制运动速度与高度，在演出中做交叉淡化与方位交替。

未报告的缺项也要点名：均衡的具体增益分贝值、滤波器斜率、延迟毫秒数的完整清单、无线发射的延迟与抖动、仿真头与接触话筒的校准曲线，原文都没有给出可复算的参数表。因此复现时只能复现流程，不能复刻旋钮位置。论文把感知观察定性为假设，明确说需要更大样本的感知实验才能检验泛化，这与机器学习论文的消融不同，这里的消融是作曲家在排练中删层、降速、换材料。

演出与记录条件：何时何地何人如何听？

演出条件按原文交代。2025 年 10 月 9 日在蒙特利尔科技艺术协会演出，前 1 天约 100 名学生参加彩排与讲座，正式演出售罄，观众逾 100 人。观众面向表演者，没有高台，表演者与观众同处同一地面。入场时发放骨传导耳机并协助佩戴，经立体声无线接收器送耳机信号，听众可自行调音量。演出前做引导校准：穹顶送连续质感单声道声，耳机送带左右运动的节奏双耳信号，两者同时呈现，听众调耳机音量直到两者响度可比。论文还建议补充先后呈现同一声音的校准法，以便更精细地比对平衡。

下图是现场照片的导读：暗色穹顶下前景观众耳侧亮起蓝点，说明第二层确实戴在每个人头上，后方是调音与表演区域，整体为无舞台的沉浸布局。

看图路径： 1. 先看前景观众耳侧的蓝色亮点，确认骨传导耳机是人人佩戴的第二层；2. 再看后方与侧方被穹顶包围的暗色厅堂与扬声器位置；3. 最后对照表演者与观众同处同一地面的无高台布局

论文图 1。原论文 Figure 1：“Concert augmenté, SAT, Montreal, Canada. Credits: Caroline Campeau”。

从像素可见，前景多位观众耳部有明显蓝色光点，右侧有一只立于支架的扬声器，背景是均匀的穹顶投影，左侧可见手持平板与话筒的剪影。这对应原文的系统描述：穹顶阵列包围观众，耳机层经无线送达，声源随表演者移动。注意照片不能读出声压级与频响，只能确认佩戴方式、包围感与同层站位，定量条件仍需回到文字与录音。

记录条件是另一条可复现链。演出录音存于公开仓储，当前可用，已公开，链接状态 200。记录用仿真头录声学加穹顶层，耳旁装骨传导耳机并用接触话筒录耳机层，2 流在上传材料中混合，后文时间点均指这些录音。创作环境差异很大，从约 4.5 平方米的专业小间到约 255 平方米的穹顶，这解释了为何排练室经验到现场会失效。

为核对空间尺度差异，把原文连续句覆盖的面积数字整理成下表。表前问题是：排练室与穹顶的尺度差是否足以改变掩蔽与延迟判断。公平条件是同一批耳机型号，指标方向是面积越大、混响与传播条件越可能推翻小房间结论。

表后解释：主要收益是连续性得到保证，同型号耳机让工作室摸到的频带偏好能带到现场。代价是尺度跳变带来反例：小房间里高架音箱更快掩蔽耳机，大穹顶里反而因距离远而趋势反转；小房间里同时性清晰，大厅里穹顶层感觉更散更晚。未胜出项是只在小房间混好就直接演出的做法，论文明确建议预留充足的场馆排练时间。边界是面积只是代理变量，真正起作用的是距离、混响与扬声器布局，原文未给出混响时间等声学参数。

四部作品各自把什么材料放进哪一层？

结果按作品组织，每部只讲层分配与可听时间点。吉安尼尼的作品结合成、磁带人声与放大的记号笔。人声是私语式朗读，只进耳机不进穹顶，以唤起私密对话；磁带机作为旧时代物件暗示私人声音记忆；记号笔先在穹顶放大笔触，再在耳机呈现亲密尺度，再双层齐放暗示私密与共享同时成立。人声在 11 分 25 秒左右出现，垫底长音先在穹顶淡入约 20 秒后在耳机左侧加倍，1 分 48 秒做跨层失真与声像颤动，8 分 37 秒用加倍提升响度。

蒂博与莱萨·卡塔朗用打击乐，包括管弦乐大鼓。近距离拾音把摩擦、碎裂与微振动送进耳机，远投的大鼓保留共享声压。5 分 14 秒把 ранее 现场演奏过的秸秆棒碎裂采样只在耳机重播并做音色变换，11 分 25 秒在耳机引入摩擦旋律，12 分 20 秒用现场摩擦手势在厅堂呼应，再渐移到穹顶变远。10 分 55 秒把话筒与金属碗上换能器构成的可控反馈送耳机，让厅堂里难以听清的高频细节可闻。

达拉拉-马耶克用照片桌数字乐器，经传感器在软件里控合成、采样与处理。0 分至 5 分 30 秒同一水声双层齐放再手调速度渐变偏离，11 分 34 秒至 13 分 11 秒同一晶体合成声用五档微偏置制造微延迟关系，13 分 38 秒至 14 分 20 秒高音循环节奏由抚摸手势触发。吉罗奈用人声与电子，歌手在观众中走动，手持话筒的近讲亲密声只进耳机，电子只进穹顶，10 分 30 秒至 12 分 30 秒给话筒声加轻混响送穹顶，约 7 分钟加入歌手叹息预录层。

记录装置的导读如下：仿真头不是装饰，而是为了同时抓住空气层与骨传导层，前导读先看耳前耳机、耳内测量管与颞侧接触片三件套，再理解双流混合的存档逻辑。

看图路径： 1. 先看仿真头耳前方的骨传导耳机佩戴位置；2. 再看耳道内插入的黑色测量管与耳旁的接触话筒圆片；3. 最后确认该装置同时记录声学层与骨传导层的意图

论文图 4。原论文 Figure 4：“Prototype of the concert recording setup”。

从像素可见，仿真头左侧耳廓前方夹着骨传导耳机，耳甲旁贴着圆形接触拾音片，耳道口插入黑色测量管。这对应原文的记录法：仿真头录声学加穹顶，接触话筒在耳位录耳机。解释是该录音只能近似现场，耳机漏出的空气声、佩戴松紧与个人头型都会改变重放，时间点可用于复述结构，不能当成声压级的定量证据。

为核对演出规模与信号路由，把原文连续句覆盖的数字整理成下表。表前问题是：观众是否人人都得到可调的第二层。公平条件是同一无线立体声链路，指标方向是可调且可比响度。

表后解释：主要收益是流程可执行，听众自调音量兼顾舒适与可比性。代价是自调带来版本分化，位置与头朝向不同则体验不同，这正是吉罗奈说的邻座好奇。未评测边界是听众问卷与访谈缺席，作曲家意图是否到达听众仍待验证。资源状态依据本次校验为可用，可写当前已公开。

层间手法：轨迹、突变与时间差如何被听见？

手法分 3 组。第一组是层间轨迹与突变。吉安尼尼在 1 分 24 秒左右用频谱丰富的弹跳声在耳机与穹顶之间交叉淡化，因重复击奏易定位，只用单侧耳机通道、穹顶用点状定位，作曲家报告听到从穹顶向耳朵延伸的路径与中间幻影。在 3 分 29 秒把同一声音在方位差 180 度的两点状源之间急速交替，慢速时是远近跳，高速时变成频谱空间质感，类似高频空间运动与幅度调制的边带效应，4 分 22 秒两声保持对置做相干旋转。

第二组是微偏置与延迟。达拉拉-马耶克用层间时差把关系从同时变为合唱再变为回声，水声段用手调速度渐变，晶体声段用预设五档实现。蒂博与莱萨·卡塔朗给耳机与穹顶各挂不同延迟线，15 分 45 秒左右现场打击手势与两层不同延迟回答构成空间复节奏，迷人但迷向。蒂博还给耳机加延迟以对齐穹顶，但效果仍需进一步检验。达拉拉-马耶克提出小房间同时性清晰、大厅穹顶层感觉更晚，吉安尼尼在工作室未觉系统偏置，说明时差可能是上下文依赖。

第 3 组是加倍与跨层处理。吉安尼尼的垫底加倍产生类似相位镶边着色，转头更明显。蒂博一组的策略是声学原声与跨层扩散共存，生熟变换并置。吉罗奈把手持话筒声送耳机、加轻混响送穹顶，制造既贴身又在场的双重归属。这些手法共同的听感目标是让归属不确定：听众一会儿觉得声音在头内，一会儿觉得在远处，转头与走动都会改写答案。

若拿掉一层或换一种做法，音乐会怎样变化？

论文没有机器消融，但有多组可复述的对照。第一组是材料与层的配对交换。达拉拉-马耶克报告把手势型断奏放耳机、持续长音放穹顶更成立，交换角色则说服力下降。这支持中频细节前景化与房间混响托底的分工，但仅是作曲家报告，可能待验证。第二组是声级阈值。

耳机超过某点就盖过穹顶，无论设计的是融合还是对比，说明层间关系首先是响度关系，其次才是音色关系。第 3 组是场馆尺度。小房间调好的同时性与掩蔽到大穹顶翻转，说明排练室结论不可直接迁移。

失败条件也要如实写。低频进耳机很快从听觉变触觉不适，作曲家用高通与上限声级处理，更强振动伴随不适与偶发失真。长时间戴机出现疲劳，需要中断或改监听方式。打击乐依赖的自然混响在穹顶不足，声学扩散受挫。信息过载时 3 位作曲家都选择删事件、放慢速、拉长音。这些不是边角料，而是该系统的核心约束：表达力往往在细微处，粗暴加料只会更快饱和。

还有一类反证是听众差异。同一时刻因位置、头朝向与自选音量而不一致，论文不把这当误差，而是当作多义性资源。但这也意味着任何声称人人都听到同一轨迹的表述都过强。复述时应说作曲家报告听到路径或幻影，而不是断言听众普遍听到。

哪些结论只是假设，边界在哪里？

边界第一条是方法边界。论文明确说第 5 与第 6 节的感知观察应理解为作曲家报告的经验与假设，而非实验验证的感知发现，需要更大样本的感知研究检验泛化。问卷只发给 5 位作曲家，分析由 1 位作者归纳，虽有主题收敛，但仍是自述视角。听众端没有问卷或访谈，作曲意图是否转化为听众体验未知。

边界第二条是测量边界。耳朵均衡是耳朵拧出的个人模板，没有仪器曲线与重复性数据。时间对齐有人加延迟、有人未觉偏置，补偿有效性未系统评估。头部相关传递函数变化、耳机空气泄漏、头锁定与房间锁定的分歧，都是假设性解释，原文用可能与有待进一步研究措辞。引用时应保留报告、支持、可能 3 级语气，不把相关当因果。

边界第三条是舒适与安全边界。低频振动、极高频刺耳感、长时间疲劳都被报告，演出中听众初次接触骨传导、事先不知声压，强振动可能更不适。论文把振动感知当作耳机声级的实际上限，这是实践智慧，但未给出声压与振动级的定量限值。教学中不要承诺该系统改善清晰度、延迟或成本，原文未测量这些量。

要复现这场混合音乐会，先做什么？

先做三件准备。第一是拿到同型号骨传导耳机并全程双层试听，从最早探索就把耳机与穹顶一起接上，不要先在立体声里写完再移植。第二是搭最小可运行链：无线立体声送耳机、单声道质感送穹顶、双耳左右运动信号做校准，演出前引导听众调到响度可比，并加做先后呈现同一声音的精调。第三是建记录链：仿真头加耳道话筒录房间层，耳位接触话筒录耳机层，2 流分开存再混合发布，以便他人按时间点核对。

作曲起步建议按论文的减法走。先定频带分工：耳机取中到中高频，穹顶留两端，低频一律先高通。再定层关系：选一段水声或垫底音做双层齐放，试融合，再加 5 到 50 毫秒微偏置听合唱感，再拉长到数百毫秒听回声感。再做轨迹：用易定位的重复击奏做耳机与穹顶点之间的交叉淡化，只用单侧耳机，穹顶用点定位，慢速先行。最后才加突变交替与对置旋转，并把交替速率现场可调。

场馆时间必须足量。至少留 1 次在穹顶的重校准：重做响度匹配，重测高架与耳平扬声器的掩蔽，重听大距离下的到达感。若打击乐依赖自然混响，先测厅堂混响是否足够，不够就改写扩散策略。人员上需要前台协助佩戴，演出中有人看无线与音量求助。数据上把录音传到可公开仓储并给出时间索引，本文仓储当前可用，可作为对照锚点。

何时值得尝试这种双层现场？

当你的音乐问题本身就是距离问题时值得尝试：想让一句台词只属于某个人，又想让叹息属于全场；想让笔触的颗粒只在耳边可闻，又想让鼓的重量压满穹顶；想让观众好奇邻座听到了什么版本，并把这种好奇写成形式。这时骨传导耳机与穹顶阵列的组合给出新语法：手势映射空间、走动改写声像、转头揭露层差、声级细调即作曲。

当你的约束是保真还原或统一体验时要谨慎。该系统天然制造版本分化，不适合要求人人听到同一混音的场景。当排练只能在小房间、演出却在大穹顶，且没有场馆重校准时间，也应推迟尝试。当听众对振动敏感、佩戴时长很长，或节目以极低频与极高频为主，需要重新设计材料，否则舒适度先崩。

回到中心矛盾：亲密与广袤不是二选一，而是同一声音在两种尺度之间的可写路径。论文的贡献是把这条路径变成可操作的步骤与可核对的记录：同型号耳机、双信号校准、频带分工、加倍与延迟、走动与手势、双流录音。若补上听众问卷、仪器级频响与延迟测量、个性化多流耳机实验，这条路径会更坚实。初学者复述时记住一句话：耳机说悄悄话，穹顶说大合唱，作曲写的是话在两者之间怎么走。

📐 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。

另有 3 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