听音训练手册：音频制品与听评 79

文本阅读：
　　34软件训练模块59
　　隔，如图13所示）由于扬声器箱间距和双耳声音定位能力属性的原因，后方声像一般都不会很稳定。进一步而言，这对于产生将前方声像与后方声像联系在一起的幻象声源是个挑战。混响可能会有助于在扬声器箱之间的空间上建立起幻象声像。
　　34软件训练模块
　　本书所含的软件训练模块是用来帮助对人工混响的微小细节和参量进行听音练习的，而非对房间声学感知的训练。虽然通过使用这一系统获得的能力可能会对声学特性的感知有所帮助，但是如何将这一能力移植到另一场合还不是很清楚。大部分常用的数字混响算法都是在施罗德（Schroeder）开发的模型之后利用梳状和全通滤波器的各种组合来实现的，尽管这些算法有高效的计算能力，并提供了许多可控的参量，但是它们并不是能体现真实空间声音特性的物理模型。因此，它们不可能保证人工混响中诸如衰减时间这样的参量与在真实的空间中的这些参量一致。如今对于给定的人工混响算法的混响衰减时间（RT60）如何与真实房间的声音衰减时间紧密联系在一起还不是十分清楚。例如，虽然不同人工混响单元或者插件的衰减时间为155，但是感知到的衰减时间可能并不一样。更进步而言，混响时间有时取决于算法中其他参量的设置。始终不能十分清晰地断定为何像"空间大小（Size）"这样的其他控制参量会产生如此影响，或者为什么它们可以影响对衰减时间的感知却没有改变显示出的衰减时间。由于感知到的衰减时间会因硬件单元或算法的不同而各异，所以最佳的方法不是知晓绝对的衰减时间，而是要掌握不同的实例间的差异，并能与参量设定进行匹配。无论如何，混响都是可供录音工程师使用的强有力的声音处理工具，和用它工程师可以在缩混时为拾取的声音建立起真实声学空间的听觉印象。
　　正如训练声频工程师识别频谱共振一样，提高对人工混响的细微特性的感知能力同样十分重要。至少有一位研究者已经证明了听音人是可以"学习或认知"给定空间的混响的【希恩-坎宁安
　　（Shinn-Cunningham）2000】。另一项有关识别声音空间属性的工