HRTF: kopfbezogene Übertragungsfunktion prägt das 3D Hörerlebnis

HRTF steht für Head-Related Transfer Function, auf Deutsch kopfbezogene Übertragungsfunktion. Es ist der Filter, den dein eigener Kopf, deine Schultern und deine Ohrmuscheln auf einen Klang legen, bevor er das Trommelfell erreicht — und genau daraus liest dein Gehirn die Richtung. Rechnet man diesen Filter in Software nach, sitzt ein Kopfhörersignal nicht mehr im Schädel, sondern in einem Raum.

Hinweis: Der erste Entwurf dieses Artikels kam aus einer KI und bestand größtenteils aus Füllmaterial. Ich habe ihn neu geschrieben. Die Vorne-hinten-Verwechslung ist der Grund, warum ich mich überhaupt auf 3D-Audio spezialisiert habe, insofern habe ich zu diesem Thema eine Meinung.

Was ist HRTF?

Eine HRTF ist eine richtungsabhängige Frequenzkurve. Ein Klang, der von links oben kommt, wird von Ohrmuschel, Kopf und Oberkörper anders geformt als derselbe Klang von rechts unten, und dein Gehirn hat ein Leben lang gelernt, diese Unterschiede als Position zu lesen.

Bildet man den Filter in Software nach, lässt sich eine Monoquelle an jede Position um einen Kopfhörerhörer setzen. Das ist die gesamte Grundlage binauralen Renderings.

Was bedeutet HRTF einfach erklärt?

Es ist der akustische Fingerabdruck deines eigenen Körpers. Zwei Menschen, die denselben Klang aus derselben Richtung hören, bekommen leicht unterschiedliche Signale ans Trommelfell, weil ihre Ohren unterschiedlich geformt sind. Die HRTF ist die Beschreibung dieses Unterschieds.

Warum klingt Musik über Kopfhörer wie im Kopf?

Weil der Kopfhörer den Filter überspringt. Der Ton geht direkt in jeden Gehörgang, ohne die Ohrmuschel zu passieren und ohne eine einzige Raumreflexion. Zwei der Hinweise, die dein Gehirn braucht, fehlen schlicht, also entscheidet es sich für die einzige Position, die zu dem passt, was ankommt: zwischen deinen Ohren.

HRTF-Verarbeitung setzt die fehlenden Filter wieder ein. Das holt das Klangbild aus dem Kopf heraus in einen Raum. Der schwierige Teil ist, das zu tun, ohne die Klangfarbe zu zerstören, und daran scheitern die meisten Umsetzungen.

Die drei Hinweise, und warum vorne der schwierigste ist

Dein Gehirn ortet mit drei Informationen:

Jetzt setz einen Ton genau vor dich. Er trifft beide Ohren im selben Moment und mit demselben Pegel. Keine Zeitdifferenz, keine Pegeldifferenz. Zwei der drei Hinweise sind weg, und du ortest allein über die HRTF.

Deshalb ist frontale Lokalisation schwach: Du arbeitest mit einem Drittel der üblichen Hinweise. Und weil eine gerechnete HRTF auf eine durchschnittliche Kopfgröße ausgelegt ist, ist selbst dieser eine verbleibende Hinweis nicht auf dich abgestimmt.

Vorne-hinten-Verwechslung, und was sie wirklich löst

Selbst bei echtem mehrkanaligem 3D-Audio kann unser Gehör vorne und hinten schwer unterscheiden. Der Hauptgrund ist die generische HRTF beim Rendering. Personalisiertes 3D-Audio verbessert es, löst es aber nur näherungsweise.

Sobald man den Kopf leicht dreht, versteht das Gehör die Position aber sofort. Die winzigen Änderungen in ITD, ILD und Filterung, die eine Kopfbewegung mitbringt, lösen die Mehrdeutigkeit in Sekundenbruchteilen auf. Dieser Effekt hat mich so fasziniert, dass daraus ein Beruf geworden ist.

Verwandt und einen eigenen Blick wert sind die Blauertschen Bänder, die beschreiben, welche Frequenzbereiche unser Gehör mit welcher Richtung verknüpft.

Ist Head-Tracking wichtiger als eine personalisierte HRTF?

Ja, und das widerspricht dem Marketingfokus der Hersteller. Personalisiertes HRTF feilt an der Lokalisation. Head-Tracking hat den weit größeren Einfluss auf den wahrgenommenen Realismus, denn ohne Head-Tracking bleiben Klänge am Kopf fixiert statt an der Umgebung. Das fühlt sich unnatürlich an, und Vorne-hinten-Verwechslungen häufen sich, weil dem Gehirn die bewegungsbasierten Hinweise fehlen.

Ein gut umgesetztes Head-Tracking gleicht viele Ungenauigkeiten einer nicht perfekt passenden HRTF aus. Umgekehrt gilt das nicht. Eine perfekte HRTF rettet kein statisches Klangfeld.

Wie HRTFs gemessen werden

Drei Wege, mit absteigendem Aufwand.

Kunstkopfaufnahme. Ein binaurales Mikrofon in einem nachgebildeten Kopf nimmt die Filterung direkt auf, ganz ohne Rechnung. Die Einschränkung: Der Kunstkopf hat eine generische Kopfgröße, deshalb funktioniert er für manche Menschen besser und für manche schlechter. Vergleicht man ein Stereopaar mit dem Kunstkopf, finden einige den Unterschied riesig und andere hören kaum einen. Es hängt wirklich von der Person ab.

Individuelle Messung. Mikrofone in den eigenen Gehörgängen, ein Lautsprecher, der im reflexionsarmen Raum Hunderte Positionen abfährt. Genau, langsam, und für Endkunden nie realistisch.

Photogrammetrie. Ohren fotografieren oder scannen und ein Modell daraus ableiten. Diesen Weg sind die Consumer-Produkte gegangen.

Wer personalisierte HRTF anbietet

Apple war nicht der Erste. Genelec hat mit Aural ID als erster eine Pipeline entwickelt: Man macht Fotos und Videos seiner Ohren, schickt sie ein und bekommt ein 3D-Modell als SOFA-Datei zurück, die sich mit Plugins in der Workstation nutzen lässt. Embody IMMERSE setzt auf Games und den 5.1-Sound, den die meisten Spiele nutzen, erlaubt Head-Tracking über die Webcam, hat Presets für Logitech-Headsets und wurde für Profis in Steinbergs DAW integriert. Dolbys Personalized Rendering erlaubt Mischern, räumliche Mischungen über Kopfhörer mit personalisierter HRTF zu machen. THX hat 3D-Audio- und Personalisierungstechnologien von VisiSonics lizenziert. Sonys Kopfhörer-App verlangt Fotos beider Ohren und optimiert damit 360 Reality Audio, etwa für WH-1000XM4 und WF-1000XM4.

Und die Urväter: Crystal River Engineering baute in den Neunzigern den convolvotron, ein HRTF-basiertes räumliches Audiosystem für die NASA.

Mehr dazu unter Personalized Spatial Audio.

Bringt Personalisierung wirklich etwas?

Weniger, als das Marketing nahelegt. Es gibt keine universelle HRTF, die für alle gleich gut funktioniert, deshalb erforschen Firmen dynamische oder KI-basierte Auswahl. Die Personalisierung steckt aber noch in der Entwicklung, und viele Nutzer können in gewöhnlichen Hörsituationen zwischen einer allgemeinen und einer personalisierten HRTF nicht ohne Weiteres unterscheiden.

Über Geräte hinweg wird es noch unübersichtlicher: Apple, Samsung und Ceva nutzen unterschiedliche HRTF-Datenbanken, was zu uneinheitlichen Erlebnissen führt, je nachdem welches Telefon und welche Ohrhörer gerade im Spiel sind. Wie sich das aus Herstellersicht darstellt, steht in meiner Fallstudie zur Audio-Beratung für immersive Kopfhörer-Produktentwicklung.

Mein Bild dafür ist die Suche nach dem perfekten Schuh. Alle HRTF-Daten beruhen bisher auf Durchschnittswerten: Ingenieure haben viele Köpfe und Ohren vermessen und daraus ein Modell erstellt, das möglichst vielen Menschen nahekommt, im Grunde ein virtuelles Kunstkopfmikrofon. Die Chancen stehen also gut, dass es für dich funktioniert. Wer aber einen besonderen Kopf hat, für den funktioniert die Technik nicht wirklich gut, weil die physischen Ohren zu stark von den gerechneten Zahlen abweichen.

Praktische Einstellungen

Nimm Kopfhörer, deren Klangfarbe du kennst. HRTF-Verarbeitung kann keinen Kopfhörer mit wildem Frequenzgang reparieren, denn der Filter setzt einen einigermaßen neutralen Ausgangspunkt voraus.

Schalte alles andere ab. Jeder zusätzliche Verbreiterer, jede Raumsimulation und jede 3D-Verbesserung in der Kette kämpft gegen den HRTF-Renderer. Zwei gestapelte Spatializer ergeben ein verschmiertes Bild, kein besseres.

Aktiviere Head-Tracking überall dort, wo der Inhalt an ein Bild gebunden ist. Für Film und 360°-Video ist es die größte verfügbare Verbesserung. Bei Musik zählt es deutlich weniger, weil der Mix ohnehin für eine Hörposition gemacht wurde.

Häufig gestellte Fragen

Soll ich HRTF aktivieren?

Bei Spielen, Film und allem mit Bild ja. Bei Stereomusik ausprobieren und pegelangeglichen vergleichen, denn ein guter Teil der scheinbaren Verbesserung bei solchen Schaltern ist schlicht mehr Pegel.

Was ist eine kopfbezogene Impulsantwort?

Dieselbe Information im Zeitbereich. Die HRIR ist das, was ein Knacken nach dem Passieren von Kopf und Ohren ist, die HRTF ihre Darstellung im Frequenzbereich. Renderer falten Audio mit der HRIR.

Was ist HRTF-Lokalisation?

Einen Klang an eine gewünschte Richtung setzen, indem man ihn mit der HRTF für diese Richtung filtert, sodass das Gehirn ihn als von dort kommend liest.

Warum ist HRTF in VR und Gaming so wichtig?

Weil sich der Hörer in VR bewegt. Positionen müssen laufend gegen die Kopforientierung neu berechnet werden, und das geht nur mit einem Filtermodell, nicht mit einem fertigen Mix. Deshalb bekommt personalisiertes 3D-Audio in Spielen mehr Aufmerksamkeit als in der Musik.

Funktioniert HRTF über Lautsprecher?

Nicht direkt. HRTF-Rendering setzt voraus, dass das linke Signal nur das linke Ohr erreicht. Über Lautsprecher hört jedes Ohr beide Kanäle, was den Effekt aufhebt. Crosstalk Cancellation versucht das mit einem gegenphasigen Signal auszugleichen und funktioniert in einem engen Sweet Spot.

Warum beeindruckt eine Kunstkopfaufnahme manche Menschen und andere nicht?

Weil sie eine generische Kopfgröße hat. Liegen dein Kopf und deine Ohren nahe am Modell, ist der Effekt dramatisch. Wenn nicht, hörst du ein breites Stereobild und sonst wenig.

Lass uns über dein Projekt sprechen

Du baust etwas, bei dem das räumliche Bild über Kopfhörer tragen muss und nicht nur in der Demo?