先说那个反复出现的事故
画面缝得上，声音缝不上。
这是 VR 全景项目里最常回来的返工。一组 360 画面在拼接软件里过了，缝线检查也过了，导出，头显里转头一圈——说话的人在左边，画面里的嘴在右边。客户不会评价你的画质，他只会说一句这声音不对劲。这种单子一年碰上四五回。
双耳麦的间距不是随手量的
最常见的双耳拾音做法，是拿一对心型指向的电容麦用细杆撑开，两边各偏 15 度。这个间距靠手感定？不行。我们一般拿头模量，从一侧耳廓中心量到另一侧，17.5 厘米，上下高度差控制在 2 厘米以内。少 2 厘米几乎听不出来，超过 5 厘米，戴头显的人转头时会明显感到整个声场在缩。
麦克风挂在多高也是个数
杆长定下来还要定离地高度。一个 1 米 7 的人，耳廓中心大约在离地 1 米 65。
我们把杆子做成可调的，现场按人调，而不是按机器的默认位置调。有一段项目图省事，杆子固定在 1 米 4，声音录回来偏低，说话音像从胸口出来的，人一蹲下去，方向感跟着往下掉。
声像漂移是从哪儿冒出来的
两个麦的指向角不对，漂移；两根线缆长度差太多，漂移；声学反射没处理干净，还是漂移。还有一条最容易漏——录音和画面的时间基准不一致。先录声音，隔 20 分钟再合轨，人早就在场地里挪了位置，声像自然对不上。我们现在的规矩是声画同录，不许分时段。
参考声丢了，后期只能猜
现场要在每个机位播一段 12 秒的参考声：正面、左、右各念一句固定的话，再拍一下手。这东西拍摄时占不到两分钟，缺了，后期就只能靠 HRTF 硬掰。掰出来说不上错，就是哪儿都不太对。
那次的账我算给你听
去年一个展厅项目，48 个机位，全景和三维模型都做得挺漂亮。剪到第五天发现参考声只剩 11 个机位有，还都串在别的通道里。补录的代价是场地两天、人手两天，加急重新混音 3200 元。客户那边延后上线，损失比费用大得多。这条规矩是拿一次返工换来的——现在我们把参考声当和画面同级的交付项写进检查单，缺一条不收工。
球麦那一路怎么接
混着录的话，两套系统会互相干扰。
双耳麦杆架在胸前高度，球麦挂在头顶 30 厘米处，两者指向差开 45 度，别让球麦直接吃到嘴部的气流声。现场噪音大的厂房，我们会把双耳麦的挡风毛套全上，毛套一挡低频衰减明显，20 Hz 到 100 Hz 会掉一截，后期得补 EQ，这一条要提前跟客户说清楚，不然他们会觉得声音薄。
要做 Ambisonics，一般用四通道一阶球麦，四个声道对应前、右后、左后、上方。一阶在垂直方向分辨率偏弱，人站着说话时上方声像会漂。预算够就上二阶，六个麦克风挤在一个 20 厘米直径的球壳里，通道翻倍，文件体积也翻倍。一套 48 kHz / 24 bit 的四声道素材，单机两小时占 3 GB 上下，五台同时录要备 30 GB 以上的卡。
HRTF 能救多少
HRTF 校正修的是整体倾角、前后颠倒这类系统性问题，它修不了一间房的反射特征。说白了，戴耳机听挺像那么回事，一旦把这段音频搬到客厅音箱上放，虚拟感立刻就没了。所以我们交付时一般会附一份没过 HRTF 的干净版本，给需要重新做空间化的后期。
走动的声音最难处理
人在场景里走，脚步声和说话声的方位是持续变化的。
这类素材我们的办法是分段标定，每走动一段就在终点补一次参考声。听着笨，但后期对齐的成功率能上到八成以上。完全不管的话，转身那一下基本是错的。
还有一个土办法：录音师自己站在场地中央，跟麦说一串话，同时用力拍手，让后期能拿拍手声当时间锚点。拍手声在 48 kHz 采样下波形特别尖，软件里一搜就是，比对时间码还快。这招是老现场流传下来的，我们一直没丢。
收工前我们自己先跑一遍
戴头显绕一圈听左右有没有反；站到场地中央，看画面有没有明显比声音慢半拍；再把渲染好的文件拿到另一副头显上重试一次，不同型号解出来的方位有时会差几度。我们的验收标准就一条：观众不该意识到声音是录的。
