带摄像头的 AirPods，苹果会怎么做出来？

苹果对智能产品的设计，正在放飞自我。 

根爆料，苹果在「未来设备」的规划里，有两个大胆的想法： 

一是带有屏幕的 HomePod 正在研发中，当中将集成 Apple TV、FaceTime 等重多功能；二是配备摄像头的 AirPods，低分辨率的镜头将用来收集周身信息，并通过 AI 处理数据，以此「协助人们的日常生活」。 

两个概念产品目前还处于探索阶段，但我仍惊讶于这种「前卫」的组合，以及一反苹果「简约」的理念，特别是带镜头的耳机，实在有些费解。 

在翻阅相关文献资料时，一份代号为 US11432095B1 的苹果专利文件，似乎能证明「镜头+耳机」这对奇葩组合的可行性。 

虚拟声场，离不开耳机上的镜头 

先说总结，在这份专利文件中，加上摄像头的并非 AirPods (Pro)，而是 AirPods Max；另外，当中涉及的技术也不是新闻中爆料的「AI 功能」，而是已经在 Vision Pro 上初见雏形的空间音频。 

首先，我们要理清一个原理：人是如何辨别声音发出的位置的？ 

两只耳朵在头两侧的布局，除了美观，更重要的作用是让我们拥有了听声辨位的能力。 

在保持同一水平线且轴对称的前提下，尽可能远离彼此，为的就是在听到同一个声源时，每只耳朵接收到的声音信息与另一只都有所差异，主要包括双耳时间差、强度差以及频率差三种，一般的来说这些差异都非常微小。 

以时间差举例，生活中的大部分声音到达两只耳朵的时间都是不一样的，往往只有百微秒左右（眨 1/10 次眼的时间）的差别，我们感知不到，大脑则可以从这些几乎可以忽略不计的声源信息差异中，判断出孰先孰后听见，以此产生了「声音从那里发出」的感觉。 

好比我们启用手表上「找手机」的功能时，耳朵就是通过各种声源差异，才能顺利发现手机掉进了沙发缝里。 

许多电影院和家庭影音设备正是利用了人耳极为敏感的特性，在有限的空间内用多声道的组合，实现环绕立体声，让观影在声音层面身临其境。 

以上的信息包含了两个核心要素： 

1. 人能通过声源信息的差异实现听声辨位
2. 声音从空间中不同位置发出造成了听觉上的差异

这份 US11432095B1 专利文件，就是在解释，苹果如何只通过耳机让用户听到来自四面八方的声音，就像是拥有了一整套环绕立体声设备。 

这项技术，被称为「虚拟声场」。 

拥有虚拟声场的设备能在当中构建若干个虚拟扬声器，通过听声辨位的生理特性，让每个扬声器都放在用户所处空间的固定位置，从而实现「一副耳机就是一套音响」的效果。 

那，摄像头在当中发挥了什么作用？ 

科技博主何同学在 Vision Pro 评测的视频中做过一个实验：把 Vision Pro 的一个应用窗口放在固定的位置后，往远处走了 300 余米再回到原地，窗口的位置几乎没有发生变化。 

如此精准的定位来源于 Vision Pro 前方的视觉定位系统，通过红外线、摄像头等扫描所在空间的物理信息，并记录窗口在重构空间中的物理位置，以此实现了令人惊叹的准确定位。 

AirPods Max 上的摄像头，也是利用相同的原理录入图像信息，再由跟踪处理器实时分析用户的头部位置信息，并且能够使用显示器和周围环境的映射作为参考，来跟踪用户的头部，实现双重保障。 

搭配上 Apple TV 盒子中的摄像头，虚拟扬声器在房间内的位置就能确定下来，若干个声源从放在哪里、从哪发射，都有据可依。 

简言之，镜头让 AirPods Max 拥有了视觉，虚拟声也能接近真实地还原实体音响的效果。 

比起听到，我更愿意说成可以「看到」声音。 

虚拟音响摆在哪、摆几个，都可以由用户自己设置，5.1 或 7.1 环绕声不用再大费周折地添置，甚至还能根据电视尺寸、位置和收听区域（包括房间的几何形状）实时调整；同时用户的坐姿也会影响虚拟音响在声场中的位置。 

专利文件中还说明，在虚拟声场中，可以生成单独的一组一个或多个虚拟扬声器，并将其分配给多个带着相同设备的用户。 

即使两人交换了座位，或是在房间里来回走动，虚拟声场都会根据用户的所在位置，调整每个虚拟音响的音效，使每个音源都能相对使用者保持静止。 

另外，专利当中还对「显示器」做了特别说明，虚拟声场中的观影屏幕，不仅仅局限于传统的电视，而是拥有屏幕或投影的设备都可以实现此类功能，例如笔记本电脑、平板电脑、投影仪、台式电脑屏幕等（需要搭配带有摄像头的 Apple TV 盒子使用）。 

也就是说，你的下一套环绕音响，为何不能是耳机？