一句话：空间音频（Spatial Audio）是让声音听起来来自三维空间某个方向、而不是“贴在耳朵上”的音频技术；HRTF（Head-Related Transfer Function，头部相关传递函数）是里面最核心的“方向翻译器”。
闭眼听人拍手，你能判断他在左前方。为什么？因为左耳先听到、声音更响；右耳稍晚，被头挡住后高频更闷。耳廓、头部、肩膀还会对不同方向来的声音做不同的反射和散射。这些线索合起来，就是声音的“方向指纹”。HRTF 做的事，就是把这套生理差异测量并建模成一组随方向变化的滤波器：声音从某个角度来，左右耳分别该收到什么样的频响和时间延迟。
可以打个比方：HRTF 像一张“声学地图”。普通立体声只告诉你“左”和“右”；HRTF 想告诉你“左后方 30 度、偏上 15 度”。在耳机上做空间音频，就是先给单声道或对象音频（Object Audio）套上 HRTF，让它带上方向感，再配合头部追踪（Head Tracking），让你转头时声源仍然稳定在原方向，而不是跟着脑袋跑。
和相邻概念的区别也在这：
| 概念 | 定位方式 | 常见场景 | 局限 |
|---|---|---|---|
| 普通立体声 | 左右声道音量/相位差 | 听歌 | 基本在左右平面，难分前后 |
| 多声道环绕声 | 多个实体扬声器摆位 | 家庭影院 | 依赖房间和摆位 |
| 耳机空间音频 | HRTF + 头部追踪 | 耳机观影、VR/游戏 | 通用 HRTF 不匹配每个人的耳朵 |
对 AI 从业者来说，HRTF 的个性化是典型难题：每个人耳廓形状不同，通用模型对某些人“前后不分”。用少量测量、耳廓照片或几何扫描来预测个性化 HRTF，是音频与机器学习交叉的一个方向。对普通人来说，看到“空间音频”标签时，可以留意它是否支持头部追踪、内容是否按对象制作——这些比单纯“更宽”的声场更能决定能否听出“左后方有人”。具体产品支持情况以官方页面为准。