耳机并不是什么新鲜发明。可为什么整个录音行业还是以音箱为主呢？

通常，录音过程的麦克风需要放置在被录制乐器的近场附近。目的是为了尽可能的避免房间反射对录音的影响。也许有人会疑惑，反射声明明是形成声场的重要条件，为什么不直接录下来呢？

这是因为在房间内相同位置，麦克风所录制的反射声与人主观所听到的反射声是不同的。

最典型的例子，如果你在房间中平时听音的位置用麦克风录音，那么即便用耳机这种无反射声的设备回放，听起来也和你真的坐在那个位置有很大不同。尤其是距离稍微远一点的情况下。很容易发现，录出来的声音可能是浑浊的或者有很明显混响的。但实际坐在那个位置听却并没有这么严重的问题。

这就是人类听觉系统的高级功能——听觉适应。

所以想靠麦克风简单直接的录制反射声给耳机听，是有悖于人类听觉系统的。只有在无反射的环境下，才会避免这个问题。有时确实可以用定向麦克风对声音进行远场录制，但是也就损失了很多反射声的信息。造成这样现象的一个因素可能与采用麦克风对反射声进行录制没有经过HRTF滤波有关。

所以一些人会想能不能用人头录音。但是人头录音，人头本身的HRTF可能与听音者存在差异。这种差异也许对音色的影响是至少是可以接受的。但对于空间印象的影响有时是毁灭性的，和真正在空间中听到的声源有较大不同，甚至有时会产生更强烈的头中效应。有一种解释是因为大脑识别到了不属于自己头部传递的声音，从而产生了“排斥反应”。

除此之外，人头录音还有一个致命缺点。也就是人头录音只能录制两个声道，所有的乐器和人声在左右声道都混在一起。这对于录音师调音简直是灾难。因为很难把各个音源的录音通过算法解包裹到可以较好混音的地步。很多录音原始音轨都有十几个至几十个之多，一个乐器可能采用多个麦克风。录制不同的乐器和人声通常也要采用不同的麦克风。

并且，即便是人头录音能够给耳机带来更好的空间印象体验。所谓声场的功劳也在于录音方法而不是耳机。而音箱向空间中发射声音并经过反射的特性与现实世界中的音源是一致的。只不过指向性可能有所不同。

所以人头录音基本上被淘汰了。可能比较流行的也就是ASMR主播。即便是针对耳机的录音，目前也是采用混音算法。

而如果采用近场录音而用耳机完成全部混音工作。就又必须回到关于算法的问题上。而且这个算法要模拟录音师在音箱混音上的实时精确效果。以克服耳机与现实世界声源在声学原理上的差异。

所以整个录音行业，采用了几十年的近场录音+音箱混音，是有其深层次的声学和心理声学原因的。