Максимальна затримка звуку, перш ніж плеєр помітить?

Зважаючи на якусь подію в грі, яка максимальна затримка для створення звуку, що програвач належним чином асоціює звук із цією подією (а не сприйматиме відставання)?

Наступний результат обчислюється для синхронізації губ, що вважається "найбільш помітною помилкою синхронізації / v" .

У Вікіпедії йдеться

У телевізійних програмах аудіо повинно вести відео не більше ніж на 15 мілісекунд, а аудіо - на відстань не більше ніж 45 мілісекунд. Для фільму прийнятною синхронізацією губ вважається не більше 22 мілісекунд в будь-якому напрямку.

Про це говорить лабораторія сприйняття засобів масової інформації та акустики

Результати експерименту визначили, що середній пороговий рівень аудіосигналу для виявлення синхронізації в / в становив 185,19 мс, зі стандартним відхиленням 42,32 мс.

Про це говорить ATSC

На перший погляд це здається вільним: від +90 мс до -185 мс як "Вікно прийнятності"

і

• Невизначити від -100 мс до +25 мс
• Визначити при -125 мс та +45 мс
• Стає неприйнятним при температурі -185 мс та +90 мс

(- Звук затриманий, + звук розширений)

Прийти до висновку

Результати не так далеко один від одного. Мабуть, максимальна прийнятна затримка становить близько 150 мс, що становить 9 кадрів при 60 кадрах в секунду.

Це залежить від події

Відчуваючи, що, скажімо, вибух, який ви бачите і чуєте - це єдина подія, будуть допущені допуски, описані в інших відповідях - не більше ~ 50 мс; деякі люди можуть бути більш чутливими (наприклад, музиканти), тому я б запропонував орієнтуватися на 30 мс або не більше 2 кадрів зі швидкістю 60 кадрів в секунду.

Я вважаю, що сприймається відстань має впливати на ці допуски. Люди очікують, що далекі звуки будуть трохи затримані, оскільки в реальному житті звук відстає від зору приблизно на 1 мс на кожну фут відстані. Таким чином, вибух на зменшеній грі RTS 'карта' може мати більшу толерантність до звукового відставання, ніж гравець, який стріляє власним пістолетом у FPS.

Спеціалізовані випадки, такі як належне відчуття музики / ритмічної гри, можуть вимагати набагато жорсткіших допусків, 15-20 мс і навіть нижче - наприклад, якщо гравець чує як "вхідні дії", такі як спів у мікрофон чи стук пластичний інструмент, а також звук, що створюється вашою системою для тієї ж події, то відставання 50 мс призведе до дивного змішування "оригінальних" та "зіграних" звуків.

Крім того, пам’ятайте про відставання між початком аудіофайлу та «подією» всередині цього аудіофайлу - у багатьох аудіокліпах «подія» не буде прямо на краю, у вас може з’явитися звук блискавки страйк, де «удар» трапляється через 200 м після початку, що було б очевидно для всіх, і майже всі звукові файли, навіть ударні, будуть мати певну затримку.

Не вимірюйте середні показники - подивіться на найгірший випадок

Зір і слух глибоко пов'язані у сприйнятті людини, і якщо один з них заїкається відносно іншого, то це буде помітно. Не нормально, якщо більшість часу це дуже швидко, але іноді виникає затримка на 0,2 секунди, коли щось завантажується - люди помітять подібні ситуації. Ось чому аудіо часто працює в окремому потоці, ізольовані від інших видів діяльності та отримує швидке повідомлення про те, які попередньо завантажені кліпи слід відтворювати.

Будь-яка ситуація, коли гравцеві видають звук (музичні ігри, гармати у FPS), знадобиться дуже низька затримка, оскільки гравець надіслав імпульс, щоб це відбулося в той момент, так що, коли музикант, чуючи, що їх інструмент затримується, буде особливо відомий дуже малих затримок. Звукоінженери хвилюються про затримки запису нижче 5 мСек, що руйнує "паз"

Журнал Американської академії аудіології стверджує, що люди (а не лише музиканти), слухаючи власний голос із затримкою, знають про затримки, що становлять 3 мсек., А затримка довше 10 мсек була заперечною 90% часу.

Люди використовують часову затримку між вухами для спрямованої інформації, і, таким чином, вони повинні мати можливість обробляти та витягувати інформацію із затримок, що не перевищують 1мс

185,19 мс, цитований вище, не має значення, оскільки йдеться про провідну звукову помилку і, як би там не було, те, що люди вважали прийнятним під час пасивного перегляду фільму, не активно займаючись грою.

Тут прийнята відповідь головним чином обговорює сприйняття звукової синхронізації при пасивному перегляді відео. У цих випадках аудиторія не може легко визначити, коли саме звук повинен відтворюватись, за винятком відвідування рекламних знаків у відео. Це означає, що вони обмежені в очікуванні звуку.

Є два важливі випадки в іграх, коли це припущення з низьким очікуванням не виконується:

1. Коли гравець сам викликав звук (як вказує SamB), то з моменту, коли вони формують намір натиснути кнопку, вони точно знають, коли очікують почути звук.

2. Коли звук повинен приземлятися на періодичний ритм , як у музичних іграх або що-небудь із тикаючим таймером / лічильником, цей ритм дозволяє гравцеві передбачити наступний звук і помітити, якщо гратиме поза часом.

У цій розмові від GDC 2013 Матьє Павоау стверджує, що гравці можуть сприймати відмінності в точності синхронізації вище приблизно 5 мс , що набагато менше прощає, ніж пропонують приклади синхронізації губ. Перегляньте розділи "Приклади сприйняття часу" та "Приклад ігор Ubisoft", щоб дізнатися про це самостійно. Ви можете почути, що меню Rayman Origins не звучить "мляво", коли воно синхронізоване в межах 16 мс (відеокадр), але при синхронізації в межах 5 мс звучить помітно краще і жорсткіше.

Pavageau прихильники використовують низький рівень звукового зворотного дзвінка, щоб отримати таку точність підкадрових кадрів, якщо ви хочете, щоб ритмічний геймплей цього типу був жорстким.

Для ігор, які вимагають від людини реагування на аудіосигнали, кожна мілісекунда, через яку звук затримується, призведе до того, що реакція людини також затягується. Хтось, хто просто переглядає фільм чи знімок сцени, може не помітити занадто багато, якщо аудіо та відео не синхронізовані, але часто важливо, а іноді і критично, щоб звук синхронізувався з тим, що очікується робити плеєр .

Теоретично все, що перевищує 50 мс, може бути помітним, якщо мова йде про асоціацію до фотографій, в 25 мс ви можете почати чути звук та його затримку як два відокремлених звуку, тому я б сказав, що я настійно рекомендую вам залишатися менше 50 мс, і якщо ви Можна навіть зупинитися на чомусь від 5мс до 15мс, це було б дуже добре.

Сподіваюся, це допоможе тобі!

https://en.wikipedia.org/wiki/Delayed_Auditory_Feedback