把一个球放进鞋盒里，观察会发生什么。球撞到一面墙，弹向对面的墙，从地板上反弹，擦过一个角落，然后继续运动——每一次撞击都会损失一点能量——直到摩擦力最终让它停下来。如果你能把整个过程放慢，就能在球停下前数到数十次弹跳。
声音在房间里的传播原理完全相同。只不过它以每秒343米的速度传播，会在各个表面上反射数百次，而且永远不会沿单一路径行进。在会议室里拍一下手，会先产生直达波前传到你的耳朵里，随后还有经天花板、地板、每一面墙、桌子、窗户的反射波——每一道反射波到达的时间、方向都略有不同，音色也有细微差别。你的大脑接收所有这些反射信号，将它们融合成一个统一的感知，也就是“这个房间的声音听起来是什么样”。
这种感知就是室内声学。了解其工作原理是掌控它的第一步。
在封闭空间内听到的每一种声音都由三个部分组合而成。它们按先后顺序传来，各自具有不同的特性，也会对你理解语音的清晰度或音乐的丰富度产生不同的影响。
房间内声音的时间线
想象一下在一间中等大小的会议室（长约8米、宽5米、高3米）里单次拍手的这个过程：
0 毫秒——直达声到达听众耳中。这是拍手声最尖锐、最清晰的版本。大脑会锁定它以进行声源定位。
3至8毫秒——天花板的反射声到达（天花板仅比声源和听众高1.5米，因此声程差很小）。一两毫秒内会传来地面的反射声。这些早期反射声会增强直达声，拍手声会比在户外听起来更响亮。
8至25毫秒——一阶墙面反射声首先来自最近的侧墙，随后是远墙，再然后是对面的侧墙。由于不同的墙面材料会吸收不同频率的声音，每一次反射声都带有略微不同的频率成分。大脑会将这些反射声与直达声整合在一起。
25至50毫秒——二阶反射声开始到达。这类反射声经过了两个表面的反射——比如墙面到天花板、地面到远端墙面等。它们的强度比一阶反射声弱，但仍包含有用的声能。这是决定房间清晰度的区间：早期声能相对于晚期声能越充足，房间的清晰度就越高。
50到80毫秒——过渡区。此时反射为三阶和四阶，从多个方向传来。单个反射开始融合模糊。大脑对它们的感知不再是增强，而更像是一种泛化的环境音。
80毫秒及以后——真正的混响。反射声密度极高，形成统计上平滑、呈指数衰减的声场，这就是混响尾音。在经过良好声学处理的会议室中，混响尾音应在400至600毫秒内基本消失；而在未做处理的混凝土房间中，混响尾音可能会持续2至3秒。
直达声
直达声是从声源沿直线传播到听众的波前。它最先到达，携带着原始信号最纯净的版本——语音中最清晰的辅音，音乐中最鲜明的瞬态信号。
直达声遵循平方反比定律。每一次你与声源的距离加倍，声压级就会下降6dB。在距离扬声器1米的地方，你可能测得70dB；2米处为64dB；4米处则是58dB。这就是为什么礼堂前排能清晰听到演讲者发言，而后排却倍感吃力——直达声传到后排时已经损失了12到18dB，此时反射声和背景噪音就开始占据主导。
在一个小房间里——比如一间30平方米的会议室——直达声的传播路径可能只有2到4米。而在一个有2000个座位的音乐厅中，直达声传播路径可达30米甚至更远。直达声能量与反射声能量的比值，是决定一个房间的声音是清晰还是浑浊、亲切还是遥远的最重要因素之一。
早期反射声
直达声到达后，首次反射会在约5至50毫秒内出现。这些是经过一到两个表面反射的声波——经天花板的一级反射、经墙面再经地面的二级反射。由于它们的传播路径比直达声稍长，因此会晚几毫秒到达。
人类的听觉在此展现出一项非凡的能力。如果反射声比直达声晚到约30至50毫秒，且其声压级没有明显更高，大脑就不会将其视为独立的回声。相反，大脑会将反射声与直达声融合，使合成后的声音听起来更响亮、更饱满。这一现象被称为哈斯效应，也叫优先效应。大脑会以最先到达的波前来判断声源方向，并将早期反射声整合进来作为声音的增强。
这就是音乐厅设计师刻意塑造天花板和侧墙形状的原因，目的是将强烈的早期反射声传递给观众。在15至25毫秒内到达的恰当反射声，能在无需额外扩音的情况下，提升听众感知的音量并带来空间包围感。
但早期反射声也可能引发问题。若一个较强的反射声在30至50毫秒内到达——恰好处于哈斯效应的临界值附近，它便会开始在听觉上与直达声分离。在语音中，这会表现为辅音出现轻微的模糊。在教室或法庭这类每个音节都至关重要的场所，不受控的早期反射声是导致语音可懂度下降的主要原因之一。
房间的几何形状决定了早期反射声的出现时间。在天花板较低的狭长房间里，天花板反射声会很快到达（5至10毫秒内），能有效增强直达声。而在天花板较高的宽敞房间中，首次反射声可能要到20至30毫秒后才会出现，且其传播方向不仅无法起到增强作用，还可能造成空间听觉上的混淆。
后期混响
大约80毫秒后，单个反射声会变得数量极多、时间间隔极近，以至于无法再区分开来。它们融合成一段平滑、连续的、能量逐渐衰减的声音。这就是混响——也就是你在大教堂里鼓掌后听到的那种呈指数衰减的尾音，或是让弦乐四重奏在设计精良的音乐厅里听来音色饱满的那种绵长的延音。
混响时间（RT60）所测量的正是混响：声音能量衰减60dB所需的时间。一间裸露的混凝土房间，其RT60可能为3至5秒；一间经过大量声学处理的录音棚，RT60可达0.2秒；设计精良的教室，RT60目标值为0.4至0.6秒；而交响音乐厅则追求1.8至2.2秒的RT60。
过多的混响会破坏语音的清晰度。每个音节都会与前一个音节的衰减能量重叠，听众的大脑无法将它们区分开。
研究一致表明，在典型的语音房间中，当RT60超过约0.8秒时，通过语音传输指数（STI）衡量的语音可懂度会降至可接受水平以下。
混响不足会引发另一个问题。房间会让人感觉在声学上毫无生气。扬声器需要更大的功率才能发挥作用，因为房间无法提供声音增强效果。乐手会失去音符之间的连贯感。居住者通常会将混响过度衰减的房间形容为压抑或令人疲惫，即便他们无法准确说出具体原因。
声学设计的艺术在于为每个空间的用途找到恰当的平衡。
