This paper explores how vision affects spatial audio perception in virtual reality. We created four virtual environments with different reverb and room sizes, and recorded binaural clicks in each one. We conducted two experiments: one where participants judged the audio-visual match, and another where they pointed to the click direction. We found that vision influences spatial audio perception and that congruent audio-visual cues improve accuracy. We suggest some implications for virtual reality design and evaluation.

Reverb är en effekt brukad inom bland annat musikproduktion för att mixa ljud, som flitigt används och är universellt erkänd som ett väsentligt verktyg. Däremot, inom domänen för röstinspelningar -framförallt radio och podcasts- är användningen av reverb mer begränsad, om inte obefintlig. Hur lyssnaren upplever en inspelning påverkas av efterklangen tillhörande den inspelningen. Alltså upplevs en lång efterklang tillhöra ett stort rum, medan ett mer dämpat ljud med en kort efterklang upplevs som ett litet rum. Ett nyhetsreportage som påminner om akustiken i en kyrka eller för den delen en inspelning i stil av en podcast -utan efterklang- kan upplevas svårt att lyssna på, framförallt med isolerande hörlurar. Många studier har publicerats om konceptet personligt föredragen efterklang för musik, men få finns för talad röst. Därför genomfördes denna studie med avsikt att hitta en konsensus mellan oberoende deltagare. Vilken efterklangstid föredras vid lyssning till en nyhetsrapport? Varje deltagare i studien lyssnade på sju versioner av en och samma röstinspelning i stilen av ett nyhetsreportage. Varianterna hade olika långa efterklangstider, från 0 ms till 800 ms. Därefter betygssatte deltagaren varje version av ljudklippet på en skala från 1 till 100, motsvarande hur nära inspelningen var till en perfekt lyssningsupplevelse enligt deras personliga preferens. Den extraherade datan från undersökningen indikerar en preferens mot lägre efterklangstider för det givna stimulit. Skillnaden mellan lägre efterklangstider visade sig vara mer signifikanta gentemot motsvarande intervall för längre efterklangstider. Den förväntade toppen för preferensbetygen mellan 200 och 400 ms kunde inte finnas, men avsaknaden av den kan till en del förklaras av flera faktorer, såsom: en skiljaktighet mellan ljudklippets och reverbets kvalitet, omfattningen av studien eller det faktum att ett träningsmoment saknades innan studiens start. / The reverb effect in the world of music production is frequently used and universally regarded as an essential tool. On the other hand in the domain of speech recordings -primarily radio and podcasts- is the use of reverberation more limited if even used at all. How the listener percieves a recording is affected by the reverberation of said recording. More precisely, a long reververation can be percieved as belonging to a large room, while a more damped sound with shorter reverberation sounds like a small room. A news broadcast sounding similar to church acoustics or a recording in the style of a podcast -with no room response- can be difficult to listen to, especially for a listener with isolating headphones. Many research articles and studies have been published about the concept of personally preferred reverberation for music, but very few for speech. Therefore this study was conducted with an intent to find a consensus between independent participants. What reverberation time is preferred when listening to a news report? Each participant in the study listened to a set of seven versions of a single voice recording in the style of a news report. The variants had reverberation times spanning from 0 ms up to 800. They then graded the recordings on a scale from 1 through 100 corresponding to how close to an ideal listening experience they had, according to their personal preference. The data extracted from the study points to a preference towards less reverberation time. The difference between smaller reverberation times were shown to be more significant compared to the difference between the same interval at a longer reverberation time. The expected preference-peak at between 200 and 400 ms was not found but the absence of it could be explained by several factors, such as: disparity between the quality of the soundclip and the quality of the reverb effect used, the extent of the study of the lack of a training session for the participants before the start of the study.

One of the mixing engineers most important tool when listening, analyzing and taking decisions is the physical space in which the reproduction system and the monitors are placed. The space needs to fulfill certain aspects to be able to qualify as a control room considered good for taking these decisions. In this study an active listening test was conducted to investigate if the RT60 of the natural reverberation in the room affected a mixing engineers’ decisions when adjusting parameters on an artificial reverb. 16 subjects participated, the subjects adjusted reverb level and reverb time of an artificial reverb in two different acoustical environments, with two different values of RT60. The environments were based on a professional control room made for mixing and mastering. The two values for RT60 was achieved through manipulating the room with diffusors and absorbing material. It was found that the subjects were able to adapt to the different acoustical environments, although other differences were found. The order of the which of the environments the subjects started in and which parameter the subject started adjusting, showed a considerable impact on the result. As well as what kind of factors the subjects considered when adjusting the artificial reverb.

This diploma thesis deals with design and implementation of complex software system for post-production of popular music. The system was implemented as a plug-in module in C++ language using JUCE application framework. The emphasis was on creating a well arranged and intuitive graphic user interface. The plug-in provides a set of audio effects and processors that can be connected into the desired graph structure. For less experienced users, there is a database of preset configurations usable for a variety of input signals.

Målet med detta arbete var att utveckla min kreativitet som gitarrist och inspireras att utforska bortom mina stilistiska gränser. Dessutom ville jag öka min förståelse för olika ljudbilder. En annan tanke jag hade var att undersöka om de dreampop-inspirerade gitarrsounden och spelteknikerna jag använder kan tillämpas på olika låtar och ändå behålla autenticiteten emot dreampop-genren. För att uppnå detta har jag analyserat och plankat gitarrpartierna och gitarrsounden i tio dreampop-låtar. Eftersom gitarrsoundet utgör en betydande del av genrens karaktäristiska element har arbetet fokuserat mycket på ljud och praktisk användning av effektpedaler. Det har innefattat utforskning av olika modulerande effekter och signalkedjor för att förstå i vilken ordning effekterna placeras. För att visualisera signalkedjorna för gitarrstämmorna har jag använt ett tabellsystem. Jag har identifierat fyra gitarrspelstekniker med sina unika ljudattribut som återkommer i de analyserade låtarna. Dessa tekniker och ljud har jag sedan tillämpat på egna arrangemang av befintliga poplåtar. Jag har spelat in ljudexempel av gitarrspelet i de analyserade låtarna och även spelat in mina egna arrangemang där både hela låtarna och separata gitarrspår finns tillgängliga för lyssning.  Arbetet har gett mig en ny förståelse för genrerna dreampop och shoegaze samt en förståelse för gitarrens roll inom dessa genrer. Dessutom har jag fått nya insikter i hur man kan arrangera med stora ljudbilder.