耳機并不是什么新鮮發明。可為什么整個錄音行業還是以音箱為主呢？
通常，錄音過程的麥克風需要放置在被錄制樂器的近場附近。目的是為了盡可能的避免房間反射對錄音的影響。也許有人會疑惑，反射聲明明是形成聲場的重要條件，為什么不直接錄下來呢？
這是因為在房間內相同位置，麥克風所錄制的反射聲與人主觀所聽到的反射聲是不同的。
最典型的例子，如果你在房間中平時聽音的位置用麥克風錄音，那么即便用耳機這種無反射聲的設備回放，聽起來也和你真的坐在那個位置有很大不同。尤其是距離稍微遠一點的情況下。很容易發現，錄出來的聲音可能是渾濁的或者有很明顯混響的。但實際坐在那個位置聽卻并沒有這么嚴重的問題。
這就是人類聽覺系統的高級功能——聽覺適應。
所以想靠麥克風簡單直接的錄制反射聲給耳機聽，是有悖于人類聽覺系統的。只有在無反射的環境下，才會避免這個問題。有時確實可以用定向麥克風對聲音進行遠場錄制，但是也就損失了很多反射聲的信息。造成這樣現象的一個因素可能與采用麥克風對反射聲進行錄制沒有經過HRTF濾波有關。
所以一些人會想能不能用人頭錄音。但是人頭錄音，人頭本身的HRTF可能與聽音者存在差異。這種差異也許對音色的影響是至少是可以接受的。但對于空間印象的影響有時是毀滅性的，和真正在空間中聽到的聲源有較大不同，甚至有時會產生更強烈的頭中效應。有一種解釋是因為大腦識別到了不屬于自己頭部傳遞的聲音，從而產生了“排斥反應”。
除此之外，人頭錄音還有一個致命缺點。也就是人頭錄音只能錄制兩個聲道，所有的樂器和人聲在左右聲道都混在一起。這對于錄音師調音簡直是災難。因為很難把各個音源的錄音通過算法解包裹到可以較好混音的地步。很多錄音原始音軌都有十幾個至幾十個之多，一個樂器可能采用多個麥克風。錄制不同的樂器和人聲通常也要采用不同的麥克風。
并且，即便是人頭錄音能夠給耳機帶來更好的空間印象體驗。所謂聲場的功勞也在于錄音方法而不是耳機。而音箱向空間中發射聲音并經過反射的特性與現實世界中的音源是一致的。只不過指向性可能有所不同。
所以人頭錄音基本上被淘汰了。可能比較流行的也就是ASMR主播。即便是針對耳機的錄音，目前也是采用混音算法。
而如果采用近場錄音而用耳機完成全部混音工作。就又必須回到關于算法的問題上。而且這個算法要模擬錄音師在音箱混音上的實時精確效果。以克服耳機與現實世界聲源在聲學原理上的差異。
所以整個錄音行業，采用了幾十年的近場錄音+音箱混音，是有其深層次的聲學和心理聲學原因的。
