在一个虚拟现实（VR）中，3D 视频和双耳声音是通过VR眼镜和耳机重现的。头的位置和旋转度是实时进行处理的。同样，360度视频也是可以用两耳音频方式重现声音。

如果双耳声音跟随头部的动作进行响应，仿真头制式就不再适用了，因为仿真头制式只考虑一个相对头的角度。取而代之，则采用将下列声音元素分别收集和组合的方式：

• 作为干音的“音频对象”

• 双耳滤波 :“HRTF”（带房间：“BRIR”）

通常“音频对象”是一个有具体距离和3D 方向的单音源，比如VR 视频游戏中的一个角色。它由干音构成， 然后依据它自身的3D 方向经过双耳滤波和房间滤波（双耳化）进行处理。这里的3D 方向是由音频对象的位置以及当时VR 场景内听者的位置及头部旋转角度所决定。

场景声学背景声或称之为“环境声”，是一种很特殊的音源。他即不能以干音录制，也不能被映射为一个单点音源。原则上说，它可以通过将空间内多个音源叠加来制作，但是这样实施起来不是非常困难（例如森林里的树木）就是不太可能（街道上的生活环境声）。

可实行的方法是用由若干个音频对象组成的一组虚拟扬声器重现环境录音。可以在3D 预置中选择这组虚拟扬声器，例如杜比5.1.4 的预设，或Auro3D 的9.1 预设，

这些设置中没有中间扬声器。如果没有预设可选，也可以在听者周围建立一个等边立体空间。这些“环境”音频对象是“叙事”背景声，就像它们的视觉对应物一样，相对于整个场景，当听者头部旋转时它们并不移动，但相对听者头部的声波入射角度在变化，因而HRTFs 必须随之变化。ORTF-3D 话筒的8个信号被用于以这种方法在VR 场景中建立一个优质的3D 现场“环境”。

该应用不推荐使用一阶环境立体声话筒。由于它体积小和一致性配置安装的特点，其输出通道之间缺少足够的分离度，由此降低了空间感和3D 立体声声像质量。