定义：相对于扬声器来说，耳机式声音设备虽然只能给单个用户使用，但却能更好地将用户与真实世界隔离开。同时，由于耳机是双声道的，因此比扬声器更易创建空间化的3D声场，提供更好的沉浸感。此外，耳机使用起来具有很大的移动性，如果用户需要在VR系统中频繁走动，显然耳机比使用扬声器更为适合。
耳机式声音设备一般与头盔显示器结合使用。在默认情况下，耳机显示的是头部参照系的声音，在VR系统中必须跟踪用户头部、耳部的位置，并对声音进行相应的过滤，使得空间化信息能够表现出用户耳部的位置变化。因此，与普通戴着耳机听立体声不同的是，在VR系统中的音场应保持不变。
另外，耳机中的声音通常是事先录制的声音效果，为了获得更具沉浸感的声音，一般采用双耳录音，也叫做人工头录音，这是一种与普通立体声拾音不太相同的录音方式。
与物体本身发出的声音（或者说声源处的声音）相比，人们真正感知的声音受到了很多方面的影响。比如，躯干、头部、耳廓、耳道等身体结构都是一些很重要的影响因素，也是人们辨别声源方向的生理基础。所以双耳录音的思路就是，在声音采集阶段去还原由身体结构（主要是头部结构）对原始声音产生的影响，制作一个人头模型（Dummy Head），把话筒（拾音振膜）分别置于左/右人工耳道中，以这样的方式录制得到模拟左/右耳听到的声音，并最终通过耳机重放。
