这里只说一点，不一定是最深的坑，但应该是一个很普遍的坑。那就是「 耳机发烧 」本身。
我过去就曾讲过很多关于音箱与耳机区别的内容，不论是声学、心理声学原理上的，还是主观评价上的。
大体上来说，音箱和耳机的音质差距主要有两点。
第一，耳机的音质与音箱在低频部分存在本质不同。
如果说同时拿来一个音箱一个耳机，两者低频频响和THD差不多，就觉得耳机的低音和音箱低音表现是相同的，或者有时看到某些音箱低频参数可能相比某些耳机还稍微差一些就认为耳机低音一定更好。我只能说，大湿，你状态到了。
第二，高频或者说超高频部分的表现，耳机很难找到精确匹配每个人人耳对应的曲线/传递函数 ，或者说市面上很难找到超高频刚好可以比较完美适合你的耳朵的耳机，并且这本身受到佩戴等不确定因素的干扰。而对于音箱，只要保证超高频部分轴向和轴向附近的频响曲线平直且失真较小即可。这显然来说对于音箱并不难实现，只要高音单元的设计和成本达到一定的水平。而这对于传统的耳机来说几乎是不可能的。
所以综上，只要音箱的音质达到一定的水平，耳机的音质是不可能和音箱有可比性的。 或者说音箱音质的天花板比耳机高。
并且，以上说的都还只是音质对比， 至于声场表现嘛~传统耳机与音箱存在质的区别。
可以这样说，「HiFi耳机」只是名字上有「HiFi」，但实际声音上不少方面都距离HiFi有点远。有人喜欢听故事，那我也讲两个，可以这样说，就像是鲍鱼炒饭没有鲍鱼，而是厨子的名字叫鲍鱼。声称追求极致海鲜的人每天却在吃鲍鱼炒饭未免有些荒谬。亦或是听上去像想要成为赛车手追求极致速度的人，每天却在玩四驱车（无意冒犯），然后想象这自己在开F1，「四驱兄弟」也是赛车手。
然而，我还是经常能从一些言论中看出，很多人认为似乎HiFi发烧指的就是耳机，甚至把HiFi发烧和耳机完全划等号。或者说耳机是很高端效果很好的东西。甚至一些人认为是最贵最高端的。但实际上，不论是价格还是技术含量以及最终效果，都有很多其他形式的声学系统比耳机高不少。
固然，有些人是没有条件玩音箱而玩耳机，但还有一部分人在我看来是有些陷进去了。明明有一定的预算，也烧了不少钱，但始终却在买耳机、买耳放播放器。似乎他们认为花钱可以解决一切问题。这更像是一种「魔怔」似的「执着」，有种一条道跑到黑的感觉。我认为，稍微做一些训练，就能够体会到耳机和音箱/家庭影院系统在低音、空间印象等方面的巨大差距。
最后，不知道题主所谓的「圈内人」是如何定义的。如果说是「耳机发烧」，那我显然是圈外人。但如果说调音，我所熟悉的一些人基本上没有人用耳机严肃听音的。Critical listening还是以音箱为主。我的建议是，如果有条件，没必要考虑「耳机发烧」。
耳机说到头还是耳机。
本来我真不想挂人和对线，最近新家装修事情太多。但是有一些过于明显的歪曲和篡改事实我还是看不下去了，而且是对Floyd Toole博士的。所以还是简单说两句吧。
第一点就是对Floyd Toole博士实验结果的歪曲解读。
这里的分类是experienced listeners和inexperienced listeners。Floyd Toole在书中明确提到。
All were Harman employees, so brand loyalty would be a bias in the sighted tests. They were about equally divided between experienced listeners, those who had previously participated in controlled listening tests, and inexperienced listeners, those who had not. 所有人都是哈曼的员工，因此品牌忠诚度将是非盲听测试中的一个偏差。
他们在有经验的听者和没有经验的听者之间的比例大致相等，前者曾参加过控制性听力测试，后者则没有。
这张图片中注释的含义为经常参加听音测试的人，和没参加听音测试的人。或者就是字面上的意思， 有听音经验的人 和 没有听音经验的人 。当然，我在两年前的文章中引申，老烧与初烧（同样也是有听音经验的人和没有听音经验的人）相比，老烧更容易开「脑放」。
总之，这里所指并不是听音能力亦或是更模糊的「是否专业」。
Greg Timbers，从来不参加哈曼的盲听测试，那他算啥？专业还是不专业呢？
在我看来这是典型的偷换概念+篡改事实，最终把结果引向一些人想要的答案上。因为 实际上这位答主自己也在前文写过这两点的区别。
或者说的更直白一些， 经验与能力并非完全一回事 。对此的另一个佐证是，Sean Olive发现，有些人不论做多少听音，也无法达到一定的听音能力。也就是说，这个世界上确实有「木耳」存在，至少对于频率的分辨是这样的。或者说有些人不论听再久，也无法达到专家水平。
总之，Floyd Toole博士上述的实验结论原意为，有听音经验的人不一定可信。而我的引申则为，有发烧经验的人不一定可信。
补充一下，这里指的听音测试到底是啥。其实就是听几个音箱，来回切换，然后给音箱打分。说到这里，就不得不再解释一下什么是 trained listener 。其实这个概念并没有十分明确的定义。维基百科中对此的解释是：
Listener behavior
Both, MUSHRA and ITU BS.1116 tests[2] call for trained expert listeners who know what typical artifacts sound like and where they are likely to occur. Expert listeners also have a better internalization of the rating scale which leads to more repeatable results than with untrained listeners. Thus, with trained listeners, fewer listeners are needed to achieve statistically significant results.
It is assumed that preferences are similar for expert listeners and naive listeners and thus results of expert listeners are also predictive for consumers. In agreement with this assumption Schinkel-Bielefeld et al.[3] found no differences in the rank order between expert listeners and untrained listeners when using test signals containing only timbre and no spatial artifacts. However, Rumsey et al.[4] showed that for signals containing spatial artifacts, expert listeners weigh spatial artifacts slightly stronger than untrained listeners, who primarily focus on timbre artifacts.
MUSHRA和ITU-BS.1116测试[2]都需要训练有素的专家听众，他们知道典型的一些声音现象听起来像什么，它们可能发生在哪里。专家听音者对评分量表的内化程度也比未经训练的听者更好，从而产生更多可重复的结果。因此，有了训练有素的听众，就需要更少的听众来获得统计上显著的结果。
假设专家听众和没有听音经验的听众的偏好相似，因此专家听众的结果对消费者也具有预测性。与这一假设相符，Schinkel-Bielefeld等人[3]发现，当使用仅包含音色且没有空间效果的测试信号时，专家听音者和未经训练的听音者之间的排名顺序没有差异。然而，Rumsey等人[4]表明，对于包含空间效果的信号，专家听音者比未经训练的听音者（未经训练的听音者主要关注音色）对空间效果的评价权重略高。
GB国标的定义：
但有些时候How to listen达到8级就算trained listener。
如果我没记错的话，很多listening training program和reference listening system其实是在Floyd Toole发布一系列论文后逐渐提出来并完善的。中场休息一下
这张图又代表什么？
首先，还是这个问题，表现好的听音者均为经过训练和挑选的。但反过来未必，也就是说并非所有经过训练的听音者都有超强的听音能力。而这里的听音能力指的是给出可重复意见和较小偏差的能力。
上面提到过，其实我也多次提到过，不论是专家还是小白，最后对声音的评价结果会趋同。
但这是有前提条件的。
除此之外，还有一种流行的观点，即我们都「听到不同的声音」，一个人的美味可能是另一个人的毒药，我们面临的情况是，是否有可能有一个令大家普遍满意的解决方案。幸运的是，现实并不是那么复杂，尽管人们对音乐的品味显然是高度个性化的，而且差别很大，但我们发现，当听音者有机会表达他们无偏见的观点时，能听出回放声音中最常见的缺陷是一项令人惊讶的普遍技能。更多的好消息是，大多数人都能做到，即使是那些认为自己是「木耳」的人，没有经验的听听音者只是要花费更多的时间，一路上犯更多的错误，但最终，他们的意见普遍与专家的意见一致。只有那些有听力损失的人通常会偏离标准。 如果你读了我的书，它就在那里。简单的解释是， 50年来的听众已经证明，他们评分最高的扬声器，谐振最少（需要平滑、平坦的振幅响应），最深的低频下潜，以及最小的离轴频率响应不规则性（即相对平滑和缓慢变化的方向性指数） 。 因为我们所欣赏的所有声音和乐器都是由一系列的振动组成的，所以当扬声器将自己的声音加到它们所产生的每一个声音中时，我们就会注意到这一点。 这是在多重比较双盲测试中很快出现的。无需特殊培训。简单来说，「小白」需要对比并且听足够多的次数。如果一个人本身听音结果是高度随机的，那么在现实中很多时候仅给出单次的评价，又有多少可信度呢？更别提「听觉适应」现象。
但如果没有对比呢？如果不能盲听呢？如果无法快速切换呢？
一些听音专家的选择要求是可以在没有对比的情况下画出简要的频响曲线。当然，类似于how to listen的测试要9级以上且在没有答案反馈的情况下保持较高的正确率。
当然，对于很难直观对比下的判断，我认为需要称之为「参考听音经验」的东西，简而言之就是知道怎样的声音是相对标准的且保持一定程度的记忆。
另一方面，我认为听音专家更重要的是有足够判断soundstage和image的能力。这就更难用简单的一两句话阐述，可以试着去看一下我过去缩写的这几篇内容。
但即便如此，没有任何人能够证明在现实中对声音的判断是毫无偏见的，所以客观测试通常是必要的。 这也就是我多次提到的，至少我所熟知的，即便再专业的主观调音工作者，也会测试频响曲线等指标。或者说主客观评价的意义。
国内听音这一行业可谓鱼龙混杂，甚至有不少人完全没这方面经验但是也声称自己是专家。我曾经想把很多至少我认为精通听音的人聚在一起组成一个协会。其中我邀请到的不少人都给出了积极的反馈。但是这玩意才是真的得罪人，索性我自己放弃了。
总之，有些时候实验群体以及结论并非是指同一类人。
而别人的耳朵好不好，和自己的耳朵也没有必然关系。
第二点问题则为「音质」。篇幅有限，这里我不想探讨各细分的「绝对意义上的音质」（与声音相对音源的变化有关）和所谓的「主观音质」（主观听到感受的音质）。（实际上我在两年前的回答中提到过主观音质）
还是说回和Floyd Toole有关的。
我只是随便找了几段。几个词语同时出现的语境。
当然，我认为还有更离谱的。
鬼斧神工119的想法 - 知乎 https://www. zhihu.com/pin/135089019 7945630720
即便是相同的事情，如果只是选择性的解读，也有可能得出截然相反的「结论」。
我的建议是，有机会读一下原文，体会一下作者的原意以及实验本身的结果。这也是我三年前就曾经建议的。
或者是有机会看一下Floyd Toole本人的演讲（当然，视频中还有些机翻和瑕疵，如果有冲突，以英文原文为准）
边装修边打扫屋子写的。未完待续。
我现在事情特别多，生活上的事情也很多，实在没那么多精力搞这些。就这样吧。
被迫更新
Fidelity is the overall rating that describes how closely the reproduced sound approaches your impression or recollection of the original or perfect sound. This is the one rating that sums up the previous analytical sound quality ratings. You must give a fidelity rating, it is the single number indication of your opinion.
保真度是一个总体评分，它描述了再现的声音如何接近你对原始或完美声音的印象或记忆。这是一个总结了之前的细分音质评分的评分。你必须给出一个保真度评分，它是表示你意见的一个数字。
音质包含多个细分项的定义，总体评分是保真度评分。所以音质和高保真是两回事？这是什么逻辑理解？
空间印象也有很多细分项，例如soundstage和image，所以对空间印象细分项的总体空间感评分和空间印象品质是两回事？
细分项是用于一些细分研究，或者影响总体音质的各个项的权重问题。可以为研发中解决不同问题的优先级提供指导意见。
这种评价方法的专业叫法是量表法。
我在两年前就讲过。但有些是直接细分项加权得总分，我认为是有些欠妥的。如果细分项和综合总体评分都评分，会避免这个问题。
