Trong loạt bài trước, cùng một nhóm con số cứ quay lại. Mười sáu phẩy sáu bảy mili giây cho một khung hình. Một trăm mili giây cho chu trình hiệu chỉnh. Hai mươi mili giây cho thực tế ảo. Mười lăm mili giây là ngưỡng mà người chơi giỏi phát hiện được độ trễ.
Người mới thường coi đây là những quy ước kỹ thuật, kiểu như tám bit trong một byte. Nhưng chúng không phải quy ước. Không con số nào trong số đó đến từ phần cứng, từ tiêu chuẩn công nghiệp, hay từ một quyết định của ai đó.
Chúng đến từ tốc độ truyền tín hiệu trong hệ thần kinh người. Đó là lý do chúng không thay đổi qua các thế hệ máy, và là lý do chúng đáng học một lần cho thật kỹ.
Khái niệm gốc: tâm lý vật lý học
Tâm lý vật lý học là ngành nghiên cứu quan hệ giữa kích thích vật lý đo được và cảm giác chủ quan mà nó gây ra. Nó ra đời từ giữa thế kỷ mười chín và cung cấp gần như toàn bộ nền tảng định lượng cho thiết kế giao diện, thiết kế âm thanh và thiết kế hiển thị.
Ngành này làm việc với ba loại ngưỡng. Ngưỡng tuyệt đối là mức kích thích nhỏ nhất mà người ta còn phát hiện được. Ngưỡng phân biệt là mức chênh lệch nhỏ nhất giữa hai kích thích mà người ta còn nhận ra là khác nhau. Và ngưỡng chịu đựng là mức mà vượt qua đó thì trải nghiệm bắt đầu xấu đi, dù người ta đã phát hiện được từ trước rồi.
Có một điểm cần nắm ngay và nó chi phối toàn bộ phần còn lại của bài viết: mọi ngưỡng tri giác đều là một phân bố, không phải một con số. Khi tài liệu nói ngưỡng là sáu mươi hertz, điều đó có nghĩa là một giá trị trung tâm nào đó của một đám đông, và luôn tồn tại những người nằm xa trung tâm về cả hai phía.
Bỏ qua điều này là nguồn gốc của rất nhiều tranh cãi vô ích, trong đó nổi tiếng nhất là tranh cãi về việc mắt người nhìn được bao nhiêu khung hình mỗi giây.
Chú thích: Mọi con số về độ trễ trong ngành game đều bắt nguồn từ tốc độ xử lý của hệ thống này và của phần não phía sau nó. Đó là lý do chúng không đổi khi phần cứng đổi.
Ngưỡng thứ nhất: hợp nhất nhấp nháy
Tần số hợp nhất nhấp nháy tới hạn là tần số mà tại đó ánh sáng chớp tắt được cảm nhận thành liên tục. Nó là thước đo khả năng xử lý thời gian của thị giác.
Con số được trích dẫn nhiều nhất trong hơn năm mươi năm là năm mươi tới chín mươi hertz, tùy theo cường độ và độ tương phản. Phát hiện này đã đi vào tiêu chuẩn quốc tế về công thái học màn hình, cùng với niềm tin rằng tần số bảy mươi hai hertz cho màn hình máy tính là đủ để tránh nhấp nháy hoàn toàn.
Nhưng câu chuyện phức tạp hơn thế, và đây là chỗ thú vị nhất.
Một nghiên cứu năm 2015 cho thấy khi ánh sáng điều biến chứa cạnh có tần số không gian cao, con người vẫn cảm nhận được hiện tượng nhấp nháy ở tốc độ trên năm trăm hertz, tức cao gấp nhiều lần con số vẫn được báo cáo. Chính nhóm nghiên cứu đó tái lập được kết quả cũ khi ánh sáng điều biến đồng nhất về mặt không gian, và chỉ đo được độ nhạy trên năm trăm hertz khi có cạnh sắc trong hình.
Nói cách khác, ngưỡng không phải một thuộc tính của mắt. Nó là một thuộc tính của cặp mắt cộng với nội dung đang xem.
Biến thiên giữa các cá nhân cũng lớn hơn nhiều người tưởng. Một nghiên cứu đo cả biến thiên giữa người và trong cùng một người tìm thấy chênh lệch tối đa giữa những người tham gia khoảng ba mươi hertz, với khoảng dự báo chín mươi lăm phần trăm là hai mươi mốt hertz. Đáng chú ý là khoảng tám mươi phần trăm phương sai đến từ khác biệt giữa các cá nhân, còn chỉ khoảng mười phần trăm đến từ biến thiên trong cùng một người qua ba buổi đo.
Hai kết luận thực tế rút ra từ đây.
Kết luận thứ nhất, câu nói mắt người chỉ nhìn được ba mươi khung hình mỗi giây là sai, và sai theo cách không cứu vãn được.
Kết luận thứ hai, quan trọng hơn với người làm nghề: không tồn tại một tần số đúng cho mọi người. Việc chọn sáu mươi khung hình một giây làm mục tiêu không phải vì đó là giới hạn của mắt, mà vì đó là điểm mà đa số người dùng không còn thấy nhấp nháy trên màn hình điển hình, và vì lý do lịch sử liên quan tới tần số lưới điện. Con số mười sáu phẩy sáu bảy mili giây là hệ quả số học của lựa chọn đó, không phải nguyên nhân.
Ngưỡng thứ hai: thời gian phản xạ
Đây là ngưỡng nền tảng mà mọi ngưỡng khác phải so vào.
Thời gian phản xạ đơn giản của người lớn khỏe mạnh vào khoảng hai trăm năm mươi mili giây. Một nghiên cứu quy mô lớn trên gần một nghìn năm trăm người từ mười tám tới sáu mươi lăm tuổi, dùng thiết bị đo được hiệu chỉnh chính xác về mặt thời gian, ghi nhận thời gian phản xạ trung bình hai trăm ba mươi mốt mili giây, còn hai trăm mười ba mili giây sau khi trừ độ trễ do phần cứng.
Nhưng phần thú vị nhất của nghiên cứu này nằm ở chỗ họ tách con số đó ra làm hai.
Bằng cách trừ đi thời gian khởi động vận động, đo riêng qua một bài gõ ngón tay nhanh, họ ước lượng được thời gian phát hiện kích thích thuần túy, và con số đó trung bình chỉ một trăm ba mươi mốt mili giây. Đáng chú ý hơn nữa, thời gian phản xạ tổng tăng theo tuổi khoảng nửa mili giây mỗi năm, nhưng thời gian phát hiện kích thích thì không đổi theo tuổi. Nghĩa là người già phản xạ chậm hơn chủ yếu vì đầu ra vận động chậm đi, chứ không phải vì nhận biết chậm đi.
Một khác biệt nữa có hệ quả thiết kế trực tiếp: phản xạ với âm thanh nhanh hơn phản xạ với hình ảnh khoảng ba mươi tới bốn mươi mili giây. Lý do là đường truyền: âm thanh đến vỏ não thính giác trong khoảng tám tới mười mili giây, còn ánh sáng mất khoảng hai mươi tới bốn mươi mili giây để đi hết đường thị giác. Đây là sinh học chứ không phải kết quả rèn luyện, và khoảng cách này giữ nguyên ở mọi lứa tuổi.
Với người làm game, đây là lý do sinh học của một quy tắc thực hành mà nhiều người áp dụng theo trực giác: khi muốn một hành động cho cảm giác dứt khoát, hãy để âm thanh dẫn trước hoặc trùng khớp với hiệu ứng hình ảnh, đừng để nó đến sau. Kênh nhanh nên chở tín hiệu quan trọng nhất.
Ngưỡng thứ ba: chu trình hiệu chỉnh một trăm mili giây
Con số một trăm mili giây trong định nghĩa game feel của Steve Swink giờ đã có thể giải thích được, thay vì phải chấp nhận như một con số cho sẵn.
Chu trình hiệu chỉnh gồm bốn chặng: người chơi đọc phản hồi, ra quyết định, hành động, rồi game trả về phản hồi mới. Nếu tổng thời gian mà hệ thống đóng góp vào chu trình đó vượt quá khoảng một trăm mili giây, người chơi bắt đầu nhận ra độ trễ.
Vì sao lại là một trăm chứ không phải hai trăm năm mươi, tức bằng chính thời gian phản xạ. Lý do là hai đại lượng này đo hai thứ khác nhau. Thời gian phản xạ là thời gian con người cần để khởi động một hành động mới. Ngưỡng phát hiện độ trễ là thời gian tối đa mà hệ thống được phép chiếm trong khoảng giữa hai hành động liên tiếp mà không phá vỡ cảm giác kiểm soát. Nếu hệ thống chiếm quá nhiều phần của khoảng đó, người chơi không còn phản ứng được nữa mà buộc phải dự đoán trước, và cảm giác điều khiển sụp đổ.
Điều cần phân biệt kỹ ở đây là ba ngưỡng khác nhau vẫn hay bị gộp làm một.
Ngưỡng phát hiện là mức thấp nhất mà người ta còn nhận ra có độ trễ. Với người chơi giỏi, ngưỡng này thấp tới mười lăm mili giây.
Ngưỡng chấp nhận là mức mà vượt qua đó trải nghiệm bắt đầu khó chịu. Các hệ thống hướng tới thi đấu điện tử thường đặt mục tiêu tổng độ trễ dưới năm mươi mili giây.
Ngưỡng suy giảm hiệu suất là mức mà vượt qua đó người chơi thực sự chơi kém đi. Với game nền tảng, hiệu suất người chơi vẫn ổn định tới khoảng năm mươi mili giây rồi mới bắt đầu giảm dần.
Ba ngưỡng này cách nhau khá xa, và nhầm lẫn giữa chúng dẫn tới hai loại sai lầm ngược nhau. Một đội tối ưu tới ngưỡng phát hiện cho một game giải trí thông thường đang đốt tài nguyên vô ích. Một đội chỉ tối ưu tới ngưỡng suy giảm hiệu suất cho một game đối kháng đang giao sản phẩm mà người chơi nghiêm túc sẽ từ chối.
Ngưỡng thứ tư: quy tắc hai mươi mili giây trong thực tế ảo
Thực tế ảo là nơi ngưỡng khắt khe nhất, và lý do nằm ở một hệ giác quan mà màn hình phẳng không đụng tới.
Độ trễ từ chuyển động tới ánh sáng là khoảng thời gian giữa lúc người dùng cử động đầu và lúc các điểm ảnh tương ứng với góc nhìn mới hiện ra trước mắt. Đồng thuận của ngành đặt ngưỡng dưới hai mươi mili giây, mức mà độ trễ thường không bị nhận ra, và con số này được xác lập cùng phổ biến chủ yếu qua công trình của John Carmack tại Oculus. Khi độ trễ vượt hai mươi, độ trễ trở nên thấy được, và khi vượt năm mươi tới sáu mươi thì rõ rệt.
Với thực tế tăng cường thì yêu cầu còn ngặt hơn nhiều, thường đòi hỏi dưới bảy mili giây, và với hệ thống nhìn xuyên quang học thì cần từ năm mili giây trở xuống. Lý do rất trực tiếp: thế giới thật không có độ trễ, nên bất kỳ độ trễ nào của nội dung ảo đều biểu hiện thành sự lệch khớp nhìn thấy được giữa vật ảo và vật thật.
Còn với người được huấn luyện, ngưỡng phát hiện thấp đến mức đáng ngạc nhiên. Nghiên cứu của Jason Jerald năm 2009 cho thấy quan sát viên được huấn luyện phát hiện được chênh lệch độ trễ nhỏ tới ba phẩy hai mili giây.
Lý do thực tế ảo khắt khe hơn màn hình phẳng không nằm ở thị giác mà nằm ở hệ tiền đình trong tai trong. Khi mắt báo một chuyển động còn tai trong báo một chuyển động khác, xung đột giữa hai tín hiệu này gây ra cảm giác say. Đây không phải vấn đề thẩm mỹ mà là vấn đề sinh lý, và đó là lý do ngưỡng ở đây không thể thương lượng được như các ngưỡng khác.
Chú thích: Trong thực tế ảo, ngưỡng độ trễ không phải vấn đề thẩm mỹ mà là vấn đề sinh lý. Xung đột giữa tín hiệu từ mắt và tín hiệu từ hệ tiền đình trong tai trong là nguyên nhân trực tiếp gây say, và đó là lý do ngưỡng hai mươi mili giây không thương lượng được.
Ngưỡng thứ năm: cửa sổ liên kết âm thanh và hình ảnh
Ngưỡng cuối cùng ít được nhắc trong tài liệu kỹ thuật nhưng lại chi phối toàn bộ công việc thiết kế âm thanh.
Cửa sổ liên kết thời gian nghe nhìn là khoảng lệch pha giữa tín hiệu âm thanh và tín hiệu hình ảnh mà trong đó não vẫn gộp hai thứ thành một sự kiện duy nhất. Càng lệch xa, khả năng cảm nhận thành một sự kiện càng giảm.
Con số biến thiên rất mạnh theo loại kích thích. Có báo cáo ghi nhận cửa sổ thấp tới hai mươi mili giây, nhưng giá trị khoảng sáu mươi mili giây có lẽ điển hình hơn. Với những kích thích phức tạp như lời nói, hệ thống lại khoan dung hơn nhiều, với cửa sổ được báo cáo trong khoảng một trăm tám mươi tới hai trăm bốn mươi mili giây.
Cửa sổ này cũng khá ổn định trong cùng một người qua nhiều buổi đo, nhưng biến thiên rộng giữa các cá nhân.
Hệ quả thiết kế rất cụ thể và giải thích một hiện tượng mà nhiều người từng quan sát mà không lý giải được. Lồng tiếng lệch khẩu hình vài trăm mili giây thì khó chịu nhưng vẫn xem được. Tiếng va chạm lệch khỏi hình ảnh va chạm chỉ vài chục mili giây thì lập tức thấy sai. Không phải vì tai của khán giả khắt khe hơn khi xem hành động, mà vì hai loại kích thích này nằm trên hai cửa sổ liên kết hoàn toàn khác nhau.
Trong thực hành, điều này có nghĩa là ngân sách đồng bộ cho hiệu ứng va chạm, tiếng chân và tiếng đòn đánh phải chặt hơn nhiều so với ngân sách cho lời thoại.
Tổng hợp các ngưỡng
Chú thích: Các ngưỡng trên thang log, vì chúng trải gần hai bậc độ lớn. Mọi giá trị đều là giá trị trung tâm của một phân bố, không phải hằng số, và biến thiên giữa các cá nhân với một số ngưỡng còn lớn hơn khoảng cách giữa các ngưỡng.
Bốn nguyên tắc rút ra
Nguyên tắc thứ nhất: mọi ngưỡng là phân bố, và quyết định thiết kế cho phần nào của phân bố là quyết định sản phẩm chứ không phải quyết định kỹ thuật. Với một game giải trí đại chúng, tối ưu cho phần đông là hợp lý. Với một game đối kháng có cộng đồng thi đấu, phần đuôi nhạy cảm mới là khách hàng thật, vì chính họ quyết định danh tiếng của sản phẩm.
Nguyên tắc thứ hai: ngưỡng phát hiện thấp hơn nhiều so với ngưỡng chịu đựng, và biết mình đang nhắm cái nào là điều kiện để không lãng phí. Khoảng cách giữa mười lăm và năm mươi mili giây là khoảng cách giữa hai dự án khác hẳn nhau về chi phí kỹ thuật.
Nguyên tắc thứ ba: các kênh giác quan chạy ở tốc độ khác nhau, nên hãy chở tín hiệu quan trọng nhất trên kênh nhanh nhất. Âm thanh nhanh hơn thị giác vài chục mili giây, và đó là tài nguyên miễn phí mà rất nhiều dự án không dùng đến.
Nguyên tắc thứ tư: ngưỡng phụ thuộc vào nội dung, không chỉ vào thời gian. Cạnh tương phản cao làm lộ nhấp nháy ở tần số cao gấp nhiều lần so với mặt phẳng đồng nhất. Lời nói khoan dung với lệch pha hơn tiếng va chạm gấp ba tới bốn lần. Nghĩa là cùng một độ trễ có thể chấp nhận được ở cảnh này và không chấp nhận được ở cảnh khác, và việc đo bằng một con số duy nhất cho cả game sẽ luôn hoặc quá chặt hoặc quá lỏng.
Vì sao đây là kiến thức bền nhất
Kết bài bằng một nhận xét về tuổi thọ của tri thức.
Gần như mọi con số kỹ thuật trong nghề làm game đều có hạn sử dụng. Ngân sách đa giác đổi theo từng thế hệ máy. Số lệnh vẽ tối đa đổi theo từng phiên bản API đồ họa. Kích thước gói tải về chấp nhận được đổi theo tốc độ mạng. Ai học thuộc những con số đó sẽ phải học lại sau vài năm.
Các ngưỡng trong bài này thì không đổi. Tốc độ dẫn truyền của dây thần kinh thị giác hôm nay giống hệt năm 1950, và sẽ giống hệt vào năm 2100. Khi một thế hệ phần cứng mới ra đời, thứ thay đổi là chi phí để đạt được một ngưỡng, chứ không phải bản thân ngưỡng.
Đó là lý do những con số này đáng học một lần cho kỹ. Chúng là điểm cố định mà mọi quyết định kỹ thuật khác xoay quanh, và là thứ cho phép trả lời câu hỏi khó nhất trong tối ưu hóa: khi nào thì đủ tốt, và khi nào thì tiếp tục là lãng phí.
Tài liệu tham khảo
- Mankowska, N. và cộng sự. Critical Flicker Fusion Frequency: A Narrative Review, Medicina, 2021. Nguồn của định nghĩa ngưỡng hợp nhất nhấp nháy và khoảng năm mươi tới chín mươi hertz. https://doi.org/10.3390/medicina57101096
- Davis, J.; Hsieh, Y.-H.; Lee, H.-C. Humans Perceive Flicker Artifacts at 500 Hz, Scientific Reports, 2015. Nguồn của phát hiện về cạnh không gian tần số cao và của tiêu chuẩn công thái học bảy mươi hai hertz. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4314649/
- The Speed of Sight: Individual Variation in Critical Flicker Fusion Thresholds, 2024. Nguồn của chênh lệch ba mươi hertz giữa các cá nhân và phân tách phương sai giữa người với trong người. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10984398/
- Woods, D. L. và cộng sự. Factors Influencing the Latency of Simple Reaction Time, Frontiers in Human Neuroscience, 2015. Nguồn của thời gian phản xạ trung bình, thời gian phát hiện kích thích một trăm ba mươi mốt mili giây, và kết luận về nguyên nhân chậm theo tuổi. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4374455/
- Reaction Time Tests, What Is a Good Reaction Time. Nguồn của khoảng cách ba mươi tới bốn mươi mili giây giữa phản xạ thính giác và thị giác cùng lý do đường truyền thần kinh. https://reactiontimetests.org/blog/what-is-a-good-reaction-time
- VR & AR Wiki, Motion-to-Photon Latency. Nguồn của quy tắc hai mươi mili giây, yêu cầu khắt khe hơn cho thực tế tăng cường, và nghiên cứu của Jason Jerald về ngưỡng ba phẩy hai mili giây. https://vrarwiki.com/wiki/Motion-to-photon_latency
- DAQRI, Motion to Photon Latency in Mobile AR and VR. Nguồn của phân tích chuỗi độ trễ và của yêu cầu năm mili giây với hệ thống nhìn xuyên quang học. https://medium.com/@DAQRI/motion-to-photon-latency-in-mobile-ar-and-vr-99f82c480926
- Temporal Precision and Accuracy of Audio-Visual Stimuli in Mixed Reality Systems, PLOS ONE, 2023. Nguồn của cửa sổ liên kết thời gian nghe nhìn, gồm các giá trị hai mươi, sáu mươi, và một trăm tám mươi tới hai trăm bốn mươi mili giây cho lời nói. https://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0295817
- Synchrony Perception of Audiovisual Speech Is a Reliable Yet Variable Trait, Scientific Reports, 2025. Nguồn của tính ổn định trong cá nhân và biến thiên giữa các cá nhân của cửa sổ liên kết. https://www.nature.com/articles/s41598-025-00243-8
- Swink, Steve. Game Feel: A Game Designer’s Guide to Virtual Sensation, 2009, cùng nghiên cứu về ngưỡng cảm nhận độ trễ đầu vào trên arXiv. Nguồn của chu trình hiệu chỉnh một trăm mili giây và của các ngưỡng mười lăm cùng năm mươi mili giây. https://arxiv.org/pdf/2508.01110
0 Lời bình