Tu no has dado un misero argumento ante nada de lo que te he preguntado, ni uno y es que empiezo a pensar que tus conocimientos sobre el audio y no digamos ya sobre la física que subyace en él son entre nada y bien poco. Si tienes idea de porqué un auricular presenta una escena más amplia que otro o una mejor separación instrumental dilo ahora, no creo que te cueste más de dos lineas si es que lo sabes y sería un buen punto de partida, sino puedes seguir engordando tu contador de mensajes, que para muchos es el único factor de fiabilidad que les sirve.
En cuanto a lo que comenta Rafael49 sobre los transitorios sigo en las mismas, tenemos esa parte, la de la aportación de frecuencias agudas en la composición del ataque y decaimiento de la nota, pero la rapidez de respuesta del transductor es esencial también, por decirlo de unamanera más sencilla, dos muelles con diferentes características físicas pueden vibrar ambos a frecuencias iguales si nos lo proponemos, pero se comportaran de manera diferente en el momento de empezar a vibrar o en el que tienen que dejar de hacerlo. El transductor del auricular no está en movimiento constantemente, y cuando lo está no siempre las amplitudes que alcanza son iguales, ahí entran factores de construcción que limitan las modificaciones que puedes otorgar al sonido.
Otro factor es el tipo de onda que emerge del transductor, con auriculares dinámicos usuales el frente de ondas que tenemos es aproximadamente esférico y tiene componentes que se cancelan o suman en función de lo que estén reproduciendo, esto en genral no debería afectar en la reproducción de piezas con muchas frecuencias involucradas ya que se producen cancelaciones en zonas proximas de frecuencia pero es un factor diferencial frente a auriculares ortodinamicos que por construcción emiten frentes de onda planos o casi planos, en los cuales no nos encontramos estos problemas.
Disipación en el propio auricular por frecuencias de resonancia asociadas al material usado en las zonas de contacto del transductor o de incidencia de las ondas sonoras... Hay muchos factores de construcción que limitan y afectan al sonido y que no se ven compensados ajustando la respuesta en frecuencia, toda la información del sistema no está contenida ahi y no hay factor más objetivo que ese.
Cambiando de punto de vista, una manera de agregar espacialidad a una grabación es añadiendo una reverb, que no dejan de ser reflexiones del sonido a diferentes intensidades y en intervalos de tiempo diferentes según el volumen que queramos emular (esto es un poco basto pero creo que se entiende), para ello como digo se vuelve a reproducir la señal, a intervalos de tiempo diferentes segun la reflexión, con una absorcion de la superficie a emular X y con una repeticiones y disminución de la intensidad el que pongamos. Así aumentamos la sensación de espacilidad en una grabación y si, eso se refleja en el contenido espectral de la grabación pero... puede un auricular con poca escena hacer eso? Puede reproducir otra vez el sonido en intervalos de milisegundos a voluntad y disminuir su volumen? No. Los medios por los cuales los auriculares emulan esto son otros, pero como tú los conoces perfectamente ATCing, te doy el testigo para que termines con la explicación, una pista, no tiene nada que ver con el contenido espectral en frecuencias.