从音程听辨到绝对音感：关于内心听觉、音高记忆与训练路径的对话实录

日期：2026年10月20日

整理说明：本记录根据当日对话，按原有讨论顺序整理。纠正语音识别错误、错别字、口误和明显不通顺的表达，适当删除重复性的追问与说明，但保留观点形成、澄清、分歧和修正的过程。它是一份经过文字整理的对话记录，不是逐字录音转写稿。文中关于认知机制的解释属于讨论中的判断或假设，不等同于已经得到实验验证的结论。

用户：为什么有纯一度、纯四度、纯五度，而没有其他的度数这样命名？

助手：西方乐理把纯一度、纯四度、纯五度和纯八度归为“纯音程”（perfect intervals）。这种分类有历史和声学背景。纯一度、纯八度、纯五度和纯四度在纯律中分别对应1:1、2:1、3:2、4:3等简单频率比例，在传统音乐理论中被赋予特殊的协和地位。二度、三度、六度、七度则采用“大”“小”作为基本分类。不过，“纯”是历史形成的乐理术语，不意味着其他音程不纯净、不悦耳。现代十二平均律中的频率关系也不完全等于这些简单整数比例。

用户：所以这些名称更多的是一种习惯。

助手：可以这样理解。名称很大程度上是历史形成的约定，但这种约定并非完全任意，它也有声学和传统音乐实践的基础。音程之间的声学关系是客观的，分类与命名则有历史约定性。即使换一套名称，实际的声音关系也不会改变。

用户：那么在训练听力的时候，应该记住这些名称，还是记住、或者说分辨出相差多少个半音？

助手：练耳的核心应该是直接辨认两个音之间的声音关系。音程名称和半音数都很有用，但它们是帮助理解与核对的工具。例如小三度有三个半音，大三度有四个，纯四度有五个，纯五度有七个。理想的听辨不是先数半音，再推算名称，而是听到两个音就能直接辨认它们的关系。需要补充的是，相同的半音数未必对应同一个乐理名称，例如增四度和减五度都相差六个半音。

用户：但是我现在固定在C调上练习，并不会阻碍以后在其他调上辨别音程距离，因为只要换一个调就行了，就好像移调一样。比如，我在这个调里对音阶记得非常熟，换到另一个调上的同类音阶，我也能够立即辨认出来。

助手：你说得有道理。音程具有移调不变性，例如C–E和D–F♯都是大三度。固定一个调建立听觉参照，确实可以是一种有效的训练方法。不过，熟悉一个调的音阶，与能够脱离固定调性辨认任意两个音的音程，还不是完全相同的能力。你可以先在C调里练得稳定，之后再用其他起始音验证是否能够迁移。固定参照与改变参照并不矛盾。

用户：我现在从纯一度到纯五度、六度附近，基本上都能够分辨出来，包括中间的半音。

助手：如果在这一范围内，相邻的半音距离你也能区分，就说明音程听辨已经比较细致。还值得区分的是，听到两个音程时知道它们不同，和听到某一个音程就能立刻辨认出它是什么，属于不同程度的熟练性。我想知道，你是直接听出音程距离，还是需要在头脑里数半音？

用户：我是直接听出音程的距离，不是数多少个半音。

助手：那你的判断主要来自直接的听觉感知，不依赖有意识的半音计算。这正是音程听辨训练要发展的能力。进一步说，一个人可能依靠对音高距离的感受，也可能依靠某个音程整体的声音特征来辨认它。两种方式在听觉体验中可能同时存在。

用户：你说的独特声音特征和距离感，这两者有什么区别吗？

助手：所谓“距离感”，例如听C–D、C–E和C–G，会觉得第二个音离第一个音越来越远；所谓“声音特征”，则是听到大三度、小三度、纯五度等不同音程时，对它们各自的整体听觉印象有所区别，包括融合感、协和感以及长期熟悉形成的特征。两者并没有绝对分界，不能仅凭主观描述确定大脑实际采用哪一种机制。

用户：我想我首先肯定能够判断出音程的大小发生了变化，另外，它们不同的音乐效果我也能够听出区别。

助手：这样看来，你的感知同时包含了音程距离和音乐效果。需要注意，音程的距离是确定的，而它在具体作品中的和声功能、表现效果，还会受到调性与音乐上下文的影响。你现在的训练目标，可以是让这种听觉判断进一步稳定，并且能够在没有外部播放时主动想象相应的音程。

用户：对，现在这些半音，不仅用嘴唱出来比较困难，而且在头脑中形成相应的内心音乐，也比较困难。

助手：这里有三个相关但不同的环节：听到后辨认音程；没有外部声音时，在内心主动形成音高或音程；以及把头脑中想象的音准确唱出来。你当时的描述似乎意味着，听辨已经比较熟练，内心听觉和发声再现还需要发展。特别是主动在内心形成带升降号的音，可以独立练习，并不一定要用唱出来作为检验。

用户：我刚才说得也不是特别准确。其实最近这一两天已经有了明显的改变。我不仅能够清楚地听出相差半音的音程，也逐渐能够在头脑中主动形成相差几个半音的声音。经过反复聆听，头脑中会有一种听不见的声音在回响，而这种内心回响的音高现在已经比较准确了。只是用嘴唱出来可能还需要一点时间，不过这已经不重要了，因为我训练的不是声乐，也不是唱功。

助手：那就需要修正刚才的判断。你说的“听不见的声音在回响”，接近音乐心理学中的听觉意象（auditory imagery）。你现在关注的是不依赖真实发声，在头脑中形成具有明确音高关系的音乐声音。能否唱准还涉及发声运动控制，不应成为衡量你这项训练的首要标准。为了确认内心音高的准确性，可以偶尔先想象，再实际播放作比较。

用户：不需要先听到。比如一个C和一个F，我头脑中直接就会出现那种音响，不是说前面听到之后留下的一种短时记忆。

助手：这个区别很重要。你描述的是主动从长期记忆中唤起声音，而不仅是刚听过之后的短时听觉保持。可以称为主动听觉意象（voluntary auditory imagery）。它不一定需要刚刚播放的声音作为提示。不过，还应区分：你想象的是准确的C–F音程关系，还是包括C与F各自固定的绝对音高。两者可以重合，但从能力上应分别判断。比如，你能不能在头脑中把刚才想象的F直接升高半音，变成F♯？

用户：可以的。

助手：那你描述的能力不仅包括主动唤起音程，还包括在内心有意识地改变某个音的音高。对于钢琴演奏、读谱和音乐构思，这是非常有用的能力。只是主观上感觉半音变化准确，与客观上每次都准确，还需要通过实际播放进行验证。

用户：其实我虽然只是最近两三天才用这个软件进行训练，但是很多年前，我就已经在内心形成了一个音乐基准，就是C大调和C大三和弦。C、E、G，也就是Do、Mi、Sol，这几个音我记得非常准，几乎具有绝对音感般的准确度。所以我本来就有这个基础。有了这三个音的定位，就比较容易记住、识别和主动产生其他的音。

助手：这解释了你为什么并不是从零开始训练。你长期具有的C、E、G的音高记忆，很可能为最近的听辨练习提供了稳定参照。这里可以区分长期音高记忆（pitch memory）和相对音高能力（relative pitch）：前者保存一些特定音高，后者处理不同音之间的关系。你最近的软件练习，可能正在细化和扩展以前就有的听觉表征，而不只是几天内凭空建立新能力。

用户：这个非常准确。我甚至可以在相差几个八度的情况下，盲弹不同八度的C，弹出的声音与我之前在内心形成的听觉是一致的。

助手：这使你对C的长期绝对音高记忆显得更有说服力。因为你描述的不只是熟悉C这个名称，还包括不依赖外部声音，在不同音区主动形成相应的音高预期。需要保留的科学区分是，某几个音高的长期记忆很准确，并不自动证明对所有十二个音高类别都具有稳定的绝对音感。但这确实是一个非常值得进一步检验的基础。

用户：我在弹奏复杂曲子的时候，如果有一个音错了，我立即就能听出来，而且非常明显。不只是手指上感觉到弹错了，而是从声音上就觉得那个音特别不对。

助手：这说明你在演奏时很可能已经对旋律、和声以及声部走向形成了清晰的内心预期。手指实际弹出的声音如果与预期不符，你就可以立刻察觉。这与音乐认知中的听觉预测（auditory prediction）有关。不过，这种识错能力未必完全依赖绝对音感，良好的相对音高能力和对作品的熟悉程度同样能够发挥作用。你发现错音后，是否也能不看乐谱，立即在内心听到本来应该出现的正确音？

用户：这当然可以，对我来说是非常自然的事情。甚至不只是我自己弹，听别人弹也是一样。如果某个音错了，我立即就能分辨出来。哪怕是非常复杂、密集的一段音乐，只要其中有一个音错了，我也会明显地听出来。

助手：这样就不能简单地把这种能力归结为手指动作的反馈。你在听别人演奏时，也能依靠听觉和已有的音乐预期识别异常。不过，如果作品本来就很熟悉，识别偏离原曲的音，与在完全陌生、没有乐谱的作品中判断某个音“客观上弹错”，是两个不同的问题。在陌生作品里，某个音听起来不符合常见调性或和声规律，也不必然意味着演奏者弹错。你的经验至少表明，你对熟悉音乐中的细节偏差非常敏感。

用户：其实我觉得，绝对音感是可以训练出来的。长期在内心形成一个基音，慢慢就会建立一个绝对音感的参照系。

助手：我认为这是值得认真讨论的训练假设。一开始反复记忆某个固定音高，例如中央C，可能帮助形成相当稳定的内心锚点，然后扩展到更多音高。已有音乐认知研究也支持某些成年人能够通过训练提高绝对音高识别能力，但不同人最终达到的准确率、范围和稳定程度并不相同。

当时的讨论援引了三项研究：2019年发表于《PLOS ONE》的一项小样本研究表明，六名具有较好听觉记忆能力的成年参与者在八周训练后，有一部分人的测试表现接近传统绝对音感拥有者；2020年发表于《Attention, Perception, & Psychophysics》的一系列实验中，43名参与者有6人在训练后达到了研究所设定的十二音高类别、至少90%识别准确率标准；2025年发表于《Psychonomic Bulletin & Review》的研究中，12名成年音乐学习者经过八周训练，在训练任务中平均能够以至少90%的准确率辨认约7个音高类别。这些研究支持成年人的绝对音高识别具有可训练性，但并不能证明所有人都能达到相同水平。

我也提出一个需要区分的问题：单纯从C推导别的音，与直接识别每个音的绝对音高，不是同一个过程。

用户：我说的这种绝对音感能力，并不是先从基准音C开始推导，再通过音程关系识别另外一个音，而是直接就识别出来，就像识别五线谱一样。不是一个一个数出来的，每一个音都是单独记忆的。

助手：这就纠正了我刚才对你观点的理解。你说的是，每个音高都可以在长期记忆中形成各自独立的听觉表征，需要时被直接辨认或唤起，而不必在意识中经过C作为中间步骤。五线谱的类比很贴切：初学时可能逐线数，熟练后看到音符就直接识别。视觉符号识别和听觉音高识别的机制并不完全相同，但都可能经历从有意识参照到自动化识别的学习过程。

用户：一开始当然是这样。很多年前，确实是先强化记忆中央C，建立一个锚点。后来就可以摆脱这个锚点了。

助手：这样就形成了一个时间上连贯的学习过程：最早通过中央C建立稳定参照，后来逐渐形成其他音高的长期记忆，直到主观识别时不必再有意识地调用那个锚点。但从认知科学角度，不能只凭主观经验就确定大脑是否完全没有无意识的参照加工。你这里提出的是一条由锚点学习走向直接识别的路径。

用户：至于头脑中是不是暗中自动、快速地借用了锚点，其实已经不重要了。至少从外在表现上来看，已经具备绝对音感的能力了。

助手：我同意功能表现和内部实现机制应当区分。判断绝对音高识别能力，主要应看在没有外部参照的情况下，能否快速、准确、可重复地辨认音高，而不是要求证明大脑内部绝对没有任何隐性的参照过程。不过，要确认对十二个音高类别都具备完整而稳定的绝对音感，还需要考察准确率、反应时间、不同音区和不同音色下的表现。

用户：那么，这个训练路径也可能是我无意中发现的一条可行的绝对音感培养路径。对我个人来说，它的可行性来自切身经验。当然，现在还需要进一步加强、强化这种能力。目前表现出来的情况还不太稳定，或者说，只在少数几个音上已经实现了比较稳定、直接的识别。其他音的反应速度可能慢一些，但反应速度慢，并不意味着我在推导、推算音程；它仍然是直接识别，只是记忆提取还不够迅速。所以，下一步需要做的，就是让每一个音高都得到强化，让这种能力在所有音上逐步建立起来。

助手：你这次把学习过程和当前状态都说得很明确。需要保留的关键区分是：有些音已经形成稳定、快速的独立记忆；另一些音还不够熟悉，直接识别时需要更长时间。反应慢不一定意味着在有意识地推算音程，也可能与长期记忆的熟悉程度、提取速度和稳定性有关，但具体内部机制仍需进一步检验。

下一阶段可以围绕十二个半音分别练习。先反复听辨一个音的声音，在没有外部播放时主动唤起它，再通过钢琴核对；随后进行随机单音识别，分别记录各音的准确率和反应时间。当固定音区稳定后，再改变八度和乐器音色。训练的目标是让各音形成尽可能稳定、可以直接调用的听觉表征，而不是逼自己从某个锚点快速计算。

从你的个人经历看，这是一条具有实际经验基础、值得继续实践和检验的训练路径。但个人经验能够支持它对你有用，不等于已经证明它对所有人同样有效，也不等于已经证实完整绝对音感的形成机制。你目前最清楚的训练方向，就是在已经建立的C、E、G等长期音高记忆基础上，进一步巩固其他音高的独立识别与内心再现能力。

附：对话中涉及的研究资料（归档时已核对）

Van Hedger, Heald & Nusbaum (2019), “Absolute pitch can be learned by some adults”, PLOS ONE.
https://doi.org/10.1371/journal.pone.0223047
“Is it impossible to acquire absolute pitch in adulthood?” (2020), Attention, Perception, & Psychophysics.
https://doi.org/10.3758/s13414-019-01869-3
“Learning fast and accurate absolute pitch judgment in adulthood” (2025), Psychonomic Bulletin & Review.
https://doi.org/10.3758/s13423-024-02620-2

—— 对话整理结束 ——