一个音高，怎样从空气振动变成听觉经验？

《听见数学》·“声音怎样进入身体与心灵”· 第一篇

音乐会开始前，双簧管吹出一个 A。弦乐器随后加入：先是零散的长音，然后是细微的拍动逐渐放慢，最后整个乐队仿佛在一个共同的高度上站稳。人们常说这是“440 赫兹”，但现场真正发生的事情远比一个数字丰富。双簧管吹出的并不是一条只含 440 赫兹的纯净正弦波；不同乐器也不会产生完全相同的频谱。听众没有拿着频率计，却能听出偏高、偏低和逐渐合拢。

这段经验提出了本系列的第一个问题：声音在空气里是压力变化，在仪器上可以成为波形和频谱；可是我们听见的是音高、音色、远近、紧张与稳定。一个物理量怎样成为一个知觉对象？

赫兹记录重复，却不直接记录“听见了什么”

如果一种周期性压力变化每秒重复 440 次，它的频率就是 440 赫兹。数学可以把最简单的波写成正弦函数：频率说明循环有多快，振幅说明压力变化有多大，相位说明循环从哪里开始。把几个正弦波相加，又可以表示许多更复杂的周期声音。

但这只是声源与空气的一种描述。频率不是音高的同义词，振幅也不是响度的同义词。音高和响度都属于知觉：它们是听觉系统在声压、频谱、持续时间、背景声以及身体状态共同作用下形成的结果。同一个频率在不同强度、不同音区或不同频谱中，主观高度可能有细微变化；同一个声压级对不同频率也不会同样响。若把“440 赫兹就是我们听见的 A”当作完整答案，就跳过了从外部振动到内部经验的整条转换链。

声音首先必须到达身体。外耳收集空气中的变化，鼓膜随压力摆动，中耳的听小骨把机械运动传向内耳。耳蜗并不是一个被动麦克风。进入耳蜗的运动沿基底膜形成行波，不同频率在不同位置产生最强响应：高频偏向耳蜗基部，低频的最大响应更靠近顶端。这种按频率排列的位置关系称为音调拓扑（tonotopy），并在听觉通路中以不同形式继续保留。关于基底膜位置编码与时间编码的综述说明，音高研究长期面对的并不是“频率是否存在”，而是神经系统怎样从位置和时间信息中形成稳定的高度判断。

耳蜗把波分解，却不是像软件那样做一遍傅里叶变换

用数学分析声音时，我们常把复杂波形分解为许多频率成分。这种频谱表示非常有用，但不能把耳朵简单说成一台实时运行傅里叶变换的软件。基底膜的机械性质、内外毛细胞的作用、听神经放电的时序与中枢处理共同形成一种生物性的选择与编码。

位于耳蜗中的毛细胞把机械位移转成神经信号。内毛细胞是主要的感觉输出；外毛细胞参与主动放大并使频率选择更敏锐。低频声音还可以在听神经放电的时间结构中留下与声波周期有关的信息，这通常称为相位锁定。位置线索与时间线索并不是必须二选一的竞争答案；在不同音区和不同声音中，它们的相对作用会变化。音高知觉综述进一步指出，耳蜗首先把复合声分布到不同频率通道，而音高的稳定性还需要后续系统整合这些通道。

因此，听觉系统面对的不是一个已经贴好标签的数字。它接收的是在时间中变化、在耳蜗上展开、又受到噪声和其他声音干扰的神经活动。所谓“这个音是 A”，至少包含三次压缩：无限细致的振动被仪器压缩成可测参数；耳蜗把声能压缩成有限的神经编码；学习过的音乐体系再把连续音高压缩为可命名、可比较的音级。

同一频率为什么能来自完全不同的乐器

小提琴、长笛和双簧管都可以演奏 A4，但没有人会把它们听成同一种声音。原因之一是多数乐器的音并不只含基频。基频附近以及其整数倍附近的多个成分，以不同强度和不同时间过程共同出现。起音快慢、频谱能量重心、各成分随时间怎样变化，都会参与形成音色。

音乐心理学常用“频谱质心”描述高低频能量的加权中心，它与我们所说的明亮或暗淡有一定关系；“起音时间”则描述声音从出现到达到较大振幅所需的时间。可是音色并不等于任何一个指标。音色知觉研究综述把频谱质心、起音时间、频谱变化和不规则性列为重要维度，同时也强调，目前没有一个公认的单一参数可以完整代表音色。

这解释了为什么乐队调音必须用耳朵，而不能只读出每件乐器的基频。两个基频都接近 440 赫兹的声音，仍可能因泛音、起音和强度不同而难以融合；反过来，音乐家也能从复杂的乐器声中抓住共同音高。音高是从音色丰富的声音中提取出来的关系，不是先于声音存在的一根无色坐标轴。

贝多芬《第九交响曲》开头：音高不是一开始就完全确定

可以用贝多芬《第九交响曲》第一乐章的开头检验这个区别。乐曲并没有先给出一个坚固、完整的和弦，让听众立即知道自己站在哪里。弦乐的空五度碎片从极弱处出现，音响的边界和调性归属仍有不确定性；材料逐步聚合后，D 小调的力量才变得明确。《第九交响曲》总谱让我们看见，写在纸上的音符当然已经确定，但听觉经验中的“对象”是在时间中形成的。

这不是说听众先听见无意义的频率，后来才由理性添加音乐。恰恰相反：从第一瞬间起，听觉系统就在分组、比较、预测。只是开头提供的证据不足以固定唯一解释。随着重复、重音、音区和和声关系累积，某些听法得到支持，另一些听法被排除。物理振动始终精确发生，知觉对象却具有形成过程。

A4 等于 440 赫兹，是约定，不是自然界给音符取的名字

现代乐团常以 A4 接近 440 赫兹作为调音参考，但具体标准和演出实践可以不同，有些乐团使用更高的参考音。关键不在争论哪个数字“更自然”，而在区分两件事：倍频、波长和耳蜗响应具有物理条件；把某个频率命名为 A，并让整个群体据此协调，是历史形成的制度约定。

约定并不意味着任意。共同参考音能让固定音高乐器、乐谱、排练与制造体系互相兼容。可是它也不赋予 440、432 或其他某个数字特殊的道德、精神或疗愈地位。若有人声称单凭整体调音频率就能产生特定健康效果，需要的是独立的生理与临床证据，而不是数字看起来整齐或某种历史叙事听起来动人。

从振动到经验，中间没有一个孤立的“听者按钮”

我们可以把音高经验写成一条链：声源在材料约束下振动，空气传递压力变化，外耳和中耳改变传递条件，耳蜗按频率与时间组织能量，神经系统在背景中估计周期与来源，记忆和音乐学习又让某些关系获得名称。链条中的任何一层都不能单独替代其他层。

数学在这里极其重要。没有频率、周期和频谱，我们无法精确比较声音，也无法理解耳蜗为何在不同位置响应。但数学描述的首先是关系和可重复结构；它没有自行跨越从测量到经验的最后一步。一个频率成为音高，不是数字钻进了心里，而是身体在世界的振动中建立了一个可以持续追踪、比较和使用的听觉对象。

下一次听乐队调音，可以同时听三件事：拍动怎样逐渐变慢，乐器的音色怎样仍保持差异，一个共同音高怎样在这些差异中形成。那一刻既不是纯粹物理，也不是纯粹主观。它是可测量的振动经过活的听觉系统，成为共享音乐秩序的过程。

主要资料与进一步聆听

• Oxenham：《Pitch Perception》
• Shamma：《Revisiting Place and Temporal Theories of Pitch》
• 关于音色知觉的神经认知研究综述
• 贝多芬《第九交响曲》总谱与录音资料

继续阅读：浏览《听见数学》系列文章

如果你也想把这些关于聆听、理解与练习的想法带到琴键上，可以试试我开发的 ScoreFlow，让乐谱阅读与日常练习衔接得更自然。