一、音色的定義

通行的基本樂理將音高（pitch）、音強（loudness）、音長（duration）與音色（timbre）歸為音的四要素。前三者皆可以量化描述，無論是以音樂的主觀表達還是以物理的客觀表達，都有明確的計量單位。如音高可主觀表達為音符名稱、客觀表達為振動頻率，音強主觀表達為力度、客觀表達為聲壓級，音長主觀表達為時值、客觀表達為分、秒、毫秒等。惟有音色這一屬性，卻無法量化描述，其主觀表達只能采用各種形容詞，客觀表達則無法實現(xiàn)（見圖1）。

圖1 音之四要素的主客觀表達

描述音色的主觀術語一般由成對的反義詞構成，大都建立在聯(lián)覺（通感）的基礎上，也沒有形成統(tǒng)一的標準。如最簡單僅由3對術語構成（Pratt，1976），復雜的則有35個術語（H.Staffeldt，1974）甚至55個術語（A.Gabrielsson，1985）構成。①參見韓寶強《音的歷程——現(xiàn)代音樂聲學導論》，人民音樂出版社，2016年，第46頁。這些術語有采用視聽聯(lián)覺：明亮—暗淡、清晰—模糊、豐滿—空洞；有采用聽觸聯(lián)覺：圓潤—尖銳、溫暖—冰冷、柔和—堅硬；甚至涉及味覺：甜美—粗澀……此外，還有大量更為抽象的形容詞表達，如緊張—松弛、厚實—單薄等等。對音色的主觀描述，從來就充滿了個性的體驗，如李斯特形容漢塞爾特（Adolf Henselt）的演奏，稱之為“天鵝絨似的聲音”，還有如形容德彪西鋼琴作品為：“底下是黃色的沙，中間是藍色的水，上面是向下滴落的白色水珠……”。①韓業(yè)江：《德彪西鋼琴音樂的藝術風格》，《藝術教育》2008年第3期，第82頁。在某種程度上，描述音色或對音色分類就如同葡萄酒的主觀評價，就算有松散的行業(yè)標準，也充斥著大量對于外行人來說離奇古怪的形容詞。葡萄酒品鑒的術語有多達幾十至上百條，如果說其中的肥膩（fat）、松散（Flabby）、多肉（Meaty）等還能勉強理解，但是至于風騷（Slutty）、毛茸茸（Wooly）等就有點匪夷所思。②紅酒愛好者必知的35條品鑒術語，http：//www.360doc.com/content/15/0729/10/17132703_488098215.shtml，2019年2月14日。古往今來，音樂理論家們?yōu)槊枋鲆羯卣鳌⒍x音色概念留下了大量著述，其繁雜冗長以致被詬?。骸耙羯褪切睦砺晫W家進行分類時的多功能垃圾箱，任何無法用音高、音量標識的屬性就被置于這其中?！雹跰cAdams，Stephen，and Albert Bregman（1979）.“Hearing Musical Streams”.Computer Music Journal 3，no.4 （December）：26-43，60.甚至被激進地抵制：“音色這個沒有任何科學含量的名詞，應該將其從聽覺科學的術語中刪除?！雹躆artin，K.D.（1999）.Sound-Source Recognition：A Theory and Computational Model.PhD thesis，Massachusetts Institute of Technology.

然而，我們并無法將其從藝術與科學的術語中將其刪除，盡管語焉不詳，但卻被心照不宣地普遍使用。中文“音色”一詞，字面理解為“音的色彩、色調”。“色”由光起，是視覺神經(jīng)將所接收的光波信息傳遞至大腦，大腦視覺中樞對信息分析后而得出的主觀判斷，即為色覺。色覺由可見光波的波長/頻率所決定，其波長范圍大致在400～760nm、頻率范圍大致為4.2×1014～7.8×1014Hz之間，光波的波長由長至短、頻率由低至高，大致對應于紅橙黃綠青藍紫七種色彩。如波長在770～622nm時，我們感知到紅色，波長為455～350nm時，則感知為紫色。聲波同樣具有波長/頻率屬性，人類可聽域內聲波的波長/頻率范圍大致在0.017～17m/20～20kHz之間。正是由于光與聲都有波長與頻率的特征，因此借用視覺感官的術語描述聲音，似乎是合理的。但是必須要明確的是，光波的波長/頻率決定了視覺感知到的顏色，聲波的波長頻率決定的是聽覺感知的音高。音樂理論中所使用的“音色”，與聲波的波長頻率并無直接關系。

（一）含混的中英文對應

從音色這一概念的所指來看，大致可對應于三個英文單詞：Tone Color，Tone Quality和Timbre，嚴格的學術性翻譯應該為音色、音質與音品，但實際上中英文的對譯并不相符，現(xiàn)列舉如下：1.Tone Color直譯為“音色”，然而在英文文獻中，Tone Color并不是一個正式的學術用語，常作為Timbre的非正式替代語，在《新格羅夫音樂與音樂家辭典》（2001第二版）與牛津音樂在線（Oxford Music Online）中都并沒有獨立詞條。1970年，荷蘭聲學家普勞姆（R.Polmp）提議，啟用Tone Color描述兩個復合音在發(fā)聲的穩(wěn)態(tài)持續(xù)階段時的感知區(qū)別，但是這個提議并沒有被廣泛接受。⑤R.Plomp and G.Smoorenburg.Timbre as a Multidimensional Attribute of Complex Tones，in Frequency Analysis and Periodicity Detection in Hearing.Eds.Leiden：Sijthoff，1970.Rossing，Thomas D.Science of sound，3rd edition，San Francisco：Addison Wesley，p135.2.Tone quality直譯為“音質”，用來形容聲音的品質，在多數(shù)情況下，其默認含義等同于漢語中的“音色”。但是在音頻技術領域，“音質”一詞則實際上包含有更廣泛的含義，涵蓋了聲音的音量、音準、混響時間乃至真實度等若干維度的屬性。3.我們最普遍使用的“音色”一詞，實質上對應的是Timbre，這個詞可以被譯為“音質、音品與音色”，由于音質、音色兩個漢譯已經(jīng)直接對應于tone quality和tone color，那么Timbre一詞按其本義，則應該譯為音品。韓寶強即持此觀點，但認為“避免給眾人帶來麻煩，繼續(xù)沿用‘音色’也依然可行，但需要闡明該詞的意義”。⑥韓寶強：《音的歷程——現(xiàn)代音樂聲學導論》，第46頁。需要注意的是，國內文獻述及音色的英文術語時，經(jīng)常將Timbre與Timber混用，誤以為re與er后綴乃是英式美式之別。但是實際上“音色、音品”對應的英文只能是Timbre而不是Timber（木材）。

從學術的嚴謹性來看，將timbre譯為音色還有可能引發(fā)一個問題：在音頻技術領域，也使用色彩給各種噪聲命名，如白色噪聲（White Noise）、粉色噪聲（Pink Noise）、棕色噪聲（Brown Noise）等，然而這里的白、粉、棕僅僅是指構成該噪聲的頻率的聲波成分與相應色彩的光波頻率成分在結構上相似，是光學術語的借用，與人耳主觀感知到的“音色”并無任何關聯(lián)。如此一來，“音色”這個術語與“白色（粉色/棕色）噪聲”等術語并存，會產(chǎn)生概念理解的偏差與主客觀角度的混淆。

（二）模糊的中文定義

中文對音色的定義，首先影響最廣泛的是李重光《音樂理論基礎》（1962）年所定義：“音色則由于發(fā)音體的性質、形狀及其泛音的多少等而不同?！雹倮钪毓猓骸兑魳防碚摶A》，人民音樂出版社，1962年，第1頁。后在《基本樂理通用教材》（2004）中再予補充：“由于音色的不同，我們才能區(qū)分各種不同的樂器和人聲?！雹诶钪毓猓骸痘緲防硗ㄓ媒滩摹?，高等教育出版社，2004年，第1頁。其次為童忠良2001年的定義：“音色，指音的色彩，它是由發(fā)音體振動的方式、形狀、成分及發(fā)音體的品質等因素來決定的。”③童忠良：《基本樂理教程》，上海音樂出版社，2001年，第2頁。二者的核心內容并無本質區(qū)別，國內出版的絕大多數(shù)音樂理論教材基本沿用了以上二者的定義。只有韓寶強2003年提出的音色定義采取了不同的技術路線：“音色，樂音的品質特征，能夠將音高、音強和音長都相同的兩個音區(qū)別開來的一種聲音屬性。”④韓寶強：《音的歷程——現(xiàn)代音樂聲學導論》，第54頁。從定義的邏輯學原則來看，李重光定義缺少被定義項（DS）“音色”的定義項（DP），即“DS就是DP”——該定義只闡述了影響音色的若干因素，而未指明什么是“音色”。童忠良定義彌補了定義項（Dp）的缺失，但是使用“音的色彩”作為定義項，又違反了“定義四規(guī)則”之二和之四：“定義項中不得直接或間接地包含被定義項”（之二）——“音色”實際上就是“音的色彩”之簡稱，這種陳述并無實際意義；“定義項必須清楚明確，不得以比喻代定義”（之四）——“音的色彩”是聽視聯(lián)覺的比喻。韓寶強定義從邏輯學的角度來看最為完善，有明確的被定義項“音色”及定義項“樂音的品質特征”，但是也有違反“定義四規(guī)則”之三：“給正概念下定義不得使用負概念或否定語句。”⑤張建禮、何文模、陳素：《實用邏輯學》，重慶大學出版社，1998年，第21—22頁?！捎梅穸ㄊ秸Z句“非‘音高、音強和音長’的品質特征”。此外，如果將“音色”的所指限定為“樂音的品質特征”，多少也存在著定義項外延小于被定義項外延的問題——因為噪音也有音色。

在外文文獻中，音色的定義也變化多端。美國聲學學會之定義（ANSI，1960）為：音色是聽覺感知的屬性，使聽者來判別兩個具有同樣呈現(xiàn)方式、同等音量與音高的聲音，將其區(qū)別開來。⑥Timbre is that attribute of auditory sensation in terms of which a listener can judge two sounds similarly presented and having the same loudness and pitch as dissimilar.American National Standards Institute，USA standard acoustic terminology，S1.1，1960.《新企鵝音樂詞典》定義（The New Penguin Dictionary of Music，1991）：在分析層面，樂器音色的區(qū)別是由于聲音中的諧音列不同。⑦On analysis，the difference between tonecolors of instruments are found to correspond with differences in the harmonics represented in the sound （see HARMONIC SERIES）.A.Jacobs，Penguin Dictionary of Music，Penguin Books LTD.Middlesex，England，1991.《哥倫比亞百科全書第六版》（Columbia Encyclopedia，6thed.）定義：聲音的質量由泛音所決定，泛音數(shù)量及相對強度導致了樂器的音色特性。⑧（Sound） Quality is determined by the overtones，the distinctive timbre of any instrument being the result of the number and relative prominence of the overtones it produces.“tone.” The Columbia Encyclopedia，6th ed...Encyclopedia.com.24 Jan.2019.（https://www.encyclopedia.com〉.《大不列顛百科全書》（Encyclop?dia Britannica，2018）定義：由聲波所引起的聽覺感知的質量。音色依賴于波形，隨著其呈現(xiàn)出的泛音或諧音數(shù)量、頻率及相關的強度而產(chǎn)生變化。①The timbre of a sound depends on its wave form，which varies with the number of overtones，or harmonics，that are present，their frequencies，and their relative intensities.Encyclop?dia Britannica，01 Feb，2018.https://www.britannica.com/science/timbre.這些定義可分為兩類：美國聲學學會定義主要采用排除法來限定音色的屬性，在音樂科技領域內被使用和引用最多，而中文韓寶強定義亦源于此。以《新企鵝音樂詞典》為代表的定義主要強調諧音或泛音的不同來描述音色的特征，則在各類音樂詞典、百科詞典以及基本音樂理論教材中被普遍采用，以上所列舉的中文定義在國內的使用亦是如此。這些定義中存在著一個共同點，都是基于對“音高”（pitch）、諧音（harmonics）或泛音（overtones）所展開的陳述，那么就存在著一個現(xiàn)實問題：我們可以明顯地區(qū)分出關門聲與打鼓聲的區(qū)別，假設這兩個聲音都具備同樣的音強與音長，但是二者并沒有音高，也沒有諧音列與泛音列的分布，我們是如何分辨出二者的區(qū)別？難道這二者沒有音色屬性嗎？因此，以上所有的定義，在面臨聲源為噪音時，就顯現(xiàn)出定義的缺陷。此外，任何一個聲音都是在時間中展開，其特征都是動態(tài)變化的，即在聲音的建立、持續(xù)與衰減的每個階段，其頻率成分都有很大的不同，其中以建立階段的起振瞬時（attack transient）最為重要，即使該階段在整個聲音呈現(xiàn)過程中所占的時間微不足道，但是如果把一個音的起振瞬時的音頭部分切掉，那么人耳對音色的判斷都會產(chǎn)生很大程度的混淆，這個結果已經(jīng)被證實。②Kenneth W.Berger，Some Factors in the Recognition of Timbre，The Journal of the Acoustical Society of America 1964 36∶10，1888—1891.因此，僅將音色感知的區(qū)別限定于諧音或泛音區(qū)段，也是不全面的。

本文將就以上各種定義中，對影響音色感知的客觀參數(shù)展開調查與驗證。音色感知機理目前有兩種學說，一是“諧音列說”，二是“起始狀態(tài)說”，③韓寶強：《音的歷程——現(xiàn)代音樂聲學導論》，第48—50頁。但是后者在客觀測量方面實際上存在著很大程度的偶然性與隨機性，不具備典型的可操作性，本文并不在此展開。

二、影響音色感知的客觀參數(shù)驗證

（一）實驗與驗證

筆者設計以下四個實驗，分別驗證諧音列、振幅包絡、基音能量、長時平均譜能量對音色的影響。

實驗Ⅰ.諧音列對音色的影響

圖2 古琴C2諧音列的變化

樣本說明：古琴C2音（64.6Hz，C2-21c），中等力度撥弦，波形從峰值至結尾（穩(wěn)態(tài)階段）共0.9秒長度；頻譜1取自波形前1/3段區(qū)域，頻譜2取自波形后1/3段區(qū)域。

分析說明：可以看出，二者頻譜結構大致類似，但是也有明顯區(qū)別：頻譜1中包含25個以上諧音，頻譜2的諧音數(shù)量為18個；頻譜1與頻譜2共有諧音的強度也不同。下圖以前5個諧音在時間上的變化為例，可以明顯看出，在0.2s以前，5個諧音的強度排序是充滿變化的，0.2s～0.3s才逐漸形成穩(wěn)定狀態(tài)，即使大致呈現(xiàn)穩(wěn)定，第2諧音的強度在0.3s之后還有明顯的波動。（見圖3）。

圖3 古琴C2前5個諧音的強度變化

結論：這個實驗簡單而有效地描述了同一個音在時間過程中諧音列的變化情況。依據(jù)《新企鵝音樂詞典》定義，“音色的區(qū)別是由于聲音中的諧音列不同”，然而在古琴單音的持續(xù)過程中，由于振幅的衰減而使得諧音數(shù)量與諧音的強度在時間進程中產(chǎn)生了變化，但是這種變化并不能引起聽覺感知為音色的區(qū)別。究其根源，在單音呈現(xiàn)過程中的諧音是持續(xù)漸變的，這種連續(xù)性的變化反而賦予古琴音色的統(tǒng)一感。因此，在彈撥與打擊類樂器音響呈現(xiàn)過程中，諧音列都隨時間流逝而變化，因此如果脫離時間坐標，諧音列無法被認定。

我們知道，在一件樂器上不同力度的演奏，同一個音高會產(chǎn)生不同的音色；而同一力度演奏同一音高，在不同的觸弦位置或同音異弦演奏，都將導致音色的不同，也就是諧音列的分布會產(chǎn)生或細微或顯著的變化。那么我們就知道，即使承認諧音列是影響樂器音色感知的首要因素，我們卻無法給一件特定的樂器定義出諧音列結構。

實驗Ⅱ.振幅包絡對音色的影響

樣本說明：三個純音，分別為f1=200Hz，f2=400Hz、初相位ωt+φ=0○；f2’=400Hz，初相位ωt+φ=180○，即f2和f2’的相角差為180○（見圖4）。

圖4 200Hz（f1）與400Hz兩個不同相位（f2.f2’）的純音

實驗過程：將純音f1+f2合成為復合音F1，將純音f1+f2’合成為復合音F2。觀察F1與F2的包絡，并聆聽二者的音色差異。振幅包絡見圖5。

圖5 復合音F1與F2包絡圖

結論：《大不列顛百科全書》定義“音色依賴于波形”。F1與F2兩個復合音的波形包絡有明顯差異，但是聽覺感知卻沒有任何不同，這是因為聽覺對振動的相位差異并不敏感。在這種情況下我們可以認為：波形包絡的不同并不能決定音色差異。

實驗Ⅲ.基音能量對音色的影響

樣本說明：以110Hz為基音，疊加其15個整數(shù)倍頻率即220Hz、330Hz、440Hz……1760Hz（見圖6）。

圖6 110Hz～1760Hz構成16個諧音的復合音A2

實驗過程：（1）順序播放16個純音，聆聽最終的合成音A2，辨別其音高與音色（見圖6a）。（2）在頻譜中刪除110Hz，聆聽最終的合成音A2’（見圖6b），辨別其音高與音色。

圖6a.（最低頻率為110Hz）

圖6b.（最低頻率為220Hz）

結論：（1）110Hz整數(shù)倍的16個純音，合成為一個音色豐滿的復合音A2。在復合音中，人耳很難分辨出其中任何一個單獨純音，由此證實聽覺對諧音列的匹配模型具有先天的“預制”性，并以110Hz的音高A2為整個諧音列設定識別標簽。（2）這種先天本能，使得人耳始終以諧音列中的最大公約數(shù)110Hz為諧音列設定整體標簽，即使這個頻率不存在，人耳仍然會“虛擬”出110Hz的頻率，并將整個諧音列感知為A2，只是這時聽上去音色相對單薄。

拓展：利用人耳的這個本能，我們可以設計一套連續(xù)變化的諧音列，讓人耳虛擬出一個無限持續(xù)攀升的音調（無界音高.aup）。

實驗Ⅳ.長時平均譜對音色感知的影響

實驗目的：驗證在特定時間內的頻譜總能量相同，是否音色感知即相同（吉他正逆.aup）。

樣本說明：第一軌共包括三種音色片斷，0～5.4s為人聲（氣鳴），5.4～15.7s為吉他撥奏（弦鳴），15.7～18.5s為敲擊吉他音箱（體鳴）；第二軌與第一軌材料相同，但是采取逆向時序（見圖7）。

圖7 三種不同音色的正、逆波形

實驗過程：設置第二軌為第一軌的逆向（Reverse），分別獲取第一軌與第二軌的長時平均譜（long-term average spectrum），見圖7a、圖7b。

圖7a

圖7b

實驗結果：第一、二軌的長時平均頻譜在40Hz以上完全相同（40Hz以下的頻譜能量由本底噪聲引起，對于聽覺感知而言并無意義），但是聽覺感知第二軌的音響與第一軌音響截然不同：原敲擊吉他音箱的打擊聲變成了類似定音鼓滾奏的隆隆聲，原吉他撥奏的清脆聲變成了類似大提琴的擦奏聲，而原來的人聲部分已完全無法辨認。

結論：根據(jù)頻譜決定音色之理論，頻譜相同的兩個音響，其音色應該沒有區(qū)別。但是將樣本反向播放，與原有樣本的主觀感知產(chǎn)生了根本性的變化。由此可知，即使是音高、音強與音長完全相同的兩個音，其音色也會發(fā)生劇烈的改變，而長時平均頻譜并無法體現(xiàn)這種差異。因此再次證明，脫離了時間坐標來討論頻譜成分是無意義的。

那么我們再回到對音色的定義上。在前文所引用的定義之外，將時間坐標納入到定義中只有《新格羅夫音樂與音樂家詞典》（The New Grove Dictionary of Music & Musicians，3rded.）：音色用以描述聲音整體的音質；單簧管與雙簧管用同等音量演奏同一音符時即產(chǎn)生不同的音色。比起音高或音量，音色是一個復雜得多的屬性，前二者都可以使用二維的量值表示（用高低表示音高，用大小表示音量）；音色的感知是若干因素的綜合，在計算機音樂中投入了大量的工作來創(chuàng)建和拓展多維度的音色空間。聲音的頻譜，尤其是起振瞬時的頻譜中，其各分音在振幅的增長方式對音色起到了最重要的影響。①Oxford Music Online，Timbre，https://doi.org/10.1093/gmo/9781561592630.article.27973，2019-2-17.但是，這種冗長繁瑣的敘述又不太像一個定義。由此看出，對音色進行定義，只要涉及主觀層面就會遇到難以逾越的各種問題。那么將重點集中于客觀層面，揭示影響音色感知各個維度的客觀參數(shù)，可能更具有可操性。

（二）音色測量與評價的維度構成

將影響音色感知的因素歸因于泛音列始于亥姆霍茲，在其《論音的感覺》一書中，他認為音質（tone quality）②亥姆霍茲的德文原著使用Kl?ngfarbe一詞，譯者Ellis堅持將其譯為tone quality?，F(xiàn)有英文文獻多將其譯為timbre。的不同主要是由于分音的強度和數(shù)量不同（Helmholtz，1885）③Helmholtz，H.（1885）.On the Sensations of Tone as a Physiological Basis for the Theory of Music （from 1877 trans.by A.J.Ellis of 4th German ed.，republ.1954 by Dover，New York）.。弗來徹則認為：音色主要依賴于泛音結構，但是如果強度和頻率的改變也會導致音色改變（Fletcher，1934）④Fletcher，H.（1934）.Loud ness，pitch and the timbre of musical tones and their relation to the intensity，the frequency and the overtone structure.Journal of the Acoustical Society of Ameri ca.6.59-69.10.1121/1.1915704.。西肖爾認為，音色主要依賴于諧音的數(shù)量、諧音在整個頻譜中的位置、每個諧音的相對強度。由此音色可以被定義為：一個聲音的特征，主要依賴于它的諧音結構（Seashore，1938）①Carl E.Seashore，Psychology of Music，McGraw - Hill Book Company，Inc.； 1st edition （1938），p96.。斯考騰認為將音色定義為泛音的結構或是頻譜的包絡是不夠的，提出定義音色的5個參數(shù)：1.樂音與噪音的屬性（由頻率成分中諧音與非諧音的比例決定—筆者注）。2.頻譜包絡（各分音的數(shù)量及相對強度—筆者注）。3.開始、持續(xù)與衰減的時間包絡。4.頻譜包絡中共振峰的偏移和基音頻率的波動程度。5.聲音起始階段的狀態(tài)（Schouten，1968）②Schouten，J.F.（1968）.The perception of timbre.In The 6th international congress on acoustics，Tokyo，Japan，August 21-28，1968 （pp.35-44）.Tokyo.。在此基礎上，埃里克森為音色設計了一個將主觀感知與物理現(xiàn)象相關的列表（Erickson，1975，見表1）。

表1 音色主觀感知與物理現(xiàn)象的關聯(lián)③ Erickson，Robert （1975）.Sound Structure in Music.Berkeley and Los Angeles：University of California Press.p68.

這個列表無疑對音色的測量指明了與主觀感知相關聯(lián)的多個維度，但是實際上這種測量也是難以完成的。羅辛將音色測量的維度進一步簡化，他認為音色與音強、音長相關性很小，與頻率和包絡有一定相關，而與頻譜有很強相關性（Rossing，2002，見表2）。

表2 客觀物理項與主觀感知項的相關性④ Rossing，Thomas D.，Moore，Richard.& Wheeler，Paul.2002，The Science of Sound，3rd edition，San Francisco：Addison Wesley，p95.

按照這個列表所列出影響音色感知各因素的權重程度，音色的測量工作具備了一定的可操作性。然而，這個列表遺漏了一個較為重要的維度——空間。因為任何聲音都是在空間中傳播的，那么聲源相對于聽者的空間位置、聲場的混響時間及空間的頻率響應等，都將對音色感知產(chǎn)生一定的影響，因此筆者在上表的基礎上，加入聲場參數(shù)項，并按照與音色感知相關程度的順序繪制圖示（見圖8）。

圖8 與音色感知相關的物理項

圖8將影響音色的6個維度項（灰色框）按照相關程度從左至右排序，其中每項又分為若干子項，同樣按照相關程度，以中軸線為準由近至遠排序。每個維度項的量值都可以通過聲學測量手段獲得，將各個量值按照相關性的權重進行不同層級的分析，并對分析結果進行整合，就能在客觀層面上對音色進行較為全面的詮釋。

三、主觀感知層面的音色初級分類

（一）音色的感知

圍繞著音色的定義與測量，音樂家、物理學家、心理學家們已經(jīng)展開了一個多世紀的討論，這個過程本身就值得深思：我們?yōu)槭裁磳σ羯谋硎鋈绱藞?zhí)著甚至糾結？音色的感知與認知，在人類進化的歷程中扮演著什么角色？

在生命的初期，人類最先發(fā)展的感覺器官就是聽覺，胎兒在孕中期（4～6個月）開始就已經(jīng)具備了聽覺功能，在接下來的半年時間內，胎兒與母體之外的世界進行交流，其唯一的通道就是聽覺。人類演化出對音色極其敏銳的感知能力，在生存過程中無時無刻不運用這種能力來探索、體驗物質世界?！吧砦吹健⒙曄戎痢?，“聽音辨器物、聞聲知虛實”，辨識音色是對感知對象的初步認知，在我們的日常生活中扮演著重要角色。在語言交流中，音色承載的信息甚至有可能超越于語義本身——所謂“言外之意”，往往是由音色的微妙變化所暗示。在音樂技能的訓練過程中，除了精準與速度的訓練，表演者還要掌握每個音的最佳音色，方能產(chǎn)生出審美價值。在音樂現(xiàn)場，我們能夠聆聽出一根生銹的琴弦、一枚漏氣的哨口、一面破裂的銅鑼等在音色上的變化，我們還可以分辨出不同樂器、同類樂器的不同個體、同一個體采用不同演奏方式產(chǎn)生的同一音高、這個音所處的不同演奏環(huán)境等等微妙的差別……這一切都源于對音色的識別。那么，我們?yōu)槭裁匆M化出如此復雜的音色識別能力？

音色識別關系到我們的生存。人類從感知至認知是一個歸納推理的邏輯過程，我們傾向于用集合定義的方式將具有相似屬性的事物進行分類認知，如同我們用味覺來為食物的味道進行酸甜苦辣咸的初級分類一樣，我們也用聽覺為物體的屬性進行初級分類，這些分類為生存提供檢索的標簽。例如，苦味源于未熟的果實中的生物堿，過量攝入可能導致中毒甚至喪命，讓我們對其敬而遠之；甜味則聯(lián)系于成熟果實中的糖分，意味著碳水化合物與能量，讓我們對其趨之若鶩。在聽覺感知中，我們對物體首先進行音高感的初級分類：如果一個振動體的各分段（分區(qū)）振動的周期（頻率）形成整數(shù)比例，聽覺系統(tǒng)瞬間將其簡化為一個基音音高的感知，并將其貼上一個分類標簽：具備明確音高的振動體，即樂音；若各振動模式無法構成簡單整數(shù)比例，聽覺系統(tǒng)將其貼上另一個分類標簽：不具備明確音高的振動體，即噪音。而一個振動體的起振狀態(tài)、持續(xù)時間及各分段（分區(qū)）振動頻率的整體組合結果，直接反映了振動體的結構、密度、彈性以及物理尺寸等屬性。音色就是聽覺中樞試圖把握振動體物理屬性過程中的主觀感知，這些感知的積累，形成認知事物的聽覺標簽。例如，當聽到一個熟悉的音色時，我們立刻將其標簽置入已有的聽覺標簽庫中檢索，如果吻合于現(xiàn)有聽覺標簽，那么就將其聯(lián)系于對應的視覺、觸覺、嗅覺等感官記憶庫，從而獲知該對象的物理屬性，這是認知強化的過程；當聽到一個似曾相識的音色，再通過視覺等感官的進一步綜合感知，擴充該聽覺標簽所代表的物理屬性，這是認知拓展的過程；而聽到一個全新的音色時，我們則對聽覺標簽及其對應物進行新建，這是認知重建的過程。

音色的差異與變化反映了感知對象的性狀。在生活中，如挑選西瓜時若聽到“梆梆”的敲擊聲是生瓜（結構緊密、聲阻抗小而產(chǎn)生較多高頻分音），“噗噗”聲則是熟瓜（孔隙增大、聲阻抗增加而導致高頻分音減少）。在音樂中，《禮記·樂記》所述的“鐘聲鏗、石聲磬、絲聲哀、竹聲濫、鼓鼙之聲讙”①《禮記·樂記》，十三經(jīng)注疏本，中華書局，1980年。，正是將物理性狀與音色對應的歸納認知。有古琴名為“焦尾”者，據(jù)傳是蔡邕“聞火烈之聲，知其良木，因請而裁為琴，果有美音”②《后漢書》卷六十《蔡邕列傳》，中華書局，2000年。，也正是音色與物理性狀對應的演繹認知。在動物界，啄木鳥是辨識音色的專家，它可以根據(jù)敲擊樹干的音色來判斷蛀蟲的位置；澳大利亞棕櫚鳳頭鸚鵡則將這種行為演化為求偶儀式，它會挑選一段共鳴性能好的樹干，用石頭或樹枝敲擊來為它的歌聲伴奏。③Robert Heinsohn，Christina N.Zdenek，et al.Tool-assisted rhythmic drumming in palm cockatoos shares key elements of human instrumental music，Science Advances，28 Jun 2017：Vol.3，no.6，e1602399.（http://new-play.tudou.com/v/519968908.html）進化使得我們對于嗓音的音色異常敏感，僅聆聽非語義的嗓音，就可以判斷出一個人的健康狀況。如感冒會帶來所謂的齉鼻兒聲（缺少鼻腔共鳴的共振峰），聲帶炎癥或閉合不嚴會導致嗓音嘶?。ㄉひ艉性氩ǔ煞郑┑?。一個有經(jīng)驗的母親能夠從嬰兒的啼哭中分辨出饑餓、尿床還是意圖喚起注意等。普遍來說，我們偏愛音色低沉的男性與音色纖細的女性，這也有進化選擇的證據(jù)：低沉的男性嗓音意味著寬厚的聲帶，暗示著高大健壯的身體與較高的睪丸酮水平，由此增加了安全感與信任度；而女性的音色纖細意味著身形嬌小與較高的雌性激素水平，這具有柔順與生殖的優(yōu)勢。

我們偏愛樂音而排斥噪音，這是人類聽覺選擇的普遍性傾向。首先從物理與生理層面看，樂音是由于振動體的各部分振動周期/頻率構成簡單整數(shù)比（1∶2∶3∶4∶5∶6等），而這種周期性的頻率吻合對聽覺中樞的分析而言是一種簡潔與規(guī)則，大腦可以用一個具體的音高（基音）來為一個復合音設定標簽，符合人類對客觀世界進行模型匹配認知的本能；反觀噪音，其包含的各個頻率無法形成周期性的吻合，導致我們難以用一個具體的音高為其設定標簽，為認知匹配帶來了一定的困難。其次從心理層面看，樂音的感知始于母親的嗓音。相比于自然界的聲音，母親嗓音是完全呈諧音列結構的聲音，在我們還處于胎兒的時期這種聲音就伴隨著我們的成長，而出生后的嬰兒對嗓音信息的存儲、分析、辨別等能力則有著關乎于生存的意義，因為它意味著溫暖、食物與安全。這種認知的建立，可以與動物行為學所稱“印刻效應”（Imprinting Effect）④動物界中存在的指印隨行為現(xiàn)象：一些剛孵化的幼鳥和剛生下來的哺乳動物會跟隨著它們所見到的第一個移動的物體，通常是它們的母親。相比，是聽覺層面上的“印刻”。人類的嗓音是最典型的復合音，其中包含有豐富的諧音列，對于音高、音色的辨別在很大程度上就是對諧音列的匹配性感知過程，筆者將這個印刻稱為“預制諧音列”。⑤付曉東：《和諧與協(xié)和的探索》，人民音樂出版社，2013年，第131—132頁。母親嗓音留下的諧音列印痕如此深刻，當面對一個復合音的頻率成分為諧音列時，我們通過其基音的音高為其設立標簽，即使缺失基音，我們仍然可以通過上方諧音就推斷出基音的音高（見實驗III例2）——這個過程讓大腦的模型匹配認知得到簡化與肯定，因此產(chǎn)生愉悅；而一個復合音的頻率成分如果不構成簡單整數(shù)比，我們就無法總結或推斷出基音音高，這種過程讓大腦的模型匹配認知無法得以順利完成，因此產(chǎn)生煩擾——對可推斷結果的確定把握、對不可知結果的迷惑不安——這可能就是人類偏愛樂音的原因。

（二）樂音—噪音的四分法

1.對樂音—噪音分類的借鑒

基于以上討論，音色的感知在很大程度上就是大腦對復合振動體的頻率成分進行諧音列的匹配認知結果，因此它和音高的感知是同時發(fā)生、相輔相成的。如果要對音色進行可量化的初級分類，在很大程度上就是從樂音（有音高）至噪音（無音高）這兩個端點間各個過渡階段的界定。

韓寶強在繆天瑞基本樂理所定義的“樂音性噪音”基礎上，對樂音和噪音定義為：“能夠給聽覺以明確高度的音，叫做‘樂音’；沒有明確音區(qū)歸屬感的音，叫做‘樂音性噪音’；即沒有明確音高，也沒有音區(qū)歸屬感的音，叫做‘噪音’?！蓖ㄟ^對小提琴頻譜、中音鑼頻譜和白噪聲頻譜為例，分別對樂音、樂音性噪音和噪音進行了闡述，并總結為：“如果泛音之間頻率比為整數(shù)關系、總體強度自基音遞減且呈開放排列，則可視為樂音；如果泛音之間頻率比不是整數(shù)關系，但泛音呈開放排列，聽起來可能會沒有確定的音高，但會有一定的音區(qū)歸屬感；如果泛音之間頻率比既不是整數(shù)關系，泛音也不呈開放排列，則聽起來既沒有明確的音高，也沒有音區(qū)歸屬感，這才是真正意義上的噪音?！雹夙n寶強：《音的歷程——現(xiàn)代音樂聲學導論》，第93頁。

這個定義在物理層面上總結了樂音與噪音頻譜結構的不同，并結合了聽覺感知的“音區(qū)歸屬感”，將 “樂音性噪音”作為“噪音”的過渡分類而形成三分法，無疑更為科學而全面。但是，如果以“音區(qū)歸屬感”作為噪音類的子集分類標準，那么樂音類別就缺少相應的子類，如此既無法準確體現(xiàn)過渡集合，也在分類邏輯結構上顯得不平衡。因此，結合于實際聽覺對音高主觀感知，筆者建議為樂音增加“音高明確度”為其子集分類標準，由此將樂音類分為音高明確的“樂音”與有音高感的“噪音性樂音”，從而形成完整的樂音——噪音的基本音色四分法（見圖9）。

那么如何“噪音性樂音”定義呢？筆者參考韓寶強定義，作出如下闡述：主觀層面上，聽覺能夠辨別大致音高，但是具有一定程度的粗糙感、音高較為模糊的音叫做“噪音性樂音”。客觀層面上，各泛音之間頻率比既有整數(shù)關系也有非整數(shù)關系，整體呈諧音列結構但其中含有非諧音成分，則可視為“噪音性樂音”。

2.噪音性樂音的實例分析

以下舉弦鳴、體鳴與膜鳴三類樂器中產(chǎn)生噪音性樂音的樣本為例，中外樂器各舉一例進行說明。

鋼琴的最低音區(qū)A0～D1六個音②所謂6個音并不是絕對的，在不同的鋼琴上其數(shù)量會有增減，也與擊鍵的速度相關。雖然能夠聽辨出其音高，但是甚不明確。這主要是由于這幾根琴弦較粗的直徑而產(chǎn)生出很大剛性，因而導致其在振動形式上介于棒振動與弦振動之間，而棒振動的各分段振動無法與整段振動產(chǎn)生整數(shù)比的諧音列。因此，鋼琴低音弦振動的頻譜成分中雖然有諧音列結構，但其中混雜著大量非諧音的頻率成分，再加上基音的能量非常微弱，從而為聽覺感知其音高（A0）帶來了很大程度的困難（見圖10）。

圖10 鋼琴A0頻譜

從頻譜中可以看出，雖然有諧音列存在（如五線譜所示），但是其中夾雜著大量的非諧音成分（五線譜未列入的峰值成分），且基音頻率（27.69Hz）的能量非常微弱，導致音高感（A0）不甚明確，音色粗糙。

京胡的琴弦在振動時除了產(chǎn)生諧音列之外，還會包含大量的非諧音頻率，這是由于京胡的有效弦長較短而導致琴弦剛性增大，同時使用硬弓擦弦還會產(chǎn)生大量的摩擦噪聲。此外，其蛇皮、琴筒與琴桿的復共鳴組合還會使其將非諧音成分進行有效擴散，因而產(chǎn)生該樂器特有的“刺啦”性噪聲，這也是京胡特有的音響效果（見圖11）。

圖11 京胡E6頻譜

頻譜中有E6的諧音列存在（如五線譜所示），但是非諧音成分（五線譜未列入部分）的能量明顯且分布廣泛，導致聽覺雖然能感知其音高（E6），但是音色極其粗糙。

碰鈴的振動體為板體，而此類振動體難以產(chǎn)生諧音列。經(jīng)過加工的碰鈴，其基音附近的頻率能量較強，上方非諧音頻率能量較弱，因而具有一定的音高感（見圖12）。

圖12 碰鈴D7/#D7頻譜

碰鈴具有兩個較為明顯的頻率成分，大致為D7與#D7，這是導致聽覺感知到音高的來源，但是由于這兩個頻率成分同時存在，音高感會在這兩個音之間游移而產(chǎn)生“晃動”。此外在6000Hz以上還有若干能量相對較弱的非諧音頻率成分，由于其音區(qū)極高，并不會干擾音高感知，但是帶來了鈴聲特有的尖銳效果。

編鐘與碰鈴同為類板體振動，也難以產(chǎn)生完整的諧音列。但是通過內部鑿隧、外部加枚等特殊加工，能夠有效地抑制一些非諧音成分，因而具有一定的音高感（見圖13）。

圖13 編鐘F5頻譜

此頻譜中F5為基音頻率，但是除了第4個頻率C6之外，其他頻率成分都不符合諧音列結構。其中第2個頻率#G5，實際上是“一鐘雙音”側鼓部的振動頻率。但是由于基音F5頻率的能量相對極強，其他非諧音頻率成分太弱而未阻礙聽覺對音高的感知，但是帶來較為明顯的不和諧的干擾。

定音鼓的振動體為膜，通常情況下膜振動各分區(qū)振動頻率不可能形成諧音列，但是定音鼓鼓膜由特殊加工的聚酯膜（Mylar）制成，通過調音螺栓調節(jié)其張力，振動時與鍋形共鳴腔形成耦合振動，能夠有效抵制非諧音成分、保留諧音成分，因而具有一定的音高感（C2）（見圖14）。

圖14 定音鼓C3

通過頻譜顯示，定音鼓前5個頻率成分中的C3、G3與C4大致呈現(xiàn)為C2的第2～4諧音列結構，即使C2的能量在頻譜中沒有能量顯示，但是根據(jù)這個諧音列線索，人耳仍然能夠感知到C2的音高。但是由于其能量基本不存在，以及其他多個非諧音成分的干擾，C2的音高感知并不十分明確。

排鼓的振動原理與定音鼓相同，因而具有一定的音高感（C2）（見圖15）。

圖15 排鼓D3頻譜

頻譜中的A3、#F4成分與基音D3構成近似諧音列，因而可以感知到一定的音高（D3）。

結論

聽覺對音色的初級感知是對預制諧音列結構的匹配過程中完成，依照其匹配程度可分為以下四級：

1.樂音：復合音各振動頻率成分與諧音列結構完全吻合，即基音與各泛音頻率構成整數(shù)比或近似整數(shù)比。如果諧音列中的基音能量相對較強，聽覺則感知為豐滿、均衡的音色；如果基音能量相對諧音列中其他諧音較弱甚至缺失，聽覺感知為略顯單?。ㄏ鄬Χ裕怿Q樂器由于氣流的持續(xù)激勵而發(fā)聲，這種周期性持續(xù)激勵會將空氣柱的各振動頻率成分鎖定為整數(shù)比結構，聲學稱之為鎖頻（Frequency lock），因此絕大多數(shù)氣鳴樂器與弦鳴樂器的發(fā)音都為樂音。但是弦鳴樂器也還有一些例外情況：其中弓擦類弦鳴樂器由于琴弓的持續(xù)摩擦、與氣鳴樂器機制相似的激勵機制，會將琴弦各振動頻率成分鎖定為整數(shù)比結構，因此絕大多數(shù)弓擦弦鳴樂器都發(fā)出樂音（京胡例外，原因見上文）。撥弦與擊弦樂器由于是一次性激發(fā)振動體，無法完成持續(xù)的鎖頻過程，因此諧音列會產(chǎn)生略微偏高于整數(shù)比的情況。其偏離程度與琴弦的有效振動長度、張力成反比，與琴弦的剛性成正比，即琴弦越長、張力越大、剛性越小，其音高越明確、音色越和諧，反之則音高越不明確，音色越粗糙。因此大多數(shù)撥弦與擊弦樂器的發(fā)音屬于樂音，但極端情況下則屬于噪音性樂音（如鋼琴最低音區(qū)）。需要補充一點：純音無疑是音高最為明確的音，屬于樂音的第一級。本文只是對復合音進行分類，而純音由于其只有單一振動頻率而無需與諧音列匹配，因此并未將其單獨予以列入說明。

2.噪音性樂音：復合音各振動頻率與諧音列結構部分吻合。即除了基音與各泛音頻率構成整數(shù)比或近似整數(shù)比的結構之外，還包含有若干非整數(shù)比的頻率成分（非諧音）。當非整數(shù)比頻率位于300～3000Hz①人耳對于2000～5000Hz的頻率較為敏感，但是其中300～3000Hz頻帶是人類語音頻率的能量集中區(qū)，對音色的感知影響較大。時，音高略顯模糊，整體音色呈現(xiàn)粗糙特征；當非整數(shù)比頻率位于300Hz以下時，音高較模糊且音色混濁；當非整數(shù)比頻率高于3000Hz時，音高較明確，整體音色呈尖銳感。此類樂器的振動體通常是經(jīng)過加工過的棒（木琴）、板（編鐘）、膜（定音鼓）類打擊樂器，并且部分樂器增加了耦合共鳴裝置（如木琴、定音鼓）以強化其諧音成分，使得音高感進一步提升。極端情況下，如部分弦鳴樂器的個別音（如京胡的隨機摩擦噪音對樂音的干擾、鋼琴的極低音區(qū)）、邊棱音激勵的氣鳴樂器（如吹孔處的氣漩噪聲對樂音的干擾②付曉東：《民族樂器音響協(xié)和研究——以梆笛、二胡與琵琶為例》，《人民音樂》2016年12期，第65-69頁。）。

3.樂音性噪音：復合音各振動頻率不符合諧音列結構但較穩(wěn)定。即基音與各分頻率不構成整數(shù)比、且各分音頻率距離呈穩(wěn)定性的開放排列。聽覺感知無明確音高且較為粗糙，但是具備一定的音區(qū)感。此類樂器如大部分棒振動、板振動與膜振動類打擊樂器。

4.噪音：復合音各振動頻率不符合諧音列結構且隨機出現(xiàn)。即各分音頻率既不構成整數(shù)比，也不呈開放排列，具有一定的隨機性。聽覺無法感知其音高且不具備音區(qū)感。除了如沙錘搖奏或刮擦鼓膜等特殊演奏技法能夠在一定程度上產(chǎn)生此種噪音外，聲學樂器中極少樂器屬于此類，大部分只能通過人工合成的白噪聲、粉紅噪聲等手段來實現(xiàn)。表3為基本音色四分法簡化說明（見表3）。

表3 基本音色四分法

任何對音色的概念詮釋、音響分類以及測量分析，都必須基于人耳對音響的主觀感知，但是主觀感知的確難以量化也無法統(tǒng)一，這為我們的音樂學系統(tǒng)研究帶來了一定的困難。將音色分為“樂音——噪音四分法”是基于人耳對“預制諧音列”的本能匹配而得出的初級感知結果，如上表所示，從樂音至噪音的四個類別，都可以用較為明確的客觀測量數(shù)據(jù)予以支撐，這就為音樂理論的體系化研究提供了可操作的底層框架。當然，這僅僅是“基本”或“初級”分類，音色的定義、測量與認知，還需要在心理聲學層面上進一步深入。