第一部分 · 声音的物理
声音是什么：振动、频率与泛音列
上一课我们立下了赌注：两个音"和"或"吵"，不是习惯，是物理。要兑现这句话，得先把"一个音"彻底拆开——而拆开后你会发现，你从来没听过"一个音"。
留下的问题：要懂"两个音为什么协和"，得先彻底搞清"一个音"到底是什么。
本课新增：声音 = 周期性振动，音高 = 频率；而且——惊人地——你听到的"一个音"其实是一整摞音（泛音列）叠在一起。
一、声音不是"东西"，是空气在抖
把手指搭在喉咙上发"啊"，你摸到的是振动。音叉、琴弦、鼓面、声带——发声体来回抖动，挤压旁边的空气，空气一会儿被压密、一会儿被拉疏，这一密一疏像水波一样一圈圈往外传，钻进你的耳朵推动耳膜。
所以声音不是一团飞过来的"东西"，而是空气分子位置的来回摆动沿途传递的疏密波（纵波）。空气本身几乎不移动，移动的是"挤压"这个状态。这件事很关键：它意味着声音可以被一个数字精确描述——发声体每秒来回抖多少次。
这个次数就是频率（frequency），单位赫兹（Hz，每秒一次）。它决定了我们听到的音高（pitch）：抖得快 = 音高，抖得慢 = 音低。而抖的幅度（压得多密）决定响度，跟音高是两回事。人耳大约能听 20 Hz – 20000 Hz。
二、翻倍就是八度：一把频率的尺子
音高和频率之间有一条最重要、也最神奇的规则：频率翻一倍，音听起来就高一个八度（octave），而且高得"还是同一个音"——男声和女声唱同一首歌，差的往往正好是这种 2 倍关系，听上去像同一旋律。
这就给了我们一把尺子。国际把标准音定在 A4 = 440 Hz。往上一个八度的 A5 = 880 Hz，再上去 A6 = 1760 Hz；往下 A3 = 220 Hz、A2 = 110 Hz。把八度内部等分成 12 个半音后，任何一个键的频率都能算出来：
f = 440 × 2^((n − 69) / 12) Hz
这里 n 是 MIDI 编号，A4 = 69、中央 C（C4）= 60。这个 2^(...) 怎么来的、为什么偏偏是 12 份，是第 03 课的事。现在只需记住这把尺子的零刻度——翻倍 = 八度——因为它马上要在泛音里第二次登场。
三、拨一根弦：你以为你听到一个音
现在做这门课最重要的一次"拆解"。拨一根吉他弦，你说你听到了一个音，比如 220 Hz 的 A3。但弦其实在同时做好几件事。
整根弦上下摆动，这是基频（fundamental）f = 220 Hz，它决定你感觉到的音高。但同一根弦还会同时分成两半、各自摆动，频率正好是 2f = 440 Hz；分成三段摆 3f = 660 Hz；四段 4f = 880 Hz……这些更快的振动一层层叠在基频上，全都真实存在、同时响着。
这一整摞 f, 2f, 3f, 4f, 5f, 6f, …（基频的整数倍）就叫泛音列（harmonic series）。结论惊人却朴素：
"一个音是一摞音"，光说很容易被当成比喻。所以先别动手，先听：下面这段把一摞泛音一层一层地摞给你听。它从只有基频 220 Hz 的纯正弦开始——就是仪器上那种"嘀——"——然后每隔一小会儿往上加一层：先加 2f，再加 3f，一直加到第 8 层。
留意三件事。第一，从头到尾你对"音高"的感觉几乎没变，它始终是那个 A；变的是质地——纯正弦像一个没有性格的"嘀"，每加一层，声音就更像一件真正的乐器。同一个音高、不同的泛音配方，就是不同的声音，这就是音色。第二，卷帘图上横杠的间距越往上越近：第 1、2 层隔一个八度，第 2、3 层隔一个五度，再往上隔得越来越小——这个规律，下一节专门去量。
第三，做一个更古怪的实验：播放时把最下面的"1f 基频"关掉。声音变薄了，可你仍然觉得它是 220 Hz 的那个 A——基频明明已经不在了。耳朵从剩下几层泛音彼此的间隔里，把它"推"了出来（心理声学里叫"缺失的基频"）。这再次说明：你听到的"一个音"，从来不是某一根单独的频率，而是整摞音共同给出的一个整体印象。
刚才是我替你一层层加的；下面的"泛音叠加器"把开关交到你手里：从只有基频的纯正弦开始，自己逐个点亮泛音（还能拖每一层的音量），听声音如何由单薄变得丰满，看波形如何由光滑的正弦长出棱角。
四、泛音列里，藏着"协和"的全部种子
真正让人起鸡皮疙瘩的，是泛音列里那些频率之间的关系。我们一个个量相邻泛音的音程——也就是它们的频率比：
| 相邻泛音 | 频率比 | 这个音程叫 | 以 f=220 为例 |
|---|---|---|---|
| 第 1 → 第 2 | 2:1 | 八度（octave） | 220 → 440 Hz |
| 第 2 → 第 3 | 3:2 | 纯五度（perfect fifth） | 440 → 660 Hz |
| 第 3 → 第 4 | 4:3 | 纯四度（perfect fourth） | 660 → 880 Hz |
| 第 4 → 第 5 | 5:4 | 大三度（major third） | 880 → 1100 Hz |
| 第 5 → 第 6 | 6:5 | 小三度（minor third） | 1100 → 1320 Hz |
看清楚这一列2:1、3:2、4:3、5:4、6:5——全是最简单的整数比。这些正是西方音乐里被反复使用、听感最稳的几个音程：八度、纯五度、纯四度、大三度、小三度。换句话说：
光看一张只有五行的表还不够过瘾，让耳朵也来量一量。下面把 220 Hz 的第 1 到第 12 层泛音一层一个音，从低到高爬一遍——这就是泛音列这道"楼梯"：
你听到的是一道越爬越窄的楼梯：头几级很大（八度、五度、四度），到了三度就小了，再往上几乎成了一串碎步。也正是前几级——比值最简单的那几级——撑起了音乐最基础的音程。再往上，比值越来越"复杂"，台阶也越来越密，而且开始对不上钢琴的键：第 7 层是 1540 Hz，比钢琴上最近的 G6（1568 Hz）低了约 31 音分，第 11 层更是几乎正好卡在两个琴键中间。（钢琴键盘是按什么规矩挑出它那十二个音的，是第 03 课的事。）
有一种乐器，把"音乐只拿楼梯最底下那几级"这件事硬生生摆在你面前：没有按键的军号。它只是一根固定长度的铜管，吹奏者靠嘴唇的松紧，让管里的空气柱以第 2、3、4、5、6…… 层泛音的方式振动——它只能吹出这摞泛音里的音，别的音一个也吹不出。所以真正的军号曲（比如《熄灯号》Taps、《起床号》Reveille）旋律里，只有同一个泛音列里的几个音。下面这支是我们仿照这种写法写的小号角，只用到第 3、4、5、6、8 层：
整支曲子只有 G、C、E（和高八度的 C）几个音，听上去开阔、明亮、毫不含糊——因为它的第 4、5、6 层（C、E、G）的频率比正是 4:5:6，也就是后面第 04 课要叫作大三和弦的那组音。大三和弦不是人类商量出来的约定，它是每一个振动的物体自带的：任何一个音的第 4、5、6 层泛音，叠起来就是一个（纯律的）大三和弦。
还有一个伏笔顺手埋下：不同乐器，泛音列的"骨架"一样（都是整数倍），但每个泛音的强弱配方不同——长笛几乎只有基频、泛音很弱，所以接近纯正弦；小号、双簧管高次泛音很强，所以明亮、有"嗡"劲。同一个音高在钢琴和小号上判若两人，秘密就在这摞泛音的相对音量。这正是第 09 课"音色"的全部内容。
五、回到期待：单个音里就有张力的胚胎
这门课的引擎是"期待 → 张力 → 解决"。看上去拆解一个音和期待没关系，其实关系最深。
泛音列是耳朵对"声音应该长什么样"的默认预期：一个健康的乐音，就该是基频带着一摞整数倍泛音。当两个音的泛音大量重合（频率成简单整数比），耳朵觉得"对得上、稳"——这就是协和、是张力的释放；当泛音错开、互相打架，耳朵觉得"对不齐、悬着"——这就是不协和、是张力。整套和声语言，本质上是在操纵泛音对得齐不齐。
所以协和与不协和不是审美口味，而是物理事件；而音乐之所以动人，是作曲家在用这些物理事件，反复设置又释放你耳朵里那份与生俱来的预期。单个音里，就埋着整首曲子张力的胚胎。
常见误解
- 误解：声音是空气"飞"过来撞我耳朵。 （澄清：空气分子基本只在原地来回摆动，传过来的是"疏密"这个状态，是纵波。）
- 误解：纯净 = 好听，正弦波最"标准"。 （澄清：纯正弦只有基频、没有泛音，听起来单薄像仪器音；丰满的乐器声恰恰来自那摞泛音。）
- 误解：泛音是"杂音"或失真。 （澄清：泛音是声音的正常组成部分，是音色之源；没有泛音的声音才反常。）
- 误解：高八度是"另一个不同的音"。 （澄清：频率正好翻倍（2:1），人耳听成"同一个音的更高版本"，这正是泛音列第 1→2 个泛音的关系。）
- 误解：真实乐器的泛音是严格整数倍。 （澄清：理想弦/气柱是整数倍；真实乐器有轻微非谐性，科普层面可忽略，整数倍是极好的近似。）