第一部分 · 声音的物理

协和与音程：为什么简单整数比好听

上一课你拨响了一根弦，发现"一个音"其实是基频加上一整摞整数倍泛音。那里头藏满了简单整数比。这一课要回答：为什么偏偏是简单整数比，让两个音听起来"和"，而不是"吵"？答案是物理的——但它会顺手挖出一个永远填不平的缺口。

一、两个音同响，比的不是基频，是它们的泛音

先把问题摆正。当你同时弹下两个音，耳朵到底在比较什么？

朴素的猜想是：比两个基频谁高谁低。但这解释不了"协和"——为什么 200 Hz 配 300 Hz 听着舒服，配 283 Hz 却刺耳？两组的频率差距其实差不多。真正的关键，藏在上一课那摞泛音里。

回忆一下：一个 200 Hz 的乐音，并不只有 200 Hz，它带着一整摞泛音——200、400、600、800、1000…（基频的整数倍）。另一个音也一样，带着自己那一摞。两个音同时响，空气里挤满了两摞泛音。耳朵真正在意的是：这两摞泛音对得上吗？

看一个干净的例子。取 f₁ = 200 Hz 和 f₂ = 300 Hz，它们成 3:2（纯五度，perfect fifth）。把两摞泛音并排列出来：

f₁ = 200：200　400　600　800　1000　1200 …
f₂ = 300：　　　 300　600　　　 900　1200 …

看见 600 和 1200 了吗？它们在两摞里同时出现——精确重合。简单整数比的两个音，会共享一大批泛音；频率越往上，重合点越密。这些重合的泛音像两个人不约而同地唱同一句词，声音锁在一起，浑然一体——这就是协和（consonance）的物理本相。

反过来，取一个复杂比，比如三全音（tritone）约 45:32。它的泛音几乎对不上，落在彼此的缝隙里，互相摩擦、打架——这就是不协和（dissonance）。结论很硬：比例越简单，重合的泛音越多，越协和；比例越复杂，重合越少，越粗糙。

"结论很硬"——硬到可以用耳朵当场验。下面把 12 个频率比排成一条阶梯：每一对音都是低音 220 Hz，加上一个按精确比例算出的高音；排序只有一条规则——分子×分母，从最小排到最大（1:1 → 2:1 → 3:2 → 4:3 → … → 45:32）。用管风琴的音色，是因为它有一摞干净的泛音，正好用来听"对得上还是对不上"。

你不需要懂任何乐理，就能听出这条渐变：前几对（1:1、2:1、3:2、4:3）几乎融成了一个声音；中间几对（5:3、5:4、6:5、8:5）饱满、柔和，仍然稳；越往后越"毛"，最后几对（15:8、16:15、45:32）像两个音在互相推搡。（要老实说一句：这条阶梯并不是严格单调的——9:8、16:15 的"毛"，一部分来自下一节要讲的另一个原因，两个音靠得太近；但大趋势一目了然：比值越复杂，越不协和。）

二、八度为何"几乎是同一个音"

最极端的协和是八度，比例 2:1。它协和到什么程度？两个相差八度的音，听起来像"同一个音的高低两版"——男声和女声唱同一句旋律，差的往往就是一个八度，你几乎察觉不到它们"不是一个音"。

用泛音一看就懂。200 Hz 的泛音是 200、400、600、800…；它高八度的 400 Hz，泛音是 400、800、1200…。高音那摞，整个是低音那摞的子集——没有一个泛音落空、没有一处摩擦。重合度达到了顶点，所以八度协和到近乎"合一"。

"听起来像同一个音"可以做成一个干净的对照实验。拿一句人人会哼的旋律——贝多芬《第九交响曲》终曲里那首《欢乐颂》的开头（E E F G | G F E D）——给它配一条影子：影子的每个音，都是原旋律对应那个音乘上同一个频率比。别的什么都不变，只换这个比例：先什么都不加，再依次换成 2:1（八度）、3:2（五度）、45:32（三全音）、16:15（小二度）。

八度的影子几乎不添任何东西：你听到的还是一条旋律，只是更亮、更厚了——刚才说的"男声女声唱同一句"，就是这个效果。五度的影子仍然稳，带一点空旷的古风（中世纪早期的"奥尔加农"就是这么平行地唱四度、五度的）。到了三全音和小二度，每一个音都带着一团毛刺，两条线不再像"一条旋律的两个版本"，倒像两个人在各唱各的。整件事里变的只有一个数字——这就是上面那条规则的现场验证。

这个"八度=同一个音名"的直觉极其重要，它马上会变成下一课的炸药：既然八度里两个音如此接近同一身份，那把一个八度切成几份、怎么切，就成了搭建整个音高系统的起点。先记住这一点。

三、拍音：两个音"差一点点"时，会一起呼吸

协和讲完了，再看不协和的另一面——这一面不靠泛音，靠两个基频本身。

设想两个频率很接近但不相等的纯音，比如 440 Hz 和 443 Hz。它们叠加时，波峰时而对齐（一起变响）、时而错开（互相抵消变弱），合成的声音整体响度会周期性地"涨—落—涨—落"，像在缓缓呼吸。这种起伏叫拍音（beating），而它起伏的快慢——拍频——恰好等于两频率之差：

拍频 = |f₁ − f₂| Hz

443 − 440 = 3，于是你每秒听到 3 次"哇—哇—哇"的涨落。这不是玄学，调音师每天都靠它吃饭：把待调的弦和标准音同时响，听拍音，慢慢拧弦让拍频越来越慢，直到"哇哇"完全消失——那一刻两个频率精确相等，音就准了。拍音是耳朵自带的、灵敏到 1 Hz 的频率比较仪。

那拍音和协和是什么关系？当两个音很接近但凑不到精确的简单比时，它们的对应泛音之间就会两两打出一堆快慢不一的拍音。拍频慢（一秒几次）时你听成"颤动"；拍频快到一定程度（大约每秒几十次、两音相距落在所谓临界频带内），耳朵里负责辨音的同一小段基底膜被两个音同时挤占，融不开也分不清，于是产生一种毛刺刺的粗糙感（roughness）——这正是"不协和"的生理解释（临界频带的细节这里点到为止）。简单整数比之所以听着平滑，部分原因正是：泛音要么精确重合（毫无拍音），要么离得足够远（落在粗糙区之外）。

最后那句最反直觉：两个音越拉越开，不是应该越来越不和吗，怎么"离得足够远"反而又平滑了？别争，直接听。下面把下面那个音钉在 440 Hz，上面的音从 441 Hz 开始，一步一步拉开（差 1、3、7、15、35、70、140 Hz），每一步停三秒钟。请专注听"响度的涨落"一步步变成别的什么：

具体的分界因人、因音量而异，但大致的次序人人相同：差几 Hz 时是缓慢的"呼吸"，你甚至能数出拍子；到十几 Hz，涨落快得数不清，变成一种颤动；三四十 Hz 前后最粗糙，像一张砂纸；再拉开，粗糙退去，你开始分得清这是两个音——到差 140 Hz，它们各自清清楚楚，听上去反而干净了。这就是"粗糙区"：它只存在于一个窄窄的间距范围里，往近了走是拍音，往远了走是两个分开的音。

四、音程探测器：亲手把比例拖到"锁定"

道理说再多，不如自己拖一遍。下面这个部件固定一个 220 Hz 的低音，你用滑块连续改变高音相对它的频率比（从 1.0 到 2.0，即一个八度之内）。慢慢拖：接近 3:2、4:3、5:4、2:1 这些简单比时，声音会"锁定"、变干净、变协和；偏开一点，拍音和粗糙感立刻冒出来。下方的刻度条画出两个音的泛音，重合处会高亮——你能看见协和。

玩过之后你会有个强烈的体感：协和不是一个个孤立的"好听点"，而是一片地形——简单比是稳稳的山谷（低张力），它们之间的斜坡布满拍音与粗糙（高张力）。这片地形，就是后面所有和声张力的物理底座：协和=放松、想停留；不协和=紧张、想往协和处解决。张力与解决这台引擎，从这里就开始供电了。

五、给协和一把尺子：音分（cents）

"比例越简单越协和"是定性的。但作曲要量化——两个律制差了多少？某个音"走"了多少？频率比是乘法的（翻一个八度是 ×2，再翻一个是 ×4），直接相减没意义。我们需要一把加法的尺子。办法是取对数，把一个八度均匀切成 1200 份，每一份叫一个音分（cent）：

某个频率比 r 对应的音分数 = 1200 × log₂(r)

于是：一个八度 = 1200 音分；十二平均律的半音 = 100 音分。这把尺子的好处是可加：八度套八度就是 1200 + 1200。人耳大约能分辨 5～10 音分的差别，所以"音分"刚好是描述"准不准、协不协"的合适刻度。记住它——下一段那个缺口，正要用音分才能说清有多大。

六、致命缺口：纯五度，永远叠不回八度

现在，把毕达哥拉斯那两千年前的发现推到尽头，看它如何把自己逼进死角。

他手里最趁手的两块积木是最协和的两个比：八度 2:1 和纯五度 3:2。一个自然的雄心是：只用纯五度，能不能"走遍"所有的音、最后干净地回到起点？做法是从一个音出发，一次次往上叠纯五度（每次 ×3/2），叠 12 次（这正是钢琴上转一圈"五度圈"、经过全部 12 个音名后理应回到出发音的高几个八度版本）。算一下叠 12 次的总比例：

(3:2)¹² = (3/2)¹² ≈ 129.746

而"回到出发音的高 7 个八度"应该正好是：

2⁷ = 128

两个数差一点点，但就是不相等：

129.746 ÷ 128 ≈ 1.0136 ≈ 23.46 音分

这个填不平的缝隙，就是毕达哥拉斯音差（Pythagorean comma）。它说的是一件让人不甘心的事：用最协和的纯五度一个个往上叠，永远落不到精确整数倍的八度上，总是高出约 23 音分。23 音分大约是四分之一个半音——人耳明显能听出来的"走音"。

23 音分到底有多大？别只当数字看，把它听出来。下面先把 12 个纯五度依次弹出来（每个音超出一个八度就折回来，免得越爬越高）：一路是熟悉的五度圈 C G D A E B F♯ C♯ G♯ D♯ A♯ E♯，最后落在 B♯ 上。按理说转了一整圈，这个 B♯ 就该是出发的那个 C。然后：先单独听出发的 C，再单独听走完一圈的"C"，最后让它们一起响。

单独听，两个"C"听上去差不多——要认真比较，才觉得后一个微微偏高；一起响，你立刻听到了熟悉的东西：拍音，每秒大约 3.6 次的"哇—哇—哇"（正是上面那条阶梯里"差 3 Hz"的那种呼吸）。也就是说，纯五度叠出来的"C"，和真正的 C 之间，隔着一个一耳朵就能听出来的缺口。它不是算出来的幻觉，是纯五度这块积木天生的缺陷。

这正是毕达哥拉斯那条"美=整数"之路的尽头：整数比给了我们协和，却给不了我们一个能闭合、能自由转调的音高系统。两千年里，无数律制都在跟这 23 音分的缺口讨价还价——把它藏到哪个角落、分摊给谁、牺牲哪个调。

常见误解

• 误解：协和好听纯粹是文化习惯、是从小听出来的。 （澄清：协和有实打实的物理根据——简单整数比让大量泛音重合、避开粗糙区，这一点跨文化相当稳定。但"哪种音程承担什么情绪"、容忍多少不协和，确有很强的文化与经验成分。物理给地形，文化给路线，两者都要承认。）
• 误解：拍音是乐器坏了或音质差。 （澄清：拍音是两个相近频率叠加的正常物理现象，拍频 = |f₁−f₂|。它恰恰是调音的工具——听着拍音变慢直到消失，音就准了。）
• 误解：毕达哥拉斯音差是测得不够精确，算准了就没有了。 （澄清：它是纯数学的必然——3ⁿ 永远是奇数、2ᵐ 永远是偶数，二者不可能相等。再精密的仪器也消不掉这 23 音分。）
• 误解：音分是另一种频率单位。 （澄清：音分量的是"两个频率之比"，是对数刻度——一个八度恒为 1200 音分，无论它在低音区还是高音区。它度量的是音程，不是绝对音高。）