音视频学习（四十六）：声音的三要素
声音是人类感知世界的重要途径之一。在自然界中，声波本质上是介质中传播的机械振动，而人类对声音的主观感受主要通过三种属性来认知和描述，即音调（音高）、响度（强弱）、音色（音质）。这三者被称为声音的三要素，它们共同构成了声音的整体特征。
音调（音高，Pitch）
定义与感知
音调是人耳对声音频率高低的主观感受。当声波频率较高时，人们会感觉声音“尖锐”“高亢”；频率较低时，声音“低沉”“浑厚”。正常人耳可感知的频率范围为 20 Hz 至 20,000 Hz（20 kHz），这一区间称为可听声频带。
- 男性说话声频率范围多为 85–180 Hz，女性多为 165–255 Hz。
- 乐器中，小提琴可达几千 Hz，低音提琴则在几百 Hz 以下。
物理基础
音调直接对应声波的频率（f），单位为赫兹（Hz）。振动越快，单位时间内完成周期越多，频率越高，音调越高。声波频率由声源振动的固有频率决定。例如：
- 吉他弦越细、张力越大、长度越短，音高越高；
- 气柱类乐器如笛子，通过开闭孔改变有效振动长度改变音调；
人耳感知的复杂性
虽然频率决定音调，但人耳感知并不线性。例如，在 1000 Hz 以下，人耳对频率变化较不敏感，而在 1000–4000 Hz 的中频段最敏感。这种特性决定了为什么人声和大多数乐器集中于这个频段，便于传播和识别。
此外，基频与谐波（泛音）的结构也会影响音高感受。某些复合波，即使缺失基频，人脑仍能推测出音高，这一现象称为错觉音高或“虚基音”。
响度（Loudness）
定义与感知
响度是人耳对声音强弱程度的感知，是对声压大小的主观描述。响度不仅取决于声波的振幅（物理量），还受听觉敏感度、频率分布与持续时间影响。
例如：
- 相同声压的低频声听起来往往比中高频“更轻”，这源于耳朵对不同频率响度的敏感程度不同；
- 一段 1000 Hz 的声音声压级为 60 dB SPL，在响度主观感受上等于 60 方（phon）；
- 响度在单位上常用phon（响度级）与sone（响度值）表示。
物理基础
响度主要由声波的振幅和声压级决定。振幅越大，压缩与膨胀越剧烈，空气分子运动范围越大，声压越高。
- 声压级 SPL = 20log₁₀(p/p₀)，p 为声压，p₀ 通常为 20μPa（人耳最小可感知声压）
- 日常例子：
- 轻声细语：约 30–40 dB
- 正常对话：约 60 dB
- 汽车喇叭：约 90 dB
- 飞机起飞：超过 120 dB（接近痛阈）
响度曲线与人耳特性
响度感知受频率影响，这体现在著名的弗莱彻-曼森等响曲线（Fletcher-Munson curve）。它表明：
- 人耳对中频（1000–5000 Hz）最敏感；
- 在极低频和极高频，人耳需要更大的声压才能听得清楚。
因此，广播或音频工程中需进行“响度均衡”，确保在不同设备和环境下都能被良好感知。
音色（Timbre）
定义与感知
音色是声音的“品质”或“个性”，是人耳分辨不同声音来源的关键。例如，同一音高与响度的钢琴声与小提琴声依然可以轻松区分，正是因为它们的音色不同。
物理基础
音色取决于声音的频谱结构——即基频之上叠加了哪些谐波（泛音），以及它们的频率、强度分布和包络特性。
- 基频决定音高；
- 谐波数量与分布决定音色的“亮”或“暗”；
- 包络曲线（ADSR）：声音的起音、延音、衰减、释放阶段的幅度变化，也塑造音色特征。
例如：
- 管风琴音色圆润、泛音少；
- 小提琴音色明亮、富有高次泛音；
- 键盘打击乐如钢片琴，谐波结构不规则，音色独特。
音色分析工具
现代音频技术广泛使用傅里叶变换与频谱分析来识别音色特征。数字音频合成常通过采样、加法合成、频谱建模来模拟自然音色。
总结
| 要素 | 主要对应物理量 | 感知作用 | 影响因素 |
|---|---|---|---|
| 音调 | 频率 | 判断高低 | 基频、谐波结构 |
| 响度 | 振幅、声压级 | 判断强弱 | 能量、频率响应、人耳敏感度 |
| 音色 | 频谱分布 | 判断“是谁”发声 | 谐波结构、波形包络、声源材料 |