我们能轻而易举地区分大提琴与钢琴，单簧管与长号。即使这些乐器以相同的响度演奏同一音符，每种乐器依然保持其独特的音色面貌。
这种特质被称为音色。
但这种差异究竟源自何处？它仅仅存在于声音本身，抑或每种乐器都在大脑活动中留下了独特的印记？
一项发表于2026年《NeuroImage》杂志的新研究表明，仅凭一段简短的脑电图（EEG）片段，机器学习算法便能以高于随机猜测的准确率，识别出受试者当时正在听五种音色中的哪一种。
大脑的电活动不仅包含了声音的音高和响度信息，更蕴藏着其独特的个性特征。
一个音符——五个声音世界
这项研究由加拿大纽芬兰纪念大学的专家——普拉维娜·萨特库纳拉贾、莎拉·鲍尔和本杰明·曾德尔——共同完成。
该论文于2026年5月19日在线发表，并被收录于《NeuroImage》杂志的八月刊。
实验共有10名听力正常的受试者参与，其中包括音乐家、自学者以及无音乐背景的人士。
受试者们听取了同一音符——第三八度音阶的A3，其基频为220赫兹。该音符以五种不同的方式呈现：
- 钢琴；
- 单簧管；
- 大提琴；
- 长号；
- 不含泛音的纯正弦波。
每种声音均持续一秒。所有音色的响度均经过均衡处理，以确保响度不会成为受试者或后续分析的简单提示。
这五种声音每种都呈现了200次，期间研究人员利用脑电图（EEG）和73个电极连续记录大脑活动。
因此，改变的主要是音色——即我们赖以识别声音来源的独特品质。
什么是音色？
音色常被描述为声音的“色彩”，但这一说法未能完全涵盖其固有的复杂性。
它并非只是音符表面简单的一层“涂色”。
它是声音的“生命史”。
钢琴、单簧管或大提琴演奏的同一个音符，其基频音高是相同的。然而，它同时伴随着大量额外的频率——即泛音。这些泛音的数量、强度和分布共同塑造了乐器独特的频谱特征。
其他特征也有所差异：
- 起音——声音产生的速度；
- 它的上升和衰减；
- 泛音之间的能量分布；
- 亮度；
- 粗糙度；
- 材料和乐器本体的共鸣。
大提琴的声音源自琴弓、琴弦、木质琴身及其内部空气的相互作用。
单簧管中，演奏者的气息驱动簧片振动，乐器内部的空气柱则形成共鸣。
钢琴中，琴槌敲击琴弦，随后音板和琴身对产生的振动进行放大和转化。
因此，音色既不是装饰，也不是副产品。
它是声音的诞生方式，是振动所穿透的物质，更是引发振动产生生命的动因。
能否通过脑电图识别乐器？
研究人员验证了是否仅凭一段独立的脑电图（EEG）片段，就能识别出受试者当时所听的音色。
这项任务并不简单。人耳接收的是完整的声学信息，而算法分析的仅是头皮上记录到的电信号。
为处理数据，研究人员使用了四种机器学习算法：
- 线性判别分析；
- 梯度提升（Gradient Boosting）；
- 支持向量机；
- K近邻算法。
科学家们比较了几种数据类型：原始脑电图片段、诱发电位特征，以及谐波与频谱特征。
如果算法只是从五种选项中随机猜测，其预期准确率约为20%。
然而，在分析原始脑电图片段时，所有四种模型都展现出高于随机猜测的识别结果：
- 梯度提升（Gradient Boosting）——约35%；
- 线性判别分析——约34%；
- 支持向量机——约33%；
- K近邻算法——约26%。
尽管准确率远非完美，但主要任务并非要实现乐器的百分百识别，而是为了验证单一脑部反应中是否确实存在音色信息。
算法既未听到原始声音，也未分析其声学记录。它所接收的仅是脑电图数据。
即便如此，这些电信号中仍保留了足够可识别的信息，足以以高于随机猜测的准确率来判断所感知的音色。
此研究已收录于PubMed数据库
大提琴留下最显著的印记
科学家们还分析了听觉诱发电位N1和P2的成分——即声音出现后不久大脑电活动的短暂变化。
N1成分在声音起始后约100至200毫秒的范围内被研究，而P2则在150至290毫秒的范围内。
对不同音色的反应，其出现时间和幅度均存在差异。
大提琴引发了最为显著的P2反应，而纯正弦波则引发了最小的反应。大提琴的N1反应出现得更早，而对单簧管的反应则最晚出现。
但这并不意味着大脑“偏爱”大提琴。
这些差异可能与起音特点、频谱组成、粗糙度以及泛音分布有关。例如，实验中单簧管的声音在所有使用的乐器音色中，其起音最为平滑。
但结果揭示了关键一点：不同的音色并非引发完全相同的神经反应。
在乐器发出的声音中，大脑所区分的远不止音高和响度。
人类表现远超算法
实验参与者也自主识别了所听到的声音。人类识别的平均准确率达到了约94%。
参与者对长号的识别效果最佳，准确率约为97%。纯音的识别准确率约为96%，大提琴为95%，单簧管为92%，而钢琴则为89%。
这是一个重要的对比。
目前，算法在解码感知方面仍无法像人类识别熟悉声音那样自信。这项研究仅仅迈出了第一步：音色信息即使在简短的单一脑电图片段中也确实存在，并且可以被部分解码。
助听器能否理解我们的注意力焦点？
这项研究的一个潜在实际应用方向与助听器相关。
现代助听设备在增强语音方面表现出色，但处理音乐对它们而言仍是一项复杂任务。当多种乐器同时演奏时，大量的频率和动态细节在处理后可能会混淆不清，失去自然感或变得刺耳。
未来，与大脑活动记录相结合的助听器，理论上可以识别出用户正试图听取的乐器，并对其进行选择性地放大。
例如，当听众将注意力集中在管弦乐队中的大提琴时，设备便能帮助将大提琴的声部从整体音乐流中凸显出来。
然而，距离这种应用实现尚遥远。
此次实验仅有10人参与。所使用的是孤立的单秒音调，而真实的音乐则复杂得多：乐器同时演奏，并不断改变音高、响度、动态和发音方式。
分类的准确率也仍处于中等水平，介于26%至35%之间。
因此，这并非是一项成熟的读心技术，而是首次证实了这种基本可能性：大脑的短暂反应中确实包含了可区分的感知音色信息。
这项发现为“地球之声”增添了什么？
它表明：意识并非将声音感知为一种无差别的频率。
大脑能够区分与材料、触感、呼吸以及声音产生方式相关的振动特性。同一个音符，经由不同的乐器演绎，便会演化为多个独立的听觉世界——每个都在神经活动中留下独有的印记。
音乐的产生，并非仅在于它发出了什么。
它诞生于振动如何、通过何物以及经由何人传递的过程。
钢琴、大提琴、单簧管和长号可以演奏同一个音符——但意识会将每种声音视为一种独立的存在。
音色——是振动的个性。它是材质的记忆，是律动的印记。
是物质融入音乐的方式。
我们听得越仔细，便越能清晰地感知：地球并非只重复演奏同一个音符。
它通过木材、金属、琴弦、乐手呼吸以及听众的感知意识，展现了音符的无限多样性。
