一段旋律似乎呈银色。另一段则浓郁、深蓝。高音仿佛上升，低音感觉沉重。柔和的音色如同触摸丝绸，而尖锐的和声几乎在舌尖留下味道。
我们习惯于用形象的语言谈论音乐：明亮的声音、天鹅绒般的音色、尖锐的声音、甜美的旋律。但在美丽的隐喻背后隐藏着一个真正的谜团：听觉与其他感觉之间是否存在直接联系，还是这仅仅是最方便的描述声音的方式？
一项于2026年八月发表的新系统综述提供了答案——而且比许多人认为的更为复杂。
研究综述显示了什么
29年八月2026日 在著名期刊 Humanities and Social Sciences Communications 上发表了一篇标题引人入胜的文章： 音乐联觉还是跨模态对应？关于中国音乐多感官研究的术语和发现的系统综述。
作者——陈康浩、王伊塔和胡文君——分析了关于中国音乐感知的英文研究。检索覆盖了二十年时间：从2002年到2022年。
寻找信息花费了大量时间。研究人员检查了最大的科学数据库：Web of Science、Scopus、Google Scholar 和中国知网。从数百篇作品中，他们只筛选出 八项研究 来自心理学、认知科学和计算机技术领域——那些符合严格纳入标准的。
这八项研究分析了声音与其他感觉之间的联系：
- 声音与颜色；
- 声音与视觉形象；
- 声音与味道；
- 声音与触觉。
综述的主要发现不是感官上的，而是术语上的：研究人员发现，不同的现象常常被同一个词称呼—— 联觉。这导致了科学文献中的混乱，并使不同实验结果的比较变得困难。
真正的联觉：它实际上是什么
在联觉中，由一种感官感知的刺激会不由自主地在另一种感觉系统中引起感觉。一个人可能每次看到某个音符都是蓝色的，或者将特定的音色感受为触摸，而且这种联系在一生中保持不变。
联觉具有四个关键特性：
- 自动产生，无需有意识的努力；
- 随时间保持——相同的联系总是重复出现；
- 对特定个体而言是特有的——大多数其他人无法共享；
- 不需要想象或有意识的决定。
联觉者不会为声音选择颜色。联系自行出现。正是这种不可避免性、稳定性和个体性将联觉与普通的联想和文化惯例区分开来。
跨模态对应：当不同的人感觉相似时
存在另一种完全不同的现象，经常被误认为是联觉。它被称为 跨模态对应 ——这是许多人不分文化背景都一致的感觉之间的联系。
例子很熟悉：高音常常显得更亮、更小或向上，而低音则更暗、更重或向下。这种对应可能出现在各种不同的感觉对之间：
- 音高和颜色亮度；
- 音色和视觉形状；
- 响度和大小；
- 节奏和运动；
- 声音与触觉感受；
- 音乐与味觉联想。
此时，人未必真的看到眼前的真实颜色。他直觉地感到，某个声音比另一个更符合特定的颜色或形状。这种体验可能很生动，但它与联觉有根本区别：它不是个体特有的，不是自发的，也不是不可避免的。
科学中的错误发生在哪里
在综述纳入的八项研究中，有五项错误地使用了“联觉”一词。这些研究的作者描述的是整个参与者群体所体验的现象——即跨模态对应，而非个体联觉。
这种区别看似细节，但对科学至关重要。当不同研究用同一个术语指代不同现象时，结果就无法比较。元分析和系统综述失去意义。科学知识的积累速度比应有的要慢。
综述作者认为，这种混乱并非出于恶意，而是由客观原因造成的。
科学家为何会出错
首先， 历史原因。关于多感官感知的观念随时间变化。“联觉”一词在不同时期的使用范围比今天更广。曾几何时，它被用来指代感官之间的任何联系——无论是个体的、普遍的，甚至是艺术隐喻。
其次， 语言障碍。科学概念在中文和英文之间转换时并非完全精确。一个术语可能涵盖多个相近的含义，而在另一种科学传统中，这些含义通常被区分开来。
第三， 选词的心理。“跨模态对应”这个表达听起来冗长笨拙。“联觉”一词更短、更生动、更易识别。即使是科学作者有时也会选择更吸引人的概念，即使它不那么精确。
为什么中国音乐对此类研究具有现实意义
音乐感知不仅由声音的物理特性决定。语言、文化记忆、艺术传统和颜色的象征意义都会影响它。同一个声音在不同文化背景的人心中可能引发截然不同的意象。
中国音乐对此类分析尤其有趣，因为几个世纪以来，它与诗歌、书法、绘画以及对自然元素的观念紧密对话。在中国美学中，声音与视觉形象在深层、往往无意识的层面上相互关联。
这意味着听觉与视觉之间的联系不仅取决于我们感觉系统的构造，还取决于个人积累的文化经验。综述作者强调了一个重要结论：未来的研究应考虑这一背景，而不是为全人类寻找一种通用的感觉代码。
声音如何在感觉之间旅行：四种解释
研究提出了不同的机制来解释多感官对应。很可能它们同时都是正确的。
感知中的结构相似性
不同感觉的某些属性具有相似的内部结构。音调升高与向上移动、音量增强与尺寸增大被视为同一方向的变化。大脑可能会自发地将这些相似的结构联系起来，即使它们属于不同的感觉。
情感基础
声音和颜色可以通过共同的情绪联系起来。旋律和图像之所以显得对应，不是因为它们之间存在直接的感觉联系，而是因为它们都引发了相似的情绪状态——悲伤或快乐、平静或兴奋。
神经整合
听觉、视觉和触觉信息在大脑中并非孤立存在。人类的感知是通过不同感觉系统的持续互动形成的。大脑从处理的最早阶段就开始整合信息。
文化学习
音乐、颜色和形象之间的联系可以通过语言、艺术、传统和重复的符号来习得。我们学会某些声音“看起来”是这样而不是那样，随着时间的推移，这些联系变得几乎是自动的。
综述没有选择唯一的最终解释。最可能的是，多感官感知同时在多个层面上运作：感觉层面、情感层面、神经层面和文化层面。
隐喻的边界在哪里
当我们称声音为天鹅绒般、声音冰冷、旋律明亮时，我们不一定在描述联觉。然而，这些表达不仅仅是言语的修饰。
隐喻之所以变得可理解，正是因为人们能够在不同感觉之间找到联系。语言记录了这些联系，并允许我们相互传递。我们不能真的触摸旋律，但仍然直觉地理解柔和的声音意味着什么。我们看不到音乐中的物理光，但仍然能认出明亮的音乐。
也许诗意的语言并没有发明感觉之间的联系，而是注意到了我们的感知已经在内心——无意识地、自然地——所做的事情。
这个综述没有回答什么
重要的是要理解，这项工作不是新的实验，也不是发现中国音乐的通用“颜色词典”。
样本很小：二十年里只有八项研究。它们的方法、术语和研究任务差异显著。因此，不能说所有中国音乐都会在所有听众心中引发相同的颜色、味道或触感。
综述显示了另一件事：这个方向是存在的，但它需要更精确的概念、可比的方法和对文化差异的关注。在问音乐是什么颜色之前，科学家们需要先达成一致， 他们究竟在测量什么：是个体的非自主联觉、普遍的联想、情绪的巧合，还是艺术隐喻。
当感觉不再彼此分离
我们习惯于把五种感觉想象成独立的房间。眼睛在看，耳朵在听，皮肤在感受，舌头在辨别。但现实更为复杂。
声音能够唤醒形象，颜色能够改变对音乐的感受，节奏能够在人来得及理解之前就变成动作。音乐始于空气的振动，但在我们体内，它继续着旅程：变成光、形状、动作，有时几乎是物理上的触碰。
然而，核心问题依然存在： 在我们来得及将音乐分解为声音、颜色、形象和感受之前，我们究竟是用什么来感知它的？
