音樂進入我們的耳朵時發生了什麼事？－－《知識大圖解》

• 文／樊家欣｜雅文基金會聽語科學研究中心　助理研究員 

P. LEAGUE 最大咖球星林書豪加盟鋼鐵人隊，帶領鋼鐵人打出新氣象，並獲選為籃球單月最有價值球員「三連霸」，堪稱史上第一人！你，也愛打籃球嗎？當你在體育館時，是否有察覺到周圍的聲音跟平常不太一樣呢？ 

迴響，能讓聲音隔空變魔術！

體育館一般有挑高的設計以及較大的室內容積，當其中有聲音產生，傳遞到周圍較硬的介質表面「反射」回來，而產生延遲和失真的現象，稱為「迴響（Reverberation）」。由於空間容積與迴響時間成正比，空間越大，迴響時間隨之延長。沒有進行吸音處理的體育館，運球聲、腳步聲、群眾吆喝聲等人造聲音將迴盪在空間中，聲音必須經過更長的時間才會完全消失，使人在體育館倍感喧騰。

善用設計，打造餘音繞樑的迴響聲學空間 

迴響在不同的空間，會因周圍反射的材質，展現不同的聲景樣貌，例如：音樂廳就是利用各種不同的「形狀」和「材質」來平衡聲音，再將之導向聽眾。

早期音樂廳的「形狀」只有鞋盒式，台北國家音樂廳就是歐洲數百年經典傳統鞋盒式音樂廳，平面觀眾席的聲響很好，但是後面的眺望台座位，由於天花板空間被擋住，與前面造成相異聲場，聲音就顯得不夠飽滿；而高雄衛武營音樂廳，其內部設計柏林愛樂廳一樣，採用的是葡萄園式音響設計，所有觀眾皆處在同一個屋簷下，觀眾席如同葡萄園般由舞台四周錯落展開，享受相同的音場，因此聲響均等優美。

從細部來看，「材質」平坦而堅硬的表面能反彈聲音、柔軟的表面可吸收聲音，粗糙的表面則會將入射的聲波散射。在牆壁和天花板上裝設經特別設計的嵌板，就能使聲音在抵達你的耳朵之前，先被調整並優化^[3]。藉由空間整體的設計，能讓迴響成為小精靈，締造優美的聲學空間。

迴響時間過長，對聆聽語音是個壞消息⋯⋯

美國國家標準協會（American National Standards Institutes, ANSI）於 2002 年建議迴響時間（Reverberation Time）少於 600 毫秒（= 0.6 秒）有最佳的語音理解和學習。在安靜的情境中，如果反射回來的語音較早抵達聽者的耳朵，則原聲和迴響會在聽覺系統裡整合，可能提升語音辨識度（Speech Recognition）；而較晚抵達的迴響，則不會與原聲有加成的作用，反而會遮蔽或模糊原本的聲音，而使語音辨識表現下降。除了語音辨識度之外，也可能因聲音的失真，而使聆聽變得費力。

聆聽費力度（Listening Effort）為一更敏感的指標，在一些迴響時間過長的情境中，即使語音辨識度沒有下降，但聆聽者可能因著迴響，而使聆聽造成負擔，或進一步使記憶或理解力下降^[5]，相關文章可以參考連結。因此，迴響時間過長，會提高語音辨識的難度和增加聆聽費力度。

善用科技，讓聽損者輕鬆聽清楚

一般人在有迴響的地方聽講可能會覺得比較不清楚或費力，而對於有聽力損失的人來說，會更容易受到迴響的不利影響^{[4] [6]}。因此，許多配戴助聽器或人工電子耳的聽損者，在聽講或聲音環境較為複雜的地方會搭配使用輔助聆聽裝置（Assistive Listening Device），如Ｔ線圈（Telecoil，又稱 T-coil）、藍芽及數位遠端麥克風等。此類裝置可將聲音訊號轉換，以無線的方式傳輸至助聽器／人工電子耳，來克服環境中迴響的干擾或距離因素，幫助聽損者聽得更清楚也更輕鬆^{[1] [2]}，相關文章也可參考連結。

綜言之，迴響在不同的聲學空間會產生不同的效應：在設計不良的空間會產生聽覺上的干擾，而在好的聲學空間則能使聆聽成為一種享受；另外，藉著輔助聆聽裝置也能幫助我們克服迴響等外部因素而有好的聆聽！

1. 吳彥玢（2019）。助聽器使用者使用數位遠端無線麥克風系統與動態調頻系統之比較〔未出版之碩士論文〕。國立台北護理健康大學語言治療與聽力研究所。
2. 林郡儀、張秀雯（2016）。校園聽覺環境及聽覺輔具之應用發展。輔具之友，39，29-34。
3. 凌美雪（2018年08月14日）。鞋盒式或葡萄園式、柏林愛樂黃金之音怎麼聽？自由時報。ltn.com.tw。
4. Brennan, M. A., McCreery, R. W., Massey, J. (2021). Influence of Audibility and Distortion on Recognition of Reverberant Speech for Children and Adults with Hearing Aid Amplification. Journal of the American Academy of Audiology, 33, 170-180. Doi: 10.1055/a-1678-3381.
5. Picou, E. M., Gordon, J., Ricketts, T. A. (2016). The Effects of Noise and Reverberation on Listening Effort in Adults With Normal Hearing. Ear and Hearing,37(1), 1-13. Doi: 10.1097/AUD.0000000000000222.
6. Xu, L., Luo, J., Xie, D., Chao, X., Wang, R., Zahorik, P., Luo, X. (2022). Reverberation Degrades Pitch Perception but Not Mandarin Tone and Vowel Recognition of Cochlear Implant Users. Ear and Hearing, 43(4), 1139-1150. Doi: 10.1097/AUD.0000000000001173.

• 文／洪萱眉 雅文基金會聽語科學研究中心 助理研究員

在如今這個網路時代，人人在日常生活中都常要透過帳號、密碼來辨識身份，不管是提款卡、行動裝置（手機、筆電、平板）、網路銀行、行動支付等，都需設定一組帳號密碼來辨識自己的身份。

為了不讓自己的帳號被駭，每次都得抓破頭來設定，太簡單擔心被破解，太複雜又怕自己記不住。更煩人的是，每個平台的密碼設定都有自己的規則，有些要求要有特殊符號，有些則要求英文大小寫和數字都要有。

於是，為了兼顧安全與便利性，越來越多廠商使用指紋辨識來解鎖，這樣既不用擔心忘記密碼，也不容易被盜用。然而，你知道，我們的聲音其實和指紋一樣，也能進行身份辨識嗎？

專屬個人的聲音密碼

聲音跟指紋一樣，都有獨一無二的特定性，而在利用聲音的特性做辨識時，就稱為聲紋辨識。我們接到熟識親朋好友來電時，他們不用說他是誰，我們只要一聽到聲音就能辨識。這是因為每個人的說話特性不同，聽聲音就能辨識說話者。而我們的語音訊號中可供辨識的因素，主要可分為三個面向^[1]：

• 發音器官的差異：因每個人的發音器官差異，如口腔形狀、聲帶長短粗細不同，造成每個人的聲音特性有所不同。例如，當小朋友前排乳牙掉了時，說話時會有俗稱「漏風」的感覺，就是因為口腔的共鳴特性變了而造成的；而男生的聲帶比女生的要長且粗厚，振動頻率較低，因此聲音較低沈。
• 說話方式的差異：每個人的說話習慣的不同，像是說話的語速、語氣、抑揚頓挫、咬字清晰度、口音等等。比如電話一接通，就聽到大聲又連珠炮似的說話，馬上就知道是樓上的王阿姨要找媽媽。或是一聽到緩慢溫柔充滿感情的台灣國語，就知道是阿嬤從台南打電話來了。
• 說話內容的差異：生長背景、教育程度、社經地位的不同，使說話內容有所差異，例如：用詞、句型等等。像巷口賣水果的阿伯和他讀中文系的女兒，同樣要向顧客自賣自誇鳳梨有多甜，女兒也許會說「那甜蜜的滋味藏著一絲微微的酸，就像那年夏天的初戀」，阿伯則可能會說「帥哥偶謀騙你，這粒旺來跟我女兒的笑容一樣甜啦！」

上述的這些差異都可作為我們辨識說話者的依據。而其中說話方式和內容可能被他人學習、模仿，只有發音器官的差異是天生的，無法被模仿且在分析，所以許多辨識系統是採用發音的聲學特徵（acoustic features），例如，聲音頻率（高/低）、音色（如：輕柔、渾厚）等特性都可作為辨識的依據^[1]。

聲紋比對辨身分

聲紋辨識和指紋一樣，皆為生物辨識的一種。從人類的身上萃取出具有身份鑑別能力的特徵，如：指紋、聲音，將此特徵經處理、分析後儲在系統裡，日後可依據此特徵來辨識使用者的身份。利用我們獨特的聲音來辨識身份的聲紋技術，亦可稱為「語者辨認」或「說話人辨認」（speaker identification）^[2]。

聲紋辨識的過程包含兩個階段：1. 聲紋提取（voiceprint extraction）。2. 聲紋比對（voiceprint comparison）。在確認說話者的身分之前，要先有說話者的聲音語料，依說話者提供的聲音語料進行分析，並建立專屬他的聲紋模型。

一般在處理語音訊號時，會將音檔切割成小區段的方式來處理、進行分析，透過聲譜圖上的資訊來分析說話者的聲音頻率、音強、抑揚頓挫等建立專屬他的聲紋模型，並將其聲紋資訊存到系統裡。就像將我們的指紋存到手機的系統裡一樣，可以比對我們登錄系統裡的生物資訊來進行身份的核對。

當系統裡存有說話者的聲紋資訊後，其實就就能快速的進行一對一的說話者身份驗證（speaker verification），或是進行一對多的說話者辨認（speaker identification），從眾多人找出誰是說話者^[3]。

聲紋辨識不只可以抓犯人，還可以……

上述的聲紋辨識，是不是會讓你聯想到在看影集時，劇中的刑警從報案中心的人聲或是搜集回來的錄音檔中，辨識出報案人或犯人的身份。一般大家的印象會覺得聲紋辨識只會出現在刑事調查中，但其實日常生活中已經有用到聲紋來辨識身份囉！比如，智慧型手機的語音助理，只要說出關鍵詞：「嘿，Siri」、「OK Google」就能啟動AI回應。

其實，這個過程就是擷取聲音特徵，並與之前登錄的音檔互相比對，進行說話者的身份認證。除此之外，越來越多的金融機構也開始引進這項技術，憑聲音來確認身份，這樣除了可以取代回答冗長的問題來確認客戶身份、提高便利性外，也同時提高了安全性^[4]。

除了辨識身份，聲紋辨識其實也能應用在其他地方。現在也有許多研究團隊開發各種聲紋科技的應用，例如：透過大數據的聲音比對，由電腦判斷出鳳梨的好壞^[5]、或是辨識青蛙叫聲的APP ^[6]等，這些也都是運用到聲紋辨識的原理。想必聲紋科技的發展會是一種趨勢，未來會有越來越多的場合都能運用此技術，讓我們拭目以待！

1. 王小川。（2009）。說話人辨認。語音訊號處理（第二版，頁12-2 – 12-12）。全華圖書。清華大學電機系。淺談語者辨認。http://web.ee.nthu.edu.tw/p/404-1175-11508.php?Lang=zh-tw
2. Phonexia. (n.d). What Is Voice Biometrics?https://www.phonexia.com/knowledge-base/voice-biometrics-essential-guide/
3. 緒方憲太郎。（2022）。語音科技將會如何改變未來。聲音經濟學（林詠譯，頁159-191）。商周出版。
4. 洪明生、蘇晟維。（2022/12/11）。大數據聲紋比對判斷好壞 選鳳梨用「聽」的！ Yahoo！新聞。取自：https://bit.ly/3Vrh2Hf
5. 上游新聞市集。（2022/8/25）。現在是哪隻青蛙在叫？「蛙抵家」APP幫你聽聲認蛙！青蛙辨識軟體，揪你幫台灣錄蛙聲。取自：https://today.line.me/tw/v2/article/7NjZrr8

人類的音樂比任何樂器都古老

早在我們雕刻象牙或骨頭之前許久，肯定已經使用聲音戲耍出旋律、和聲與節奏。現代人類所有族群都會唱歌、演奏樂器和舞蹈。

這種普遍性意味著我們的祖先早在發明樂器以前，已經是音樂的愛好者。如今所有已知的人類文化之中，音樂都出現在類似情境裡，比如愛情、搖籃曲、治療和舞蹈。這麼說來，人類的社會行為通常少不了音樂。

化石證據同樣顯示，五十萬年前的人類已經擁有能發出現代口語和歌聲的舌骨。因此，在我們製造樂器之前幾十萬年，人類的喉嚨就已經能夠說或唱出語句或歌詞。

口語和音樂何者先出現，目前還無從確定。其他物種也具有感知語言和音樂所需的神經組織，顯示我們的語言和音樂能力只是原有能力的精緻化。

左右腦的劃分

人類以左腦處理口說語言（其他哺乳類或許也是在同樣的部位處理同類的聲音），其他聲音則是傳送到負責處理音樂的右腦。或許左右腦共同處理，左腦利用聲音在不同時間呈現的細微差異理解語義和語法，右腦則用音頻的差異來捕捉旋律和音色等細節。

但這個劃分並非絕對，顯示語言和音樂之間沒有明確的分隔線。語言的抑揚頓挫和音韻會啟動右腦，歌曲的語義內容卻是點亮左腦，那麼，歌曲和詩文讓我們左右腦的運作相互交織。

所有的人類文化都有這種現象，都將文字融入歌曲裡，而口說語言的意義有一部分來自語言本身的音樂性。在嬰兒時期，我們根據母親聲音的速度和音頻辨識她。成年以後，我們用音頻、拍子、力度、音質和音調傳情表意。

在文化的層面，我們結合音樂和語言，將最珍貴的知識傳遞下去：澳洲的歌行（song line）；中東與歐洲的禱文吟誦、聖歌和詩篇；桑族（San）入神舞的「呼喊敘事」；以及全世界不同族群各異其趣的詠唱方式。

這麼說來，器樂（instrumental music）性質特殊，跟歌曲和口語有所區分。它是一種完全脫離語言的音樂。最早的製笛師也許研究出如何創造超越語言特性的音樂。在這方面，他們或許跟其他動物找到了共通性。

動物們也有音樂和語言

昆蟲、鳥類、蛙類和其他物種的聲音也許有自己的文法和句式，卻肯定不屬於人類語言的範疇。如果器樂確實讓我們感受到超越語言或先於語言的聲音，那麼這是一種矛盾的體驗。

人類對工具的使用為時不久又獨一無二，透過這樣的活動，我們超越語言，體驗到聲音的含義與細節。我們的動物親族或許仍然這樣體驗聲音，演化成為人類之前的祖先肯定也是。器樂或許帶領我們的感官回到工具和語言出現之前的體驗。

打擊樂的出現可能也早於口語或歌曲。由於鼓的材質多半是生活中常見的皮革或木頭，不耐久存、容易腐朽，考古學上的證據因此相當稀少。已知最早的鼓只有六千年歷史，出現在中國，但人類打鼓的歷史應該久遠得多。

在非洲，野生黑猩猩、倭黑猩猩和大黑猩猩都使用鼓聲做為社交信號。這些猩猩表親使用雙手、雙腳和石頭敲擊身體、地面或樹木的板根。

這意味著我們的祖先可能會擊鼓，或許用來傳達身分或領域訊息，在此同時凝聚成團結合作、節奏一致的群體。相較於其他類人猿，人類鼓聲的節拍更有規律，也更精準。有趣的是，對許多黑猩猩族群而言，用石塊敲擊樹木可說是一種儀式。

黑猩猩會選擇特定樹木，在選定的每個地點疊出石堆。牠們不但把石頭存放起來，還會將它們拋或扔向樹木，發出砰或喀嗒聲。牠們敲擊樹木時，通常一面發出洪亮的「噓喘」，一面用手腳擊打樹幹。那麼，黑猩猩和人類都會將敲擊聲、嗓音、社會展演和儀式結合在一起。

這個現象告訴我們，人類音樂的這些元素，歷史比我們的物種更悠久。

最古老的緣起仍成謎

人類音樂最古老的根源究竟從什麼時間點開始，目前還是個謎，器樂與其他藝術形態之間的關係卻比較清楚。世上已知最古老的樂器，就埋葬在已知最古老的具象雕像旁，二者都來自洞穴裡人類遺跡的最底層。

它們底下的沉積層已經看不到人類的痕跡，而後，在更深處是尼安德塔人的工具。在地球上的這個位置，器樂和具象藝術同時出現，就在解剖學意義上的現代人最早抵達歐洲冰雪大地的時刻。

樂器與具象雕刻品有個共通概念，那就是物質經過三度空間的修改，可以變成活動的物件，刺激我們的感官、心靈和情感，如今我們稱之為「藝術的體驗」。笛子與雕像的並置告訴我們，在奧瑞納文化時期，人類的創意不只展現在單一活動或功能上。工匠的技藝、音樂的創新與具象派藝術彼此連結。

最早期的人類藝術也為藝術形式之間的相關性提供佐證。已知最早的繪畫是抽象的，而非具象。這些繪畫來自七萬三千年前，掩埋在南非布隆伯斯洞窟（Blombos Cave）的沉積層裡。在那個洞穴裡，有人用赭石筆在易碎的岩石上畫出交叉陰影圖案。這個圖案所在的沉積層還有其他創意作品存在，比如貝殼珠子、骨錐、矛頭和赭石鐫刻的作品。

只是，現階段的紀錄顯示，德國南部洞穴立體藝術品製作工藝發展的速度，可能與使用顏料的具象藝術不一樣。笛子和小雕像似乎沒有經過刻意著色，它們所在的洞穴也沒有壁畫裝飾。在這個地區，要等到更後期的馬格達連文化（Magdalenian，大約這些笛子出現後再經過兩萬年），才有明顯以赭色顏料塗畫的岩石裝飾。

歐洲另一個奧瑞納文化遺址、西班牙北部的埃爾卡斯蒂洞窟（El Castillo），發展軌跡卻是不同。洞穴裡的圓盤壁畫時間超過四萬年，在同一面牆壁上有個三萬七千年前的手掌圖案。不過，據我們目前所知，這個時期在這個地區並沒有立體藝術創作。

同樣的，蘇拉威西洞穴的具象壁畫也跟任何已知雕刻作品無關。這些差異透露的，是考古紀錄有欠完整，而不是人類藝術的發展歷程。目前看來，立體藝術作品（雕像與笛子）最早發展的時間和地點似乎與繪畫不同。

見證音樂的悠久歷史

這段悠久的歷史重塑我們對更近期藝術的體驗。望著舊石器時代的笛子和小雕像，我想到大英博物館、紐約大都會藝術博物館和羅浮宮的人潮。有時我們會排隊幾小時，只為了看一眼人類藝術與文化的重要時刻。但在德國鄉間這座小博物館裡，我們見識到藝術更深遠的根源。

我張開雙臂。假設我雙手之間的距離是已知人類音樂與具象藝術存在的時間，冰河期的笛子和雕刻品的位置會在我左手指尖，跟蘇拉威西的洞穴壁畫一起。各大博物館裡的主要藝術品的位置則在我右手伸直的指尖，是過去一千年來的產物。

這絕不代表過去幾百年來的藝術創作不重要，相反的，紀錄遠古人類精湛藝術的遺址和博物館既與更近期的作品相得益彰，也為人類的藝術創作尋根溯源。藝術在與每個地區的動物和環境的關係中誕生，又藉著舊石器時代人類的高超技藝與想像力向上提升。

——本文摘自《傾聽地球之聲》，2022 年 11 月，商周出版，未經同意請勿轉載。