大吼一声，发生了什么？

听过三国评书的朋友，都知道“张飞喝断当阳桥”的故事，可见声音大到一定程度还是很吓人的。那么声音是怎么产生，又怎么传递和接收的，考虑到系列文章面对的中老年人不一定系统的学过，这里还是要多讲讲。

首先说声音的产生，以张飞大喝一声为例子，人的声音产生，是由喉咙里的声带导致的。声带么……可以简单想象成一片肌肉薄膜，它位于人的喉头部位。人在发声的时候，会运用气流冲击声带形成振动，同时大脑控制肌肉会进行变形，引发振动方式不断改变，声带振动又引起口腔空气振动，再经过舌头、嘴唇的共同作用，从嘴里跑出来，形成不同于原来形式的振动，就是一系列音节“啊，喔，鹅，衣，呜，鱼……”。

弹过琴的朋友更有经验，琴弦在拨动之后会发出声音，此时用手制止了琴弦的振动，声音马上戛(jia)然而止。所有的经验表明：声音是振动产生，这种振动也需要借助什么东西进行传递，传递声音的东西称为介质（媒介物质？）。空气是介质，桌子也是，墙壁也是（半夜楼上有人走来走去是不是很烦），水也是但不很有效。好不容易从喉咙里发出振动，在空气里传播受到阻力，最后离你10米就没人能听到，是不是很气馁（振不动了），比起张飞还是差远了。

那么我们的听觉就是个反过来的过程，耳鼓膜接收到振动，再转化成神经元电信号传递到大脑（实际比这个复杂一些），大脑把信号翻译成能理解的语言，然后再指挥嘴巴出言反驳：“你才有毛病呢”。我们就完成了一次完美的沟通。

小学自然课可能只会讲到这里，我们再深入一点，那么声音的大小和不同的音调才是关键，要不然每个人能发出的都是“啊～～～～～～”这样毫无意义的音节。“她的歌声像百灵鸟一样好听”、“这个人五音不全我们还是假装不认识他吧”。

声音的大小（专业叫法：响度），其实取决于振动源头振动范围的大小，也就是声音里能量的大小。就好比唱歌时候，轻轻唱“～哆～来～咪～”，大声唱“～哆～来～咪～”，那么引起的振动大小就不一样。你和张飞其实差的就是这个，他的振动像一块巨石一样砸到小桥了。响度越高，传的越远。

另一个概念是音高。音高对应到振动上，就是指振动物体振动的快慢，衡量这个快慢的单位叫做“赫兹(Hz)”——19赫兹表示1秒振动19次。C调的“哆”定义为“440赫兹”，而我们人耳朵能听到的振动范围是20赫兹-20000赫兹（不同的人不一样，当然能否听到还取决于“响度”）。低于20赫兹叫做“次声波”，高于20000赫兹叫做“超声波”。一个人唱歌的时候，能完美控制住哪些“赫兹”，就决定了这个人的“音域”宽广不宽广，唱的“在不在调上”。特定的频率对神经有特定激发作用，比如婴儿哭声即使很小母亲都能听到……

第三个问题是音色。为什么韩红和李娜唱的《青藏高原》，一样的音高（都在调上），差不多的响度（都很嘹亮），我们一下就能分辨出来是谁唱的？这就是音色在作用。上面的“响度”和“音高”，都是描述单音的本质。每种我们听到的声音，都不是简单的单音，而是多种声音的复合音。里边包含主要振动和次要振动，无论是主要振动还是次要振动，都可能会有好多种。这些振动的方式，和振动物本身、引起振动的方式等都有关系，主要振动响度比较高，次要振动响度比较弱，这些声音复合起来，传到我们耳朵里，就构成了一种独特的声音，才能分辨出钢琴和唢呐，到底是妈妈还是爸爸。小知识：声乐专业也是根据音色来区分高中低音歌手的，并不是说男低音就唱不上去高调。耳朵能分辨40万种声音，相当厉害了。

好了，现在我们理解声音的本质其实是振动，你站在地上骂老天爷，TA是听不到的，因为我们和天宫中间隔着茫茫宇宙，真空没有物质，也无法传递振动。相反你要是骂阎王，很可能就被听到了……

我们把声音的原理：振动，绘制成图，用曲线图来表示：（专业名字：波形图）

这个图里边，纵坐标（波形高低）来表示响度（幅度变化越大声音就越大），横坐标表示时间，音高比较高的地方，在横坐标上就越密集。而音色，就是多种这样的曲线叠加到一起形成的。为了简单一些，我们下文不讨论音色，只针对单音进行讨论。

下面是难以理解的概念

好，经过第一阶段的抽象，强行认为你们理解了声音，也强行认为你们能够把波形图看成了声音。那么这里要说个比较难理解的概念：连续和离散。

看上去好像数学概念，其实也比较好理解。连续就是指一根线条，离散就是一个个的点。聪明的你一定会说：线条不就是一个个的点组成的么？Good，你已经入门了。实际上还是有区别的，那就是：一根__连续__的线条可以分成__无数__个点；而__离散__的点即使再多也是__有穷尽__的。可以用很多的点去模拟一个线条，但无法等于这个线条。结论是：自然是连续的，数字是离散的。数字只能尽力去模拟自然，然而终究无法等同。那么声音和数字声音也是这种关系。

对应到上面那个波形曲线图，声音实际上是连续的。人们发现了声音振动的秘密之后，就通过各种方法来延长这种振动。后来有了电，贝尔把声音振动转化成不断变化的电流，通过导线传递到另一端，另一端再把变化的电流变成变化的振动传出去，这个技术逐步改进，就成了最早的电话；爱迪生发明留声机的原理也是如此，把声音转化成一种振动，用短针把振动刻到某种材质上形成深浅不一的槽，播放的时候反过来，短针把槽里的振动传递出来变成声音（注意，最早的留声机是纯机械结构，持续改进以后才有了电留声机）。从这个历史看出，声音无论是转化成大小不同的电流，还是深浅不一的槽，本质上都是一种连续的记录。那么连续的东西怎么变成离散的数字呢？这就涉及到连续和离散的转换。（并不是涉及到电，就是数字概念，数字本身是离散的，而变化大多是连续的）

幻化成波形曲线的声音__毫无规律__，非常遗憾，数字机器无法记录__没有规律__的连续数据（因为是无穷数，但是有规律的连续数据可以通过数学公式来记录）。所以数字机器记录声音的时候，只能用从这条波形曲线上取很多很多的点。当这些点“密集”到一定程度，也就和真实的声波振动曲线差不多了，然后这些“离散”点转换成数字坐标，就可以用数字机器来存储、处理和传递了。

再看上面的波形曲线图。假设这是一首3分钟的歌曲，那么我们在这条曲线上密密麻麻取1亿亿个点（实际上用不了那么多，这个过程叫做“采样”，就是采集足够多的样本），然后用数字记录下每个点的坐标位置……完成了声音到数字转换。

有时候我们用微信给别人发语音，别人听到后会问：这tm是你的声音吗？原因是：采样越密集，所需要的点越多，占的地方就越多；微信为了节省手机流量，选的点比较少，采样不那么密集，形成的声波曲线不那么圆润，响度（波形高低）和音高（波形频率）还能基本保持原样，但是音色就会损失不少。。。所以你的声音失真了。

好，回忆一下本节内容，

1. 录音过程：振动传到了话筒，话筒把振动变成了电信号变化曲线(有些话筒可以直接转化成数字信号)，然后由数字机器在曲线上进行足够密集的取点（采样），记录每个点的数字坐标，这些坐标数字集合起来就形成了声音片段；

2. 播放过程：录音过程反过来，数字机器先拿到数字声音片段，里边有个坐标集合，然后按顺序把坐标组合起来，形成近似原来曲线的一个波形，再把波形转成电信号，驱动发声设备进行振动。

原理到此结束，感谢你看完。

进阶

数字声音都是对真实声音的波形曲线“采样”来的，有两个标准来评判采样，一个叫做比特率（主要决定纵坐标的细分程度），一个叫做采样频率（主要决定横坐标能细分到什么程度）。这两个数字越高，采样点能模拟的曲线就越接近原曲线。音乐CD的比特率（16比特）和采样频率（44100赫兹）可以看作一个分界线，比特率和采样频率超过CD的，可以看作无损音乐，低于CD的，可以看作有损音乐。至于mp3，甚至会删除掉人耳朵不敏感的声音频率以减小体积。如果遇到一个非要在概念上较真的人，想听“真正”的无损音乐，只能请TA去音乐会现场了……因为目前所有的数字音乐，都无法做到一丝不差的还原。其实就算我们直接听音乐会，空气中也会损失一些振动特性吧……

小知识

上面讲到，真空没有介质，声音就无法传递，那么太阳光是怎么越过宇宙真空来到地球呢？原因是：光既是物质（光子），又是振动（光波），光一边前进，一边振动，因为有物质特性，真空没有介质也能传递……现代物理只能解释到这里啦。

---