为什么偏偏是十二个泛音列，与那场妥协
这一章慢一点读（所以速度标着 ♩=60）。它要回答一个几乎没人认真回答过的问题：为什么全世界的音乐用十二个音？不是十一个，不是十三个。答案分两半，都很硬。前一半是物理：五度和三度不是人发明的，它们本来就藏在每一个音的内部 —— 我会把它们从一个音里面拆出来，放给你听。后一半是一场失败：大自然给的音，怎么拼都拼不圆，差 23.46 音分。整个现代键盘，就建立在对这个缺口的强行掩盖之上。
你从来没有弹过「一个音」
先来一个反直觉的事实。
你按下钢琴上的一个 C，你以为你弹了「一个音」。你没有。你弹了一整叠音。
那根弦不只是作为一个整体在振动。它同时还在以二分之一为单位振动、以三分之一为单位振动、四分之一、五分之一…… 每一种分法都在产生自己的频率，而它们全部叠在一起，一起冲进你的耳朵。
一根弦上同时发生的事：
整根振动 → f ← 基音（你以为你弹的那个）
分成 2 段振动 → 2f ← 第 2 泛音
分成 3 段振动 → 3f ← 第 3 泛音
分成 4 段振动 → 4f
分成 5 段振动 → 5f
⋮ ⋮
这一整串 f、2f、3f、4f、5f…… 叫「泛音列」。
它是白送的。你没法不弹出它。
你听不出它们是分开的 —— 你的大脑把这一整叠打包成了「一个音的音色」。但它们全都在。下面这个台子，把它们一个一个拆出来给你听。
先点「只留基音」—— 那是一个赤裸的正弦波，干瘪、像电话忙音，一点也不「像乐器」。
然后点「全部叠上」—— 音色瞬间就诞生了。这就是「音色」的全部秘密：不同的乐器，无非是这一叠泛音的配方不同。小提琴和长笛弹同一个 C，基音一模一样，你却能分辨 —— 靠的全是泛音的比例。
然后是重头戏：单独听第 3 个，再单独听第 5 个。
五度和三度，就藏在那里面
看那张表。第 3 个泛音，和基音构成的音程是纯五度（跨了一个八度）。第 5 个泛音，是大三度（跨了两个八度）。
现在点最后那个按钮：「基音 + 3 + 5」。
你听到的，是一个大三和弦。
你按下一个 C，一个 C 大三和弦就已经在里面响着了 —— 第 1、3、5 个泛音天然就构成它。你以为你弹了一个音，其实你弹了一个和弦，只是音量比例被压得很低。
所以当你真的把 C–E–G 三个键一起按下去，为什么听起来那么「对」、那么稳、那么理所当然？因为你只是把每一个音里本来就有的东西，放大了。它们的泛音互相重叠、互相印证，耳朵收到的是一份高度自洽的报告。
这就是协和的物理来源。不是审美，不是文化，是算术：频率比越简单（2:1、3:2、5:4），泛音重叠得越多，耳朵越觉得「它们是一伙的」。
顺便看一眼第 7 个泛音。表上标着一行警告：它比钢琴上任何一个键都低 31 音分。
这是一个很重要的提示：大自然给的音，并不全都在你的键盘上。大自然是慷慨的，但也是不讲道理的。而人类的键盘只有十二个格子。接下来发生的，就是一场把大自然硬塞进十二个格子的战争。
泛音列的三个真实后果
在往下走之前，先看看这一叠泛音在现实世界里干了些什么 —— 它比你想的猖狂。
一、音色的秘密：单簧管为什么听起来是「空」的
不同乐器的区别，全在泛音的配方上。而有一类乐器的配方特别极端：
小提琴、钢琴（两端开放或弦振动）
泛音：1, 2, 3, 4, 5, 6, 7, 8 … ← 全都有
听感：饱满、明亮、「有肉」
单簧管（一端闭合的管子）
泛音：1, 3, 5, 7 … ← 只有奇数！偶数泛音被物理抵消了
听感：中空、木质、有点「闷」，低音区尤其像在管子里说话
「单簧管音色很空灵」不是形容词，是一个可以测量的物理事实 —— 它的偶数泛音（第 2 个、第 4 个，也就是那些八度）被管子的形状消掉了。少了八度泛音的支撑，声音就少了那层「厚」。
它还有个副作用：单簧管超吹（吹到高音区）时，跳的不是八度，而是十二度（也就是八度＋五度）—— 因为它跳的是第 3 泛音而不是第 2 泛音。这让单簧管成了木管里指法最麻烦的一件乐器。一个物理学上的怪癖，让几代学生吃尽了苦头。
二、小号和圆号，字面意义上只能吹泛音列
拿一支军号（bugle）—— 没有活塞、没有键，就是一根弯管子。
它能吹出多少个音？它能吹出的，就是泛音列本身，一个不多，一个不少。吹奏者靠改变嘴唇的振动频率，去「选中」管子的第 2、3、4、5、6 个泛音。
# 所有军号曲，都只能用这几个音（第 2~6 泛音）： C G C E G # ↑ ↑ # 纯五度 大三度 ← 就是上面那个 demo 里的第 3 和第 5 # 这就是为什么全世界的军号曲听起来都像那个样子 —— # 起床号、熄灯号、冲锋号，它们别无选择。
后来加的活塞（小号）和转阀（圆号），干的事情就是「临时改变管子长度」，从而换一套泛音列。整个铜管乐器的设计史，就是一部想办法填满泛音列之间空隙的历史。
还记得第 7 泛音比平均律低 31 音分吗？在古典音乐里它是个麻烦。但在蓝调里，它是宝贝。
蓝调的那个著名的、说不清是大三度还是小三度的「蓝调音」（blue note），以及那种独特的「压着不肯到位」的味道，很大程度上就来自演唱者和吉他手本能地滑向泛音列的自然音高 —— 那些键盘上根本不存在的位置。
吉他手推弦（bending）时，推的往往就是这些「格子之间」的音。钢琴永远做不到这件事 —— 它被十二个格子锁死了。这是第 14 章的伏笔。
三、真正的钢琴，其实并没有调成平均律
这一条会颠覆你刚建立的世界观，但它是真的。
前面我们假设弦是「理想」的：分成两段振动，正好得到 2f。但真实的钢琴弦有硬度 —— 它是根钢丝，不是一根理想的、完全柔软的线。
硬度让它不太愿意弯折，于是高次泛音的频率会比理论值偏高。这叫非谐性（inharmonicity）。
理想弦：第 2 泛音 = 2.000 × f
真钢琴：第 2 泛音 ≈ 2.001 × f ← 偏高一点点（低音区尤其明显）
后果：如果你把 C5 严格调成 C4 的 2 倍频，
C4 的第 2 泛音（偏高的那个）就会和 C5 打架 —— 出现拍频。
八度听起来会「不干净」。
调音师的对策叫「伸展调音」（stretch tuning）：把高音区调得比理论值更高，把低音区调得比理论值更低。一台调好的三角钢琴，最高音可能比数学上的正确值高出 30 音分以上。
所以真相是这样的：
纯律是大自然给的 → 平均律为了转调把它拧歪了 → 伸展调音为了迁就真实钢铁的物理性质，又把平均律拧歪了一次。
你家那台钢琴上，没有一个音是「数学上正确」的。而它听起来仍然很美 —— 因为「正确」从来不是目标，「听起来对」才是。
这是这本书反复要讲的一件事：音乐理论是一份不断向现实低头的谈判记录，不是一部法典。
第一次尝试：用五度把所有音生出来
既然纯五度是泛音列里第一个真正的新东西（第 2 泛音只是八度，还是同一个音），那它显然是除八度之外最协和、最重要的音程。
古人（毕达哥拉斯学派）的想法非常自然：那就用纯五度，把所有的音都生出来。
从 C 出发，每次往上走一个纯五度（频率 × 3/2），走十二步：
# 五度相生：每一步频率 × 3/2 C → G → D → A → E → B → F# → C# → G# → D# → A# → F → C # 十二步之后，你应该回到 C。 # 你确实回到了「一个 C」—— 但是……
走了十二步，你确实绕回了 C。而且你走过的这十二个音，正好就是一个八度里的十二个音 —— 这就是十二个音的来源，也是五度圈（第 11 章）的来源。
看起来完美。但它没有闭合。
那个合不拢的缝：23.46 音分
算一下。走十二个纯五度，频率总共乘了：
十二个纯五度： (3/2)^12 = 129.7463 而这中间你跨了七个八度，应该是： 七个八度： 2^7 = 128.0000 129.7463 ≠ 128.0000 比值 = 129.7463 / 128 = 1.013643 换算成音分 = 23.46 音分 ← 「毕达哥拉斯音差」
你回到的那个 C，比出发的那个 C 高了 23.46 音分。
23.46 音分接近四分之一个半音。这个量，人耳一听一个准。它不是舍入误差，它是一个响亮的、刺耳的、无法忽视的走音。
本质原因：3 的任何次方，永远不可能等于 2 的任何次方。（一个是奇数，一个是偶数 —— 除非指数都是 0。）
所以「叠纯五度」和「叠八度」永远、永远、永远不可能对齐。不是古人算得不够精确，是这件事在数学上就不成立。五度圈天生就是一个螺旋，不是一个圆 —— 你以为你转回来了，其实你上升了一层。
整个西方音乐的调律史，就是一部想方设法掩盖这 23.46 音分的历史。
为什么偏偏是十二个 —— 现在可以回答了
既然叠五度永远回不到原点，那我们能不能换个数？叠五个五度？十七个？五十三个？
能。而这正好回答了本章标题的问题。我们要找的是：叠 n 个纯五度之后，离「整数个八度」最近的那个 n。
n 个五度 ≈ 几个八度 误差 5 个五度 ≈ 3 个八度 −90.2 音分 ✗ 差太远 7 个五度 ≈ 4 个八度 +113.7 音分 ✗ 更糟 12 个五度 ≈ 7 个八度 +23.5 音分 ← 第一个能用的！ 17 个五度 ≈ 10 个八度 −66.8 音分 ✗ 反而变差 19 个五度 ≈ 11 个八度 +137.1 音分 ✗ 糟透了 29 个五度 ≈ 17 个八度 −43.3 音分 ✗ 41 个五度 ≈ 24 个八度 −19.8 音分 ~ 略好，但 41 个键？ 53 个五度 ≈ 31 个八度 +3.6 音分 ★ 几乎完美！但…… 53 个键。
12 是第一个误差小到能忍的数。在它之前的 5、7 全都差得离谱；在它之后的 17、19 不升反降。
53 确实几乎完美（只差 3.6 音分，人耳基本听不出）。它甚至真的被研究过 —— 但一个八度五十三个音，意味着你的钢琴一个八度要有 53 个键，你的手要能跨过它们，你的脑子要能记住它们。不可能。
所以十二不是天启，也不是巧合，它是一次工程折中：小到人手能弹、脑子能记，又大到误差能糊弄过去。我们用的这套音乐系统，是一个刚刚好能用的妥协。
那 23.46 音分怎么办？—— 摊掉它
好，十二个音定下来了，缝还在。历史上试过几种办法：
- 把缝藏在一个地方（毕达哥拉斯律）：让十一个五度都是完美的，把 23.46 音分全部堆到最后一个五度上。结果那个五度难听到没法用，得名「狼五度」（wolf fifth）—— 因为它嚎起来像狼。你只要不弹到那个调，一切都很美好。
- 牺牲五度，保住三度（中庸全音律）：文艺复兴时期的选择。三度美得不像话，但远处的调依然是狼窝。
- 每个调各有各的性格（各种「良律」）：巴赫的《平均律键盘曲集》其实用的是这个 —— 别被中文译名骗了，它不是我们今天说的「十二平均律」。在那套调律下，C 大调和 F♯ 大调音色真的不一样，作曲家会为此专门挑调。
- 雨露均沾（十二平均律）：把 23.46 音分平摊到十二个五度上，每个五度都少一点点。
最后一条赢了。而且它赢得非常彻底 —— 今天世界上几乎每一台键盘乐器、每一把吉他的品，都按它来。
看一下它是怎么摊的：
要摊的总量：23.46 音分
摊到 12 个五度：23.46 ÷ 12 = 1.955 音分
于是：平均律的每一个纯五度，都比大自然的纯五度「窄」了 1.955 音分。
大自然的五度（3:2） = 701.955 音分
平均律的五度 = 700.000 音分 ← 正好是 1200 的整数倍分之七
差 = −1.955 音分
这就是十二平均律的全部内容：把八度严格均分成十二份，然后接受由此产生的一切误差。
代价：你家钢琴的每一个大三度都在走音
五度只被拧歪了 1.955 音分 —— 这个量小到你几乎听不出来。平均律赌的就是这一点。
但代价不是均摊的。大三度遭了殃。
大自然（纯律） 平均律 被拧歪了
纯五度 701.955 音分 700 音分 −1.955 ← 听不出
大三度 386.314 音分 400 音分 +13.686 ← 听得出！！
~~~~~~~
整整 7 倍
纯八度 1200.000 音分 1200 音分 0.000 ← 唯一没动过的
13.686 音分。这不是一个可以忽略的数。而且更要命的是 —— 还记得上一章说的吗？两个音同时响的时候，人耳对失谐极其敏感。
下面这个台子，把它放给你听。
选「大三度」，先点「只听纯律版」 —— 干净、纹丝不动、像一块玻璃。
再点「只听平均律版」（也就是钢琴上真实的声音）—— 你会听到一种细微的、持续的搅动。
然后点「两个一起响」。现在你听到的是 「哇——哇——哇——」，每秒大约 2.6 次。数一数。
最后，把音程换成「纯五度」，再点一次「两个一起响」。那个抖动几乎消失了。这就是 1.955 和 13.686 的区别，用你的耳朵，而不是用眼睛。
那个「哇——哇——」是什么：拍频
当两个频率非常接近的音同时响，它们会周期性地互相加强、互相抵消。你听到的音量起伏，就叫拍（beat）。
而且它的规律简单得可怕：
每秒拍几下 = 两个频率之差
例：C4 上方的大三度
平均律的 E4 = 329.63 Hz
纯律的 E4 = 327.03 Hz （= 261.63 × 5/4）
────────────────────────
差 = 2.60 Hz → 每秒抖 2.6 下 ✓ 听得见
而纯五度：
平均律的 G4 = 391.995 Hz
纯律的 G4 = 392.445 Hz （= 261.63 × 3/2）
────────────────────────
差 = 0.45 Hz → 每 2 秒才抖 1 下 ✗ 察觉不到
这不是一个理论玩具。专业钢琴调音师调琴的时候，耳朵里数的就是这个拍频。他们不听「准不准」，他们听「每秒抖几下」—— 因为拍频是一个可以精确计数的东西，而「准」是个模糊的感觉。
而且他们的目标不是「消灭拍频」（那样就调成纯律了，转调就完蛋），而是把拍频调到规定的速度。一台调得完美的平均律钢琴，每一个大三度都在以特定的速率轻轻搅动。
你以后弹琴时，如果安静地按住一个大三度听上几秒 —— 你会开始听见它。而且从此再也没法不听见。抱歉。
这场交易，到底换来了什么
付出了「每个大三度都在轻微走音」这么大的代价，我们买到了什么？
买到了自由转调。
在纯律或中庸全音律里，C 大调可能美得惊人，但你一转到 F♯ 大调，狼就出来了。乐器被锁死在少数几个调上。
而在平均律里，所有十二个调听起来完全一样（都同样地、均匀地、微微地不准）。于是：
- 你可以在一首曲子中间任意转调，不会突然掉进狼窝。
- 你可以把一首歌整体升高三个半音给另一个歌手唱，和声关系一模一样。
- 吉他的变调夹才有可能存在 —— 夹上去整体升调，所有和弦形状原封不动。（第 15 章、第 24 章）
- 钢琴上一个手型平移，就是一次转调。
这是一笔精算过的交易，也是全书第一次出现的一种模式，后面你会一再遇到它：音乐理论里的绝大多数「规则」，都不是审美偏好，而是某个约束下的最优解。
代价是真的：调性的色彩消失了。在巴赫的时代，D 大调听起来就是比 E♭ 大调更明亮 —— 那不是心理作用，是调律使然。今天，那种差别被平均律永久地抹掉了。我们得到了自由，丢掉了颜色。
1584 年，明朝的朱载堉（一位藩王世子）在《律学新说》里，用八十一档算盘开二十四次方，算出了十二平均律的精确解 —— 比欧洲早了大约两百年，数值精确到小数点后二十多位。
然后…… 什么也没发生。中国音乐并没有因此走向和声与转调 —— 因为当时没有那个需求：中国音乐是线性的、旋律主导的，不需要一个能在十二个调之间自由跳转的键盘。
技术上的正确答案，不会自动变成被采用的答案。平均律在欧洲被接受，是因为那里的音乐正在被和声、转调和键盘乐器逼到墙角 —— 是问题先来的，答案才被需要。
小结
- 你从来没弹过一个音，你弹的是一整叠泛音。音色就是这一叠的配方。
- 纯五度（第 3 泛音）和大三度（第 5 泛音）藏在每个音的内部。大三和弦不是发明，是放大。
- 用纯五度叠十二次，回不到原点，差 23.46 音分（毕达哥拉斯音差）。这在数学上是必然的：3 的幂永远不等于 2 的幂。
- 十二是「够准」和「够弹」之间的最优折中。53 更准，但没人弹得了。
- 十二平均律把那 23.46 音分平摊了：每个五度窄 1.955 音分（听不出），代价是每个大三度宽 13.686 音分（听得出，每秒抖 2.6 下）。
- 我们用「所有调都略微不准」，换来了「所有调都能用」。
下一章，我们把注意力从「一个音」挪开。因为音乐真正的原子，其实不是音 —— 是两个音之间的距离。
这一点听起来抽象，但它有一个极其实用的推论：一首歌，你把它整体升高五个半音再唱，它还是同一首歌。音全变了，歌没变。所以「歌」到底存在于哪里？—— 存在于距离里。