音色（Timbre）是声音的独特属性，用于区分不同声源或乐器发出的、具有相同音高和响度的声音。它由声音的频谱成分（泛音结构）和包络（起振、衰减过程）决定，是听觉感知中的关键维度。音色不仅与物理声学相关，还在音乐、语音学、心理声学及电子音频处理中具有重要应用。人们常以“明亮”“温暖”“尖锐”等形容词来描述音色。
1 声学基础
1.1 声音的物理特性
1.1.1 频率与基频
频率指声波每秒振动的次数，单位赫兹（Hz）。基频是周期性振动的最低频率，决定声音的音高。人耳能感知的频率范围约为20 Hz到20,000 Hz。基频为声音提供最基本的音高参考，是区分不同音符的主要依据。
1.1.2 泛音与谐波
泛音是基频的整数倍或非整数倍频率成分，赋予声音独特的色彩。谐波特指基频整数倍的泛音，构成和谐的频率序列。例如，一个基频为100 Hz的声音，其谐波可能包括200 Hz、300 Hz、400 Hz等。不同乐器在谐波强度上的差异，是形成音色区别的关键因素。
1.1.3 频谱包络
频谱包络描述声音各频率成分的幅度分布曲线，反映响度随频率变化的整体形状。它集中体现了声音的“染色”特性——如低音丰富或高音明亮的特征，均由频谱包络的倾斜度和峰值位置决定。
1.2 音色的时域特征
1.2.1 起振与衰减
起振是声音从开始到达到最大振幅的阶段，衰减指从峰值下降到稳定状态的过程。例如，钢琴的起振快速而尖锐，而长笛的起振则较为平滑。起振速度对音色辨识至关重要，能帮助听众快速区分乐器类型。
1.2.2 持续与释放
持续阶段是声音在稳态期间的保持特征，释放指声音结束时的衰减尾音。弦乐器在持续阶段可能产生微妙的颤音或泛音变化，打击乐器的释放则可能伴随短暂的余振。时域包络（ADSR）模型即由起振、衰减、持续、释放四段构成，用于电子合成器的音色设计。
1.3 共振与阻尼
共振指声波在物体内部引起频率匹配的强烈振动，使特定频率成分得到加强。乐器腔体的共振特性决定了其音色的“共鸣感”，如小提琴琴箱对低频的共振增强。阻尼则是振动能量因摩擦或介质阻力而衰减的过程，阻尼越大，声音越短促干涩。
2 感知与心理声学
2.1 听觉感官机制
2.1.1 耳蜗的频谱分析
人耳耳蜗内的基底膜沿长度方向对不同频率产生最大振动响应，实现声音的频率分解。这种机制使大脑能够解析出声音的频谱成分，从而感知音色。基底膜的频率选择性并非均匀，中频区域分辨率最高。
2.1.2 听觉掩蔽效应
掩蔽效应指一个声音的感知被另一个声音削弱或掩盖的现象。在音色感知中，强声源的频谱成分可能掩盖弱声源的同频或邻近频率，导致音色细节丢失。这一效应对混音和噪声环境下的音色识别有重要影响。
2.2 音色空间与维数
2.2.1 亮度、锐度与粗糙度
亮度指声音中高频能量占比的高低，常用“明亮”或“暗淡”描述。锐度反映频谱在特定频率区间的集中程度，粗糙度则与声波中的调幅或调频不规则性相关。这三个维度是心理声学中描述音色感知的主要指标。
2.2.2 音色相似性度量
研究者通过多维标度法（MDS）建立音色空间，将不同声源映射为空间中的点，点间距离代表感知相似度。例如，人声与小提琴在空间中的距离较近，而与三角铁的距离则较远。该度量方法广泛应用于乐器分类和音频检索。
3 乐器音色
3.1 弦乐器
3.1.1 小提琴与中提琴
小提琴的音色以高频泛音丰富、穿透力强为特征，延音较长，适宜表现旋律。中提琴音色较低沉厚实，泛音数量略少于小提琴，具有温暖的“鼻音”质感。两者均通过弓弦摩擦激发振动，音色差异主要源于琴弦长度和琴箱尺寸的不同。
3.1.2 钢琴与吉他
钢琴通过击弦发声，起振瞬间包含丰富的冲击性高频成分，随后迅速衰减进入泛音丰富的持续阶段。吉他音色因拨弦方式（指甲、指肉）、弹奏位置（靠近琴桥或指板）及共鸣箱材质而异，具有较短的起振和明显的衰减特性。
3.2 管乐器
3.2.1 木管类（长笛、单簧管）
长笛的音色明亮而通透，泛音中偶次谐波占优势，气流声也赋予其特有的“呼吸感”。单簧管的音色较暗，因其管体为圆柱形，泛音以奇数谐波为主，形成类似“空谷回声”的质地。
3.2.2 铜管类（小号、圆号）
小号的音色锐利而明亮，高频泛音强烈，适合演绎激昂旋律。圆号的音色圆润饱满，泛音分布均匀，中低频能量突出，常营造森林或远方回声的意象。铜管乐器音色受唇振频率和杯形号嘴的显著影响。
3.3 打击乐器
3.3.1 定音与非定音打击乐
定音打击乐（如定音鼓、木琴）有明确基频和音高，音色受腔体尺寸和膜面张力控制。非定音打击乐（如钹、沙锤）的频谱杂乱，不具稳定基频，音色以高频噪声和短促冲击为主。
3.3.2 鼓类与木琴类
鼓类音色由鼓皮振动和腔体共振共同决定，低音鼓厚实，军鼓则带有响弦的金属“嘶嘶”音。木琴类以硬木条为发声体，起振迅速，持续短，泛音以倍频为主，音色清脆而有穿透力。
4 语音与生物音色
4.1 人类发声原理
4.1.1 声带的振动与共振峰
声带振动产生基频及泛音，声音经过声道（咽、口、鼻腔）时，特定频率被加强形成共振峰。共振峰的位置和强度构成人类语音音色的核心，不同语言发音即由共振峰模式决定。
4.1.2 元音与辅音的音色差异
元音的音色由第一共振峰（F1）和第二共振峰（F2）定位，如[a]音低沉宽厚，[i]音明亮尖锐。辅音的音色更多依赖噪声成分，如[s]的高频嘶音和[g]的爆破感，其时域结构差异显著。
4.2 动物叫声与个性化音色
动物叫声的音色由声带结构、体型和发声方式决定。狮吼的大嗓门厚重低沉，鸟鸣则以高频率、快速起伏为特征。人类个体的音色也各有特色，常被称为“嗓音指纹”，受声带长度、厚度及共鸣腔形态影响。
5 电子音色与合成
5.1 合成方法
5.1.1 减法合成
减法合成从丰富的谐波源（如锯齿波、方波）出发，通过滤波器去除或削弱部分频率成分，塑造理想音色。它是早期模拟合成器（如Moog）的核心手段，能产生浑厚的低音和独特的“哇”声变化。
5.1.2 加法合成
加法合成直接叠加不同频率的正弦波，逐级调整各谐波的振幅和相位，从而实现高精度的音色模拟。该方法计算量大，但可重现声学乐器的复杂泛音结构，是数字合成的基础。
5.1.3 调频合成（FM）
调频合成通过调制波对载波频率进行快速变化，产生密集的边带谐波。由John Chowning发明的FM合成，能高效生成金属、钟声等复杂音色，曾在20世纪80年代的雅马哈DX7合成器上大放异彩。
5.2 采样与波表合成
采样合成直接录制真实乐器声音，并通过循环播放调整音高和时长，还原度极高。波表合成则预存一系列代表性音色波形，通过插值平滑切换，兼具灵活性和音质。两种方法均使电子音色逼近自然声源。
5.3 数字信号处理与效果器
数字信号处理（DSP）通过算法对音频信号进行变换，实现音色的重塑。典型效果器包括混响（模拟空间反射）、均衡器（调整频谱）、失真（增加谐波）和延时（制造回声）等。效果器的应用使原始音色获得干涩、湿润、温暖等新质感。
6 音色在音乐中的应用
6.1 音色与配器
6.1.1 管弦乐队音色分类
管弦乐队按乐器分组（弦乐、木管、铜管、打击乐），各组音色形成多层次对比。弦乐组音色统一而富有弹性，木管组音色多变，铜管组辉煌有力，打击乐组提供节奏和色彩。配器师通过组合不同音色，构建音乐的戏剧性和细节。
6.1.2 混音中的音色平衡
在录音制作中，混音工程师通过调节各音轨的频率均衡、声像定位和动态范围，实现整体音色的平衡。例如，低频段由低音鼓和贝斯担纲，中频段由人声和吉他填充，高频段由镲片和泛音细节补充。音色重叠区需通过滤波器避免打架。
6.2 音色与情感表达
6.2.1 温暖音色与怀旧感
温暖音色通常指低频和谐波丰富、高频柔和的声音，如圆号、大提琴或模拟磁带录音。这种音色易引发安全、柔和、回忆的情绪联想，常用于抒情段落或怀旧题材的影视配乐。
6.2.2 尖锐音色与紧张感
尖锐音色以高频突出、泛音不规则为特征，如小号的高音区、失真电吉他的嘶吼。它往往传递焦虑、威胁或兴奋的情绪，适用于悬疑、动作或激烈的情感场景。
7 音色的符号化与语言
7.1 形容音色的常用词汇
日常生活中，人们使用大量借喻词描述音色：金属味、木质感、丝绸般、水晶般、温暖、冷冽、干涩、圆润、肥厚、瘦弱等。这些词汇虽非精确物理指标，却在跨感官类比中有效传达了音色质感。
7.2 跨文化音色描述比较
不同文化对音色的描述存在差异。西方音乐传统中，“明亮”指高频能量充沛，而日本“哀”（wabi-sabi）美学中，“暗哑”被看作深沉与雅致。中国古琴音色常被描述为“清、和、淡、雅”，强调自然疏朗。这些差异反映了音色感知的文化建构性。
8 研究前沿与相关领域
8.1 音色分析与AI识别
基于深度学习的模型能自动从音频中提取音色特征，应用于乐器识别、音乐分类和声源分离。近年，卷积神经网络（CNN）和Transformer架构在音色检索中表现优异，甚至可分析出演奏者的个人风格。AI合成音色也日益逼近真实乐器。
8.2 音色在音乐心理学中的实验范式
心理声学实验使用调整配对任务和主观评级尺度，量化人们对音色差异的敏感性。神经科学研究发现，音色信息在听觉皮层中以特征图方式组织，特定区域对粗糙度、亮度等维度有选择性响应。这些实验揭示了音色认知的神经基础。
8.3 音色与民族音乐学
民族音乐学关注不同文化中音色的审美偏好和象征意义。例如，巴厘岛甘美兰音乐偏爱金属质感的音色，日本能乐则强调人声的沙哑与气声。音色的文化建构与乐器制作、演奏仪式、社会功能密切相关，是理解声音人类学的重要窗口。