我们如何用 FFT 验证每一段声音

一段噪声在播放第一秒之前就已经做出了承诺。它的标签，无论是白、粉、棕还是绿，都是关于声音形状的一个约定：它的能量如何分布在你能听到的各个频率上。这个约定不是一种感觉，而是一个数字，而数字是可以被检验的。

大多数频道从不检验它。他们上传一个文件，在标题里打上一种颜色，然后就此打住。我们的做法恰恰相反。我们发布的每一段声音都由一个数学定义构建而成，然后在离开实验室之前，先对照这个定义进行测量。本文讲的就是这个过程：标签真正承诺的是什么，这些声音背后的研究能够支持什么、又不能支持什么，以及你如何让任何一段声音，包括我们的，都对自己的承诺负责。

这个承诺究竟是什么

噪声的颜色不是情绪，而是频谱斜率，是对每个频率相对于其他频率有多响的精确陈述。在对数-对数坐标图上把功率对频率画出来，每种颜色都会画出一条特定的直线。

白噪声是平的：每个频率上的能量相等，斜率为 0 decibels per octave。粉噪声大约以 3 decibels per octave 向下倾斜，这正是它听起来比白噪声更饱满、更不刺耳的原因。棕噪声更陡，大约以 6 decibels per octave 衰减，因此高频几乎被完全压下去，剩下的是那种深沉柔和的隆隆声。绿噪声则是个例外：它不是单一的向下斜率，而是把能量集中在接近 500 Hz 的中频段，那大致是人耳最敏感的区域。

这些都是可以检验的承诺。一个文件要么遵循它那种颜色的直线，要么不遵循。当一段以粉噪声名义出售的声音实测几乎是平的时，它就不是粉噪声，无论标题怎么写，它听起来和表现出来的都会和真正的粉噪声不同。标签是一份规格说明，而规格说明可以通过，也可以不通过。

科学究竟说明了什么

诚实地看待这些声音能承担多少分量是值得的，因为这正是标签必须准确的原因。

任何稳定声音最强、最被广泛接受的益处是掩蔽：一个恒定、均匀的声音掩盖那些打断专注或惊醒浅睡者的突发干扰，比如一扇门、一条通知、走廊尽头的说话声（Capezuti et al., 2022）。这个机制被充分理解，并无争议。

在掩蔽之外，证据很快就变薄了。一项针对连续噪声作为助眠手段的 38-study 系统综述得出结论：这类证据的整体质量偏低，文献中样本量小、设计各异（Riedy et al., 2021）。在注意力方面，情况同样有限：白噪声或粉噪声在注意力困难较明显的年轻人身上产生了一个小的正向效应（Nigg et al., 2024）。这些是真实但狭窄的发现，绑定于特定人群中的特定颜色。

这种狭窄正是测量的意义所在。如果那唯一发现效应的研究用的是粉噪声，而你播放的文件其实是平的，那你得到的就不是被测试过的那种声音。研究的意义，只等同于它所附着的那个标签的准确度。

我们测量了什么

我们不使用实地录音，也不相信一个无法验证的颜色名称。每一段声音都从它那种颜色的数学定义出发，在 Python 中生成，然后用快速傅里叶变换来检验，就像仪器检验它那样。

以下是这四种噪声颜色的实测凭据：白噪声位于 0 decibels per octave，在可听频段上是平的。粉噪声衰减为 -3 decibels per octave。棕噪声衰减为 -6 decibels per octave。绿噪声在接近 500 Hz 处显示出它的中频强调，而不是一条直线斜率。这些数字中的每一个都来自实际渲染文件的 FFT，而不是来自我们希望配得上的那个标签。当实测斜率与定义不符时，这次渲染就算失败，退回去重新做一遍。

我们在每一段声音的描述中都公布那个斜率，因为它是这份承诺中唯一不属于品味问题的部分。你不应该被迫去相信一段声音就是它所说的样子。你应该能读到那个数字，然后自己去检验。这条流水线的完整演示，配上屏幕上真实的频谱，就是我们那期 Behind the Lab 的主题。

诚实的边界

测量既强大，又有严格的边界。验证斜率证明的是这段声音是什么。它对这段声音会为你带来什么只字未提，我们也不会假装它能。

举例来说，目前没有针对棕噪声用于注意力或 ADHD 的、经过同行评审的直接试验；文献中那个小的注意力效应是在年轻人身上用白噪声或粉噪声发现的，而不是棕噪声（Nigg et al., 2024）。而且更多并不总是更好：一项 2026 年的研究发现，整夜播放连续粉噪声减少了 REM 睡眠，这提醒我们，一个技术上正确的声音仍然可能有值得点明的取舍（Basner et al., 2026）。一个经过验证的斜率是一个下限，是我们欠你的最低限度的诚实，而不是益处的上限。

所以测量彻底解决了一个问题，同时留下了更难的那个问题。这段声音是什么，我们能证明。它是否对你、对你的任务、对你的夜晚有帮助，只有你自己的体验才能回答。

自己去验证

你不必对这里的任何一点全盘接受我们的话，你也不该全盘接受任何人的话。工具是免费的，而这项测试花的时间比读这一节还少。

把任何一段噪声放进一个免费的频谱分析器，看看它的形状。白噪声应该显示为平。粉噪声应该以大约 3 decibels per octave 向下倾斜。棕噪声应该在对数-对数图上以大约 6 decibels per octave 呈一条干净的直线下降。绿噪声应该在中频段隆起，而不是倾斜。有相当多以这些名字出售的文件，实测起来和它们的标签毫不相符，而一旦你看过那张图，就再也无法忽视那种不一致。

承诺和测量应该一致。在我们的声音上，在任何人的声音上，当它们不一致时，你就学到了有用的东西，而学到这一点只花了三十秒。

非医疗建议。这些声音有助于放松和整体的身心健康，并非对任何病症的治疗。