噪声标签问题

在任何一款流媒体应用里搜索 “brown noise”，你会得到成千上万条音轨。再加上 “green noise”，又是成千上万条。它们不可能全都名副其实，因为噪声的颜色不是一种情绪，而是一个数字。

在整个环境音频目录里，这是极少数可以被彻底检验的说法之一。白噪声、粉噪声、棕噪声、绿噪声：每一个名字都精确规定了声音的能量如何分布在整个频率范围之内。把音频送进分析仪，它的形状要么与名字相符，要么不符。这里没有任何解读的余地，也无关个人品味。于是我们做了那件显而易见的事。我们像实验室仪器那样测量了一批热门音轨，并向每一条只提出一个问题：它的频谱是否真的与标签上的那个词相符？

答案并不体面。

这个说法究竟是什么

噪声的颜色就是一条频谱斜率：一条直线，描述响度如何随音高升高而下降，绘制在功率对频率的双对数坐标图上。它的单位是每倍频程多少分贝，也就是频率每翻一倍时能量的下降量。

白噪声是平的。每个频率上的能量相等，斜率为 0 decibels per octave，这就是它听起来像一片明亮、均匀嘶声的原因。粉噪声则向下倾斜约 -3 decibels per octave，对耳朵更柔和，也常见于自然界。棕噪声更陡峭，以大约 -6 decibels per octave 的速率下降，是那种低沉的隆隆声，高频几乎被完全削去。绿噪声大致落在中间，偏重于中频，是这四者中最缺乏标准的一个。

那些数字就是全部的定义。“棕噪声” 并不意味着深沉、厚重或抚慰。它意味着一条遵循 -6 decibel per octave 直线的频谱。一条音轨要么是棕噪声，要么不是，而这一差别可以被测量到几分之一分贝的精度。标签是一个可检验的说法，而一个可检验的说法是会失败的。

科学究竟说了什么

这正是为什么标签值得检验，而不是值得信任。人们在推荐这些声音时所引用的研究，用的是经过严格设定的噪声，以其测量出的频谱来刻画，而不是某个播放列表恰好称之为棕噪声的东西。

最清晰的结果与注意力有关，而它们很温和。一篇 2024 年的综述发现，白噪声或粉噪声对有较高注意力困难的听者在任务表现上产生了微小的正面效果，同时往往对神经典型的听者起反作用（Nigg et al., 2024）。另有研究方向上，关于持续背景声与睡眠的更广泛文献将该刺激描述为一个明确定义的声学信号，报告的是所使用的频谱，而非一个颜色名称（Riedy et al., 2021）。更晚近关于环境噪声与持续噪声的工作沿用了这一做法，将任何测得的效应与声音的具体频谱内容联系起来（Basner et al., 2026）。

共同的主线不是颜色，而是这些研究中的每一项都知道，并且明确说明了它的噪声究竟是什么。而这恰恰是一个被贴错标签的文件所破坏的东西。如果一条以棕噪声之名出售的音轨其实是别的东西，它便无法重现那些研究所检验过的任何条件，我们也没有理由指望得到相同的结果。标签不是叠加在科学之上的装饰。它是文件与研究之间的纽带，而当标签错了，这条纽带就断了。

我们测量了什么

我们的方法刻意做得很枯燥，而这正是要点。我们取用音频，用 scipy 中的 Welch 周期图估计其功率谱密度，并在 200 Hz 到 8 kHz 之间对双对数频谱拟合一条直线。那条线的斜率就是重要的那个数字。白噪声应落在接近 0 的位置，粉噪声接近 -3，棕噪声接近 -6 decibels per octave。不靠聆听，不凭意见，只看拟合。

把这套方法用在热门目录上，标签就开始瓦解了。一条以棕噪声之名出售的片段，测出来可能接近 -2 decibels per octave，更靠近粉噪声而非棕噪声。它所掩蔽的频率范围与真正的 -6 斜率不同，只因为更多的高频能量被留在了原处。它没有在 “是不是噪声” 这件事上撒谎，它是在 “是哪种噪声” 上撒谎。对耳朵而言它或许过得去；对拟合而言它过不去。

对于我们自己的音频段，我们彻底剔除了猜测。音频是在 Python 中依据目标颜色的数学定义合成出来的，然后在送往任何地方之前用同一套拟合加以测量。我们测得的斜率就是我们公布的斜率，写在每一段描述里，因为这是整个说法中唯一不取决于品味的部分。如果我们把某样东西称作棕噪声，凭据上写的就是 -6。

诚实的局限

一次测量能确定一个声音是什么，却无法确定它会为你做什么。一个完全正确的标签并不承诺任何益处。文献中的注意力效应很小，因听者而异，有时还朝着相反的方向发展，因此一条真正的棕噪声既不是有保证的专注助手，也不是任何病症的治疗手段（Nigg et al., 2024）。

测量本身也有它的边界。我们在 200 Hz 到 8 kHz 之间拟合，因为在那里各种颜色表现得最规矩；在这个窗口之下或之上，真实录音会四处游走，而一条单一的直线始终是对更有纹理的频谱的一种简化。斜率是对一条音轨该提出的第一个问题，却不是最后一个。它给你换来的是诚实：在你决定它是否有帮助之前，你已经知道自己正在听的是什么。

自己去验证

你不必相信我们的数字，你也不该相信任何人的数字，包括那个把音轨递给你的应用。把任意一个色彩噪声文件放进一款免费的频谱分析仪，看看它的斜率。一条真正的棕噪声会以大约 -6 decibels per octave 的速率沿一条直线下滑；粉噪声约为 -3；白噪声则是平的。很多被标为棕噪声的文件测出来要平坦得多，而一旦你在图上看见了它，就再也无法视而不见。

标签与测量应当一致。当它们一致时，你就拥有了一个可以被理性对待的声音。当它们不一致时，你就知道了文件上的那个词只是装饰，而查明这一点大约只花了三十秒。

非医疗建议。这些音频段有助于放松与整体身心健康，并非任何病症的治疗手段。