根据发表在《PLOS Biology》期刊上的一项研究，大脑简单通过声学特征区分音乐和语言的声音。研究人员表示，音乐和语言在音调、音色、声音质感等许多方面都有所不同。他们使用赫兹（Hz）来表示声音的节奏或变化周期。一首歌音量或响度随时间的变化（调幅）相对稳定在 1Hz—2Hz。相比之下语言的调幅通常是 4Hz—5Hz，这意味着它的音量经常变化。研究团队进行了 4 个实验，让 300 多名参与者聆听一系列合成音乐和语言类的音频，这些声音具有不同的调幅和规律。结果显示，人类的听觉系统使用非常简单且基本的声学参数来区分音乐和语言：对参与者来说，速率较慢（小于 2Hz）且调幅较规则的音频听起来更像音乐；而速率较快（4Hz）且调幅较不规则的音频听起来更像语言。

https://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.3002631
https://news.sciencenet.cn/htmlnews/2024/5/523617.shtm