錄音機之前，人怎麼保存聲音
更麻煩的是，記憶會死人。一個村莊裡最會唱古歌的老人過世，如果沒有下一個人接住，那個村莊的「聲音圖書館」就整棟塌了。
於是，人類文明開始發展出一整套「抗衰減」的技術。這些技術的目標只有一個：讓聲音的資訊，脫離單一個人的肉身，附著到更耐久的東西上。
而這些東西，大致可以分成四類：人、符號、物、文字。以下逐一拆解。
二、把人變成硬碟：口傳文明的聲音保存術
在錄音機出現之前，世界上絕大多數聲音，都是靠「活人」保存下來的。這聽起來很原始，但它的技術含量，遠比我們想像的高。
1. 吟遊詩人：會走路的資料庫
荷馬史詩《伊利亞德》與《奧德賽》加起來大約兩萬七千行。在文字普及之前，這玩意兒是靠一群人一代一代背下來的。古希臘的「阿伊多斯」（aoidos）——職業吟唱者——就是那個時代的硬碟。
二十世紀初，美國學者米爾曼·帕里（Milman Parry）和他的學生阿爾伯特·洛德（Albert Lord）跑到南斯拉夫的波士尼亞與赫塞哥維納山區，錄下當地口傳歌手的演唱——這也是人類第一次用錄音機去研究「沒有錄音機的時代怎麼保存聲音」，有一種奇妙的套娃感。
他們發現了什麼？他們發現：口傳歌手不是背誦，是即興重組。歌手腦子裡沒有兩萬行的逐字稿，他有的是一整套「套語」（formula）——例如「迅捷的阿基里斯」「玫瑰色手指的黎明」這種固定搭配——加上一套「主題」（theme）——例如「英雄裝備自己」「夜間商議」「厚禮迎客」。
每次演唱，歌手把這些積木重新拼一次。所以同一首歌，今天唱和明年唱，長度、細節、甚至某些段落順序都不一樣，但整體結構和格律是穩的。
這意味著什麼？這意味著口傳保存的不是「聲音的複製品」，而是「重新生成這段聲音的演算法」。這是一種極其高明的壓縮技術：兩萬七千行的內容，壓縮成幾百個積木單元，存在一個人的腦子裡。
代價是：每一次解壓縮，結果都不一樣。所以你永遠聽不到「原始的荷馬」，你只能聽到「某個歌手某一晚的版本」。
2. 背誦的技術：從結繩到「校驗碼」
但口傳也不是全部都這麼自由。有些文明對「一個字都不能錯」有近乎偏執的要求，而且他們發展出非常驚人的技術來達成。
最經典的例子是古印度的《吠陀》。這套宗教文獻在被寫下來之前，靠口傳流傳了上千年，而婆羅門祭司為了保證音節、重音、音長一絲不差，發展出多層次的「校驗背誦法」：先連貫背（本集），再逐詞拆開背（句誦），再交錯背（依次誦），甚至有把前後詞倒著交叉排列的複雜版本（鐘誦、網誦）。
這基本上就是一種「冗餘校驗碼」。同一段文字，用不同的排列方式背好幾遍，只要有一處出錯，交叉比對時就會露出來。用這個方法，他們把整部《梨俱吠陀》一千多首詩、約一萬節，傳了幾十代，直到今天還能用同樣的方式吟誦。
而沒有發展出這種極端校驗的文明，就用別的東西當「外部索引」。比如中國上古的結繩記事——《周易·繫辭》說「上古結繩而治」；南美安第斯的印加人用「奇普」（quipu），用繩結的位置、顏色、繩股數來記錄資訊。這些東西嚴格說不能保存聲音，但它們是「提示裝置」：結一打，老者就知道該唱哪一段。
另外，台灣原住民族的歌謠、藏族《格薩爾》史詩、苗族古歌，也都是這套「人肉硬碟」系統的典範。特別是《格薩爾》，藏族稱某些藝人是「神授」的，一場說唱可以講好幾天，累積起來的篇幅甚至超過荷馬史詩好幾十倍。
3. 口傳的極限與代價
口傳保存聲音，最大的優勢是「帶著走」——一群人遷徙，聲音就跟著遷徙，不需要倉庫。而且它保存的不只是字面，還保留了語調、語氣、情緒、場合，這是樂譜和文字都做不到的。
但它的極限也很明顯：
換句話說，口傳是一種容量小、易損壞、但零成本的儲存方案。在沒有更好的選擇之前，人類用它撐了十幾萬年。
三、把聲音翻譯成符號：樂譜與韻書
當人類開始想把聲音「外化」到人體之外，第一個想到的辦法不是錄下來，而是翻譯。翻譯成符號，符號就能寫在紙上、刻在石頭上、抄一千份。
問題是，聲音要翻譯成什麼？不同的文明，給出兩種截然不同的答案。
1. 樂譜：不是聲音的複製品，而是操作手冊
西方記譜法的起點，是中世紀教堂裡那堆「紐姆譜」（neumes）。九世紀的修士為了記住葛利果聖歌怎麼唱，在歌詞上方畫一些彎彎曲曲的小符號——上揚、下沉、顫動——告訴你旋律往哪走，但不告訴你確切音高。
十一世紀，義大利修士圭多·達雷佐（Guido d'Arezzo）把線加上去，從一線、二線、四線，慢慢演化成今天的五線譜。到十七世紀，五線譜基本定型，成為西方音樂的「通用檔案格式」。
但這裡有一個非常關鍵、卻常被忽略的重點：樂譜保存的不是聲音，是「產生聲音的指令」。
這就像你不是把菜拍成照片，而是寫了一份食譜。後人照著食譜做，能做出「很像」的菜，但那不是原來那盤菜。
所以樂譜從第一天起，就是一種「有損壓縮」。它丟掉了什麼？
中國這邊走的是另一條路，而且更極端。傳統的「工尺譜」用上、尺、工、凡、六、五、乙等字記音；而古琴用的「減字譜」，乾脆只記指法，不記音高、不記節奏——它記錄的是「你的手該怎麼動」，聲音是手指動作的副產品。
最傳奇的例子是 1900 年敦煌莫高窟藏經洞出土的《敦煌曲譜》，唐五代時期的琵琶譜，用二十個譜字寫成。這份譜被發現一百多年了，至今學界對它怎麼讀仍有爭議，各種解讀版本層出不窮。一份千年前的「錄音檔」，我們手上有檔案，卻沒有對應的解碼器——這大概是聲音保存史上最諷刺的一幕。
2. 韻書與反切：漢字文化圈的聲音檔案
如果說樂譜是想保存「旋律」，那另一套系統就是想保存「語言的聲音」。
漢字是表意文字，字形不帶讀音。這在保存聲音上其實是巨大劣勢：你看到「江」，你不知道三世紀的人怎麼唸它。但古人很聰明，他們發明了「注音」。
最早的辦法是「讀若」和「直音」——「某字，音某」。問題是，如果那個用來注音的字本身也變了音，你就完了。
所以東漢末年，隨著佛教傳入、梵文拼音知識進來，中國人發展出「反切」：用兩個字拼一個音，上字取聲母，下字取韻母和聲調。例如「東，德紅切」。這種方法的妙處是，即使整個語言系統發生規律性變化，只要變化是規律的，反切依然能還原相對關係。
在此基礎上，產生了「韻書」這種大型聲音檔案庫：隋代陸法言的《切韻》（601年）、宋代陳彭年等人的《廣韻》（1008年），把幾萬個漢字按韻母、聲調分類編排。另外唐宋之間還發展出「三十六字母」，用三十六個字來代表聲母系統。
這套系統有多強？靠著《切韻》音系，語言學家能大致重建中古漢語的發音——也就是唐詩真正唸起來是什麼聲音。你現在用普通話唸「远上寒山石径斜」，那個「斜」押韻押不上；但如果你知道它在中古音裡讀得像「zia」，這首詩就忽然合轍了。
這是聲音保存史上最了不起的成就之一：我們從沒聽過唐朝人說話，卻能相當精確地推算出他們怎麼發音。
到了近代，這套系統還在進化。1913 年「讀音統一會」制定注音符號，1918 年由北洋政府教育部公布，這是中國第一次用一套專屬符號來精確記錄「國語」的每一個音。從反切到注音，兩千年來，漢字文化圈一直在用符號對抗聲音的易逝性。
3. 符號化的得與失
符號化的好處很明顯：它可以大量複製、跨地域傳播、跨越幾百年還不腐爛。一本譜、一本韻書，抄一萬份，燒掉九千九百本，剩下那一本就能救回整套系統。
但它也確立了一個延續至今的權力結構：能夠被符號化的聲音，才會被保存；不能被符號化的聲音，就會被遺忘。
古典樂、格律詩、官話讀音被記錄下來了。而農民的勞動號子、市井的叫賣聲、少數民族的即興對歌、街頭藝人的即興段子——這些「不登大雅之堂」的聲音，因為沒有被寫成符號，幾乎全部消失了。我們今天對古代「民間的聲音」的認識，絕大部分來自文人偶然的記載，而不是系統性的檔案。
四、讓物理世界替我們記住：從聲波記振儀到留聲機
符號路線走到極致，人類終於忍不住想：有沒有辦法，不要翻譯，直接留下聲音本身的痕跡？
這個念頭一旦出現，錄音機的發明就只是時間問題了。而這條路的起點，比大部分人想像的更早，而且結局非常戲劇化。
1. 1857：一個只會畫畫、不會說話的機器
1857 年，法國印刷工人、業餘發明家愛德華-萊昂·斯科特·德·馬丁維爾（Édouard-Léon Scott de Martinville）申請了一項專利，名字叫「聲波記振儀」（phonautograph）。
它的構造是這樣：一個喇叭狀的收音口，底部繃著一層薄膜，膜上黏著一根豬鬃（對，就是豬毛）。聲波震動薄膜，豬鬃就跟著震，鬃毛的尖端在一張塗了煤煙的紙或玻璃上劃出痕跡。紙張由手搖曲柄帶動旋轉。
結果是：聲音變成了紙上一道道粗細不一的波浪紋。
斯科特的目標是什麼？他想讓聲音「看得見」，這樣就可以研究聲學、可以給聽障者看。他完全没有想到「播放」。這個機器，可以錄，但不能放。錄下來的線條，就是線條，世界上沒有任何設備能把它變回聲音。
1860 年 4 月 9 日，他用這台機器錄下了一個人唱法國童謠《在月光下》（Au Clair de la Lune），長度大約十秒。
然後這張紙被收進檔案館，沉睡了一百四十八年。
2008 年，一群研究人員組成的「First Sounds」團隊，用高解析度光學掃描把那些煤煙紋路數位化，再用電腦模擬唱針的運動，把波形轉回聲音。於是，人類歷史上「最早的錄音」被播放了出來——一個 1860 年的人聲，帶著嚴重的失真和雜訊，幽幽地唱著童謠。
這件事的奇妙之處在於：這段聲音在 1860 年從未被任何人聽過。它被記錄下來，卻等了一百五十年才第一次被人聽見。它超越了「錄音機」的概念，更像是聲音的「化石」。
2. 1877 和 1887：聲音終於可以被播放
真正讓聲音變成「可回放檔案」的，是愛迪生。
1877 年 11 月，愛迪生的團隊做出一台機器：金屬滾筒包著錫箔，一根唱針連著振膜，一邊錄一邊轉。錄的時候，聲波推動唱針在錫箔上壓出深淺不一的凹槽；放的時候，同一根唱針沿著凹槽走，凹槽推動唱針，唱針推動振膜，聲音就出來了。
愛迪生親自對著機器唱了《瑪莉有隻小羊》，然後把唱針放回起點，機器傳出了他自己的聲音。據說當時實驗室的人都嚇了一跳。人類第一次實現了「聲音的時空穿越」。
但這台機器很難用。錫箔容易破，錄一次就報廢，音量小，音質糟，而且每一台機器錄的凹槽深度標準不一樣，A 機器錄的 B 機器放不出來。
真正讓錄音變成「產業」的，是德國移民埃米爾·柏林納（Emil Berliner）。1887 年，他取得了一項關鍵專利：把聲音刻在平面的圓盤上，而不是圓筒上。這叫做「唱片」。圓盤可以壓製、可以大量複製、可以堆疊存放、可以貼標籤販售。1895 年唱片開始商業化，之後幾十年，人類的耳朵就被這個黑色的圓盤接管了。
順帶一提，還有一段被遺忘的插曲：1880 年代，貝爾的伏打實驗室（Volta Laboratory）用蠟盤和紙筒錄了一批實驗錄音，這批東西在史密森尼學會的庫房裡放了一百多年，直到 2011 到 2013 年間，科學家用三維共聚焦顯微鏡掃描那些磨損的溝槽，才又把人聲挖了出來。声音保存不只是「錄」，還包括「等一個能讀它的未來」。
3. 更早的「聲音容器」：樂器、建築與甕
在電子設備出現之前，人類其實一直在用「物理空間」來處理聲音，只是我們不太用「保存」這個詞去描述它。
第一種是樂器。樂器本身不保存聲音，但它保存「能發出某種聲音的條件」。一把唐朝的古琴，你今天彈它，發出的聲音和唐朝人彈它，物理條件幾乎一樣。從這個角度看，樂器是聲音的「時空膠囊」——它把材料、工藝、聲學設計壓縮在一塊木頭裡，等著下一個人來解壓。
第二種是建築。古希臘的埃庇道魯斯劇場建在山坡上，能容納一萬四千人，據說在中央圓形舞台（orchestra）上丟一枚硬幣，最上層的觀眾都能聽見。這不是錄音，但它是非常精密的「聲音工程」：觀眾席的石灰岩階梯角度、舞台的反射面、背景的空氣流動，全部被計算在內。聲音在這個空間裡被「放大、保留、傳遞」，雖然它只存在於那一個瞬間。
中國的古戲台同樣精彩。三面敞開的舞台、台口上方的「藻井」（一種向上收縮的穹頂結構），能把演員的聲音聚攏再反射出去；有些戲台在台下埋設水缸，利用水面的反射來增強低頻。這套系統讓一個沒有麥克風的戲班子，能讓幾百人的觀眾席聽清楚每一句唱詞。
第三種，可能是最接近「聲音感測器」的古代發明：甕聽。戰國時期的《墨子·備穴》記載，守城方為了偵測敵軍挖地道，會在地下埋設大陶甕，甕口蒙上薄皮，讓聽覺敏銳的人趴在甕上聽——地下的震動透過土壤傳到甕壁，甕體放大共鳴，就能判斷敵人挖到哪裡。這已經不是保存聲音，而是「用器物延伸人類的聽覺」。某種程度上，它就是留聲機的祖先：同樣是把聲波交給一個物理裝置去承接。
4. 被意外保存的聲音
有些聲音，是被歷史無意間「錄」下來的。
比如龐貝古城西元 79 年被火山灰掩埋，那些街道的空間比例、酒館的拱頂、浴場的磁磚反射，全部定格在那一刻。今天的聲學家去那裡測量，可以推算出兩千年前一條街上的回音是什麼樣子。這不是錄音，但聲音的「容器」被完整保存了。
又比如，十八、十九世紀的樂器實物被保存下來，我們可以拿同樣的琴、同樣的弓、同樣的弦，去重現當時的聲場。這其實是一種「類比式復原」：不還原錄音，而是還原錄音的條件。
這也解釋了一個有趣的現象：所謂「古樂復興運動」，本質上不是考古，而是重建。我們永遠無法聽到巴哈本人彈琴，但我們可以盡量讓「彈出來的條件」接近那個時代。剩下的那一點點差異，就是歷史的雜訊。
五、文字的耳朵：擬聲、通感與聲音的文學存檔
如果符號太抽象、物理太粗暴，那還有一種極其奢侈的保存方式：用文字去描寫聲音。
這種方式在技術上幾乎不可能精確——文字沒辦法記錄波形。但它有一項其他方法完全比不上的能力：它可以同時保存聲音、場景、情緒，以及聽者當下的感受。
1. 漢字的擬聲傳統
漢字是表意文字，但它其實一直偷偷在「擬聲」。從《詩經》的「關關雎鳩」「風雨淒淒」，到唐詩的「大弦嘈嘈如急雨，小弦切切如私語」，這些字不只是聲音，它們本身就是聲音的模仿。
更系統化的做法是「擬聲詞」與「象聲詞」：砰、啪、嘩啦、淅瀝、叮噹。這些詞彙是語言內建的「音效庫」，每一個都壓縮了一種特定的聲學經驗。
而在描寫音樂方面，中國文學發展出一套極其精密的「通感」技術：把聽覺轉換成視覺、觸覺、味覺。它不記錄波形，它記錄「聽完之後身體的反應」——然後讓讀者用同樣的反應去反推聲音。
2. 三篇「聲音描寫」的千古範本
如果要選幾篇「用文字保存聲音」的教科書級作品，我會挑這三篇。
第一篇是白居易的《琵琶行》。「大弦嘈嘈如急雨，小弦切切如私語。嘈嘈切切錯雜彈，大珠小珠落玉盤。」這段描寫之所以千古傳誦，是因為它用「視覺化的顆粒感」去處理音色——大珠小珠落玉盤，你腦中浮現的是珠子的重量、彈跳的高度、撞擊的清脆，而這些全都能轉換成聲音的質地。後面那句「別有幽愁暗恨生，此時無聲勝有聲」，更是點出了聲音藝術的核心：沉默也是聲音的一部分。
第二篇是清代林嗣環的《口技》。這篇文章記錄的其實就是一場「現場演出」：一個口技藝人，用一張桌子、一把椅子、一把扇子、一塊撫尺，表演了一場火災現場——從深夜犬吠、夫妻囈語、小孩啼哭，到火起、人群奔逃、救火、倒塌。全文全靠聲音敘事，沒有布景，沒有道具。結尾一句「撤屏視之，一人、一桌、一椅、一扇、一撫尺而已」，把整個「一人聲音工廠」的幻術感推到頂點。
第三篇是劉鶚《老殘遊記》第二回，王小玉（白妞）說書。這段被公認是近代中文描寫聲音最細膩的段落之一：「聲音初不甚大，只覺入耳有說不出來的妙境；五臟六腑裡，像熨斗熨過，無一處不伏貼。」它甚至記錄了「轉音」的過程——聲音往上爬升、忽然頓住、再由高處盤旋而下，聽眾「恍如由傲來峰西面攀登泰山的景象」。用一座山的空間結構去比擬一段旋律的走勢，這是文字保存聲音的極致。
這三篇作品，今天讀起來，還是能「聽見」東西。這說明什麼？說明文字雖然無法記錄波形，卻能觸發共同的神經經驗。它靠的不是精確，而是共振。
3. 文字是最高壓的「有損壓縮」
用工程語言來說，文字描寫聲音，是一種超高壓縮比的「有損壓縮」：輸入十秒的琵琶獨奏，輸出四句唐詩，損失的資訊量高達 99.9%。
但奇妙的是，這種壓縮有時候反而比原始檔案更有價值。因為它不只保存了聲音，還保存了「當時的人怎麼聽這個聲音」。這是錄音做不到的——錄音只能錄下聲波，錄不下聽者的心。
當然，風險也很大。文字描寫高度依賴讀者的文化背景。一個沒聽過琵琶、沒看過玉盤的人，讀「大珠小珠落玉盤」能感受到多少？一個不知道白妞是誰的讀者，會覺得那段泰山比喻很浮誇嗎？這也是文字保存聲音的弱點：它需要解碼器，而解碼器會過期。
六、腦洞時間：如果錄音機從未發明
講到這裡，忍不住想開個腦洞。假設歷史走到 1877 年時，愛迪生那天剛好感冒請假，錄音機晚了一百年才出現——世界會變成什麼樣？
第一個變化：表演者會是唯一的存在。今天我們說「一首歌」，想到的是「一個錄好的檔案」。但在沒有錄音的時代，一首歌只有在「被唱」的時候才存在。這意味著音樂的中心不是「作品」，而是「表演者」。一張唱片可以複製一百萬份，但一個歌手只有一個。這會讓整個音樂產業的權力結構完全不同：明星會更稀缺，但影響力也更短暫——他死了，聲音就真的沒了。
第二個變化：記憶力會成為一種階級。在口傳社會，能背誦大量經文、史詩、歌謠的人，掌握的是真正的權力。他們是圖書館、是法院、是電台。這解釋了為什麼很多古代社會的祭司或吟遊詩人地位極高——他們不是「懂音樂的人」，他們是「懂資料庫的人」。
第三個變化：歷史的顆粒度會非常粗。我們今天對二十世紀初的認識，很大一部分來自當時的錄音：街頭噪音、口音、方言、流行的曲調、甚至底噪。這些都是文字不會記錄的。如果沒有錄音，我們對「一百年前的人類怎麼說話」的理解，會只剩下書面文獻和學者的推測——就像我們現在對唐代語音的認識一樣，靠重建，不靠聽。
第四個變化：「原版」這個概念不會存在。在錄音之前，一首曲子每次演出都不一樣，沒有「正確版本」這回事。而錄音確立了一個標準：這是原版，其他都是翻唱。這個概念深深地改變了我們對「作者」「版權」「真實性」的理解。
第五個變化，也可能是最深遠的：我們對「遺失」的感受會完全不同。今天我們會說「這段錄音珍貴」，是因為我們知道大部分聲音都消失了。但在錄音之前，所有人都知道聲音是必然消失的——消失不是意外，是常態。那種「聲音就是會死」的意識，會塑造出完全不同的時間感與哀悼方式。
結語：我們保存聲音，其實是在保存「誰在說話」
從口傳到樂譜，從韻書到擬聲，從甕聽到大劇場，人類在錄音機出現之前，已經用盡各種辦法去對抗聲音的消失。這些辦法沒有一個是完美的，每一個都在壓縮的過程中丟失了某些東西。
但回頭看，這些「缺陷」本身，反而成了歷史最珍貴的部分。
荷馬史詩不知道原版長什麼樣，但正因為如此，我們才看得到「口傳歌手怎麼用套語即興組合」的人類心智運作。中古漢語的重建不是百分之百準確，但那個重建的過程本身，就是一場跨越千年的語言偵探遊戲。古琴譜只記指法不記節奏，聽起來很落伍，但它也告訴我們：在中國文人的世界裡，「怎麼彈」比「彈出什麼」重要。
錄音機出現之後，我們終於可以精確地保存聲音了。代價是，我們失去了那種「必須用各種機關去捕捉聲音」的創造力。
下次你按下手機的錄音鍵時，可以想一想：那個紅色圓點背後，其實站著一整個人類文明的執念——從趴在甕上聽地道的老兵，到在煤煙紙上刻下第一道聲波的斯科特，到唱著《瑪莉有隻小羊》的愛迪生。
他們全都在做同一件事：不想讓那個聲音，就這麼沒了。
延伸思考：如果你只能選擇一種方式保存你最重要的聲音——一段口傳、一份樂譜、一段文字描寫，或一段錄音——你會選哪一種？為什麼？
```
💬 想說點什麼？
歡迎到留言板分享你的想法、心得或疑問。
💬 前往留言板 →