ピアノを 1つの 音だけ ならして、つぎに ほんの すこしだけ 高い 音を ならします。こんな ちいさな ちがいでも、人の 耳は 聞き分けると いわれます。

たとえば 1000ヘルツの 音なら、3.5ヘルツ ほどの ちがいです。これは 音の 高さの 0.35パーセントに あたる めやすです。くらべる 音の おおきさや 高さに じょうけんが あり、いつも この 数字に なる わけでは ありません。

ところが、4000ヘルツを こえた あたりから、この 力は きゅうに 落ちると いわれます。ピアノの いちばん 高い 音は やく 4186ヘルツで、ちょうど その あたりです。

ただし、ピアノの 音の はんいと 耳の よわく なる ところが、どうして 同じ あたりなのかは、はっきり して いません。

耳の聞き分けの細かさは、中ほどの高さの音では驚くほどです。健康な耳が、40〜70dBほどの音で聞き分けられる最小の差は、基準の周波数のおよそ0.35%という目安があります。200〜5000Hzの範囲で成り立つとされています［1］。1000Hzの音なら、約3.5Hzの差です。

この0.35%は、条件つきの目安で、固定の値ではありません。それでも、同じ割合が高い音でも続くなら、1000Hzで約3.5Hzだった差が、4000Hzでは約14Hzになります（1000Hz×0.0035と、4000Hz×0.0035の計算です）。ただし0.35%は広い範囲の大まかな目安で、高い音ではこのとおりにはなりません。

ところが実際には、純音の周波数弁別は約3〜4kHzを超えると、劇的に悪くなると報告されています［2］。ピアノの最高音C8が約4186Hzですから［6］、楽器の音域は、聞き分けが落ち始めるあたりまでに収まっています。ただ、この一致に因果関係があるのかは、資料からは分かりません。

ここで大事なのは、「割合」で見ても悪くなる点です。Hzで見れば高音ほど差が大きくなるのは当然ですが、中心周波数に対する差の割合も、約2kHzから8kHzにかけて大きくなり、8kHz付近で頭打ちになるという整理があります［3］。では、割合で見て悪くなるのは、耳の中で何が起きるからでしょうか。

聞き分けの細かさは、周波数弁別閾（DLF）で測る。2つの純音を順に聞かせ、高さがちがうと分かる最小の差である。健康な耳が40〜70dBで聞き分ける最小の差は、基準周波数のおよそ0.0035、つまり0.35%という目安があり、200〜5000Hzで成り立つとされる［1］。1000Hzなら約3.5Hzの差になる。ただしこれは条件つきの、広い範囲の概算目安で、固定値ではない。高音域ではこの目安どおりにならない。

この割合のままなら、4000Hzでは約14Hzの差を聞き分けるはずである（4000×0.0035）。ところが実際は、純音のDLFは約3〜4kHzより上で劇的に悪化すると、Moore（1973）などの結果として報告されている［2］。ピアノの最高音C8が約4186Hzであること［6］を考えると、楽器の音域は悪化の始まる付近に収まる。ただしこの一致に因果関係があるかは、資料から言えない。偶然かもしれないし、人が慣れた音域に楽器を合わせたのかもしれない。

注意したいのは、Hzの差と割合を分けて考える点である。高い音ほどHzの差が大きくなるのは、割合が同じでも当然起きる。問題は、基準に対する割合（DLF/f）まで悪くなることだ。Verschootenらの整理では、この比は2〜8kHzにかけて増え、約8kHz付近で頭打ちになる。Moore & Ernst（2012）では、8000〜14000Hzの比は互いに差がなく、6000Hzの値より有意に大きかった［3］。では、割合で見て悪くなるのは、耳の中で何が起きるからなのか。

音は、空気が ふるえる なみです。この なみの 山が くる たびに、耳の しんけいが 「ポン」と 合図を 出すと、考えて みましょう。てびょうしを 打つ 人が、山の たびに 手を 打つようなものです。

山の 間かくが 長い ひくい 音なら、手びょうしは まにあいます。ところが 高い 音は、山が とても はやく くるので、手びょうしが だんだん 山と そろいにくく なります。しんけいの 合図も、山と そろいにくく なります。ただし、本当の しんけいは、山の たびに 合図を 出す 手びょうしの 人では ありません。

これを 「いそうこてい」と よびます。動物の じっけんでは、1000〜2000ヘルツ ぐらいから 弱く なり、4000ヘルツでは ほとんど なくなると されます。人にも 同じ さかいめが あてはまるとは かぎりません。

そこで ひくい 音は 「合図の タイミング」を、高い 音は 「耳の おくの どこが ふるえたか」を 手がかりに すると 考えられて きました。タイミングの 手がかりが 消えるので、高い 音は ちがいが わかりにくく なる、というのが 有力な かんがえです。

耳の奥の蝸牛では、音の高さによって、振動する場所がちがいます。そして低い音では、聴神経が波の山のタイミングに合わせて信号を出します。この性質が位相固定です。

たとえて言えば、波の山が来るたびに手を打つ人です。低い音は山と山の間隔が長いので、手拍子は間に合います。4000Hzの音は1秒に4000回の山が来るので、山と山の間隔は1/4000秒、つまり0.25ミリ秒です。これほど短い間隔には、神経の信号が追いつきにくくなります。ただし、実際の神経は、山のたびに合図を出す手拍子の人ではありません。このたとえは、動かし方を想像しやすくするための単純化です。

動物の神経では、位相固定は約1〜2kHzから急に弱まり、4kHzではほぼ消えます。人でも同じ境目とは限りません。そのため、低い音は「信号のタイミング」、高い音は「蝸牛のどの場所が反応したか」を手がかりにしていると、長く考えられてきました［2］［4］。

これが、題名の問いに対する有力な答えです。高い音ではタイミングの手がかりが使えず、場所の手がかりだけに頼ることになるため、細かい高さのちがいを聞き分けにくくなるのだろう、という説です。ただし、動物の結果が人にそのまま当てはまるのか、境目がどこなのかは、次の章のとおり意見が割れています。

この悪化の理由として、長く有力視されてきたのが位相固定である。聴神経は、低い音では波の山のタイミングに合わせて活動電位を出す。動物の実験では、約1〜2kHzから急速に弱まり、4kHzではほぼ消える。そのため、低音域では時間の手がかり、高音域では蝸牛のどの場所が最も反応するかという場所の手がかりが主に使われる、という考えが広く受け入れられてきた［2］［4］。

4kHzの音では、波の山が1/4000秒（0.25ミリ秒）ごとに来る。この間隔に神経が追いつけなければ、時間の手がかりは使えなくなる。そして場所だけに頼るなら、蝸牛上で隣り合う周波数どうしの反応を区別する力が問題になる。つまり、「時間の手がかりを失う」ことが、割合で見た弁別の悪化と結びつけられてきた。

蝸牛の場所と周波数の対応（Greenwood）は、おおよそ指数関数的で、同じ幅の位置が同じオクターブに当たる。Hzで見ると、高音ほど1オクターブの中に多くのHzが入る［7］。たとえばC8（約4186Hz）の1オクターブ下のC7は約2093Hzなので、C7〜C8には約2093Hz分が入る。C4（約262Hz）〜C5では約262Hz分であり、その8倍である。ただし、これは位置と周波数の対応の話で、悪化の理由そのものではない。また、約1kHz未満の低音側は指数関数から外れ、厳密な対数ではない。

以上が有力な説の骨格である。しかし、この説は、位相固定がヒトでどの周波数まで使えるかを前提にしている。この前提に、専門家の合意はない。

じつは、先生たちの 意見は そろって いません。人の 耳で いそうこていが 使えるのは どこまでか、について、1500ヘルツ ぐらいと いう 人、3000〜4000ヘルツと いう 人、8000〜10000ヘルツまで 使えると いう 人が います。

ある けんきゅうでは、波の 細かい タイミングを 使う さぎょうの せいせきが、4000ヘルツを こえると すこしずつ 悪く なりました。それでも、8000〜10000ヘルツまでは、弱い 手がかりが 使えるかもしれない、と 書かれて います。

だから 「高い 音は、いそうこていが 弱いから、わかりにくい」は 有力な かんがえですが、これで 決まり、とは いえません。

位相固定が人でどこまで使えるかには、専門家の間で合意がありません。ある整理では、見積もりは約1500Hz、3000〜4000Hz、8000〜10000Hzと割れ、全体で1500〜10000Hzに広がっています［3］。

Moore & Vinay（2023）の実験は、この幅のうち、高いほうを支える結果です。波の細かい時間構造を使う課題の成績は、4kHzを超えると周波数とともに少しずつ悪くなりました。しかも、位相固定の弱い手がかりは8〜10kHzまで使える可能性が示されました［4］。「4kHzでぱたりと使えなくなる」のではなく、だんだん弱くなる、という絵です。

そのため、2〜8kHzで弁別が悪くなるのを「時間の手がかりから場所の手がかりへの移りかわり」と見る解釈にも、議論があります［4］。

題名の問いには、こう答えられます。有力な説はありますが、境目がどこかは決着していません。では、位相固定の弱まりだけで、高い音の聞こえ方は決まるのでしょうか。

位相固定の上限の見積もりは、研究者の間で大きく割れている。Verschootenらの論文では、寄稿者が示した上限は約1500Hz（Oxenham、Joris、Verschooten）、3000〜4000Hz（Shamma）、8000〜10000Hz（Moore、Heinz）と分かれ、全体では1500〜10000Hzである［3］。上限が1500Hzなら、悪化はもっと低い周波数から始まるはずで、10000Hzなら、悪化の主因を位相固定だけには求めにくくなる。

では、この幅を狭める材料はあるか。Moore & Vinay（2023）は、周波数の細かい時間構造（TFS）を使う課題を調べた。成績は4kHzを超えると周波数とともに少しずつ悪化し、位相固定の弱い手がかりは中心周波数8〜10kHzまで使える可能性が示された［4］。つまり、4kHz付近でぱたりと使えなくなるのではなく、段階的に弱まる。

この結果は、2〜8kHzでのDLF悪化を、時間符号から場所符号への移行とみなす解釈に対し、そのままは支持にならない。この解釈自体に議論があるとされる［4］。そのため、題名の問いへの答えは次のようになる。有力な説は、高音域では時間の手がかりが弱く、場所の手がかりが主になるというものだが、上限は研究者によって1.5kHzから10kHzまで見積もりが割れており、決着していない。

では、位相固定の弱まりを、高音の聞こえ方の限界と見てよいか。この点を試した実験がある。

メロディが わかるのは、4000〜5000ヘルツ より 下の 音だけだと、長い あいだ 考えられて きました。いそうこていが 弱く なる ところと、よく 合って いたからです。

ところが、ある じっけんでは、6000ヘルツ より 高い 音だけで できた 音の あつまりを 聞かせました。すると、メロディは やく 94パーセント わかりました。1つずつの 高い 音では やく 59パーセントでした。

ここから、いそうこていだけでは、高い 音の かぎりは 決まらない かもしれない、と いう 考えが 出て います。がっきの 音に なれて いるから かもしれない、という かせつも あります。ただ、これは まだ かせつで、決まっては いません。

メロディーを聞き取る力は、純音では約4〜5kHz以下に限られると、長く考えられてきました。位相固定の限界とよく合っていたからです［5］。

ところが、Oxenhamらの実験(2011)では、6kHz以上の成分だけでできた複合音(基本周波数は2kHz未満)でも、メロディーが約94%の割合で聞き分けられました。一方、高い純音を1個ずつ鳴らしたときは、メロディーの正答は約59%でした［5］。

同じ高さの範囲でも、純音1個ではメロディーが崩れるのに、高い成分がいくつも集まった音では歌が分かる、という結果です。そのため、位相固定の限界だけでは音高の上限は説明できない可能性があり、論文では「楽器の音域に慣れているから」という仮説も出されています。ただし、慣れが原因だと決まったわけではありません。

耳は、高い音の高さを、場所の手がかりや、慣れによる学習も使って読み取っているのかもしれません。「高い音ほど聞き分けにくい」は、本当ですが、「高い音ではメロディーが聞き取れない」とまでは言えないのです。

音楽的な音高（メロディー）の知覚は、純音では約4〜5kHz以下に限られる、と長く考えられてきた。位相固定の限界とよく一致するためである［5］。もしそうなら、位相固定が使えない領域では、音高の弁別も旋律の知覚もともに成立しないはずだ。

Oxenhamら（2011）は、この予想を試した。6kHz以上の成分だけでできた複合音（基本周波数が2kHz未満）でも、メロディーは約94%の割合で聞き分けられた。高い純音1個ずつでは、メロディーの正答は約59%だった［5］。つまり、同じ高さの範囲でも、純音1個ずつでは正答が約59%だったが、高い成分の集まりでは約94%だった。位相固定だけでは音高の上限は説明できない可能性があり、楽器の音域に慣れているせいかもしれないという仮説が出ている。ただし慣れが原因だと決まったわけではない。

この実験は、前の章の結論とつなげて読むべきだ。弁別の悪化と、旋律の知覚の限界は、同じ原因の二つの現れとは言い切れない。第一に、位相固定の上限は割れている。第二に、位相固定が使えなくても旋律を取り出せる場合がある。有力な説は、高音域の弁別の悪化を説明する一つの候補であって、全体を説明し切るものではない。

ピアノの音域が約4186Hzまでであること［6］との関係も、この文脈で読める。楽器の音は倍音を含む複合音であり、純音の実験とは条件が異なる。音域が聞き分けの悪化する付近にあることが偶然か、慣れの結果かは、資料からは決められない。

きょう できる こと

おうちや 学校に けんばんの ある がっきが あれば、おとなの 人と いっしょに ためして みましょう。けんばんが なければ、知って いる 歌を ひくい 声と 高い 声で くちずさんで、歌に 聞こえるか くらべても いいです。まん中あたりで、知って いる 歌を ひいて みます。つぎに、おなじ 歌を、いちばん 高い ほうの けんばんで ひいて みます。

歌は わかりますか。ひとつずつの 音の 高さは、わかりにくく なりますか。がっきの 音は、いろいろな 高さの 音が まざった 音なので、さっきの じっけんの 「あつまりの 音」に 近い ものです。ただし、同じ じっけんでは ありません。

音は 大きすぎないように して、耳を 大切に しましょう。

鍵盤で試す

家や学校に鍵盤楽器があれば、おとなの人と一緒に試してみましょう。まず中ほどの高さで知っている曲を弾き、次にいちばん高い側の鍵盤で同じ曲を弾いて、聞こえ方を比べます。曲として分かるか、音の高さのちがいが分かりにくくなるかを、自分の耳で感じてみてください。鍵盤がなければ、知っている歌を低い声と高い声で口ずさみ、曲として分かるかを比べても試せます。

ただし、楽器の音は高い成分がいくつも混ざった複合音で、実験で使われた純音とは条件がちがいます。結果が実験と同じになるとは限りません。音は小さめにして、耳を休ませながら行ってください。

この先を読むなら

家にあるもので続けるなら、「鍵盤で、曲として分かる音の高さはどこまでか」を調べてみるのもよいでしょう。くわしい議論は、参考にした情報源の［3］と［5］にあります（英語です）。

楽器で確かめる

鍵盤楽器があれば、中ほどの高さと最も高い側とで同じ曲を弾き、旋律が分かるかを比べられる。ただし楽器の音は倍音を含む複合音で、純音を使った実験とは条件がちがう。聞こえ方が実験と同じになるとは限らず、自分の感覚を実験の結果と照らして読む練習になる。音量は小さくする。

資料を読むなら

位相固定の上限をめぐる専門家の意見は［3］、TFSの課題の結果は［4］、複合音のメロディー知覚の実験は［5］で読める。いずれも英語である。見積もりの割れた数字（1500、3000〜4000、8000〜10000Hz）が、どの論者のどの前提から出ているかを追うと、結論が決着していない理由が見えてくる。