A 20. század technológiai újdonságai a zenében is alapvető változásokat idéztek elő. Az elektroakusztikus, majd később a digitális berendezések használatával kialakultak olyan műfajok, ahol kibővült a formaalkotó elemek száma, azaz megváltozott a zenei történés lényegi hordozóinak halmaza: elvesztették kitüntetett szerepüket a nyugati klasszikus zene elsődleges zenei paraméterei (Meyer, 1994), a dallam és a hagyományos értelemben vett ritmus, a hangszín pedig a zenei forma integráns részét képző tulajdonsággá vált. A hangszínt is elsődleges paraméterként kezelő művek létrehozása és elemzése új kihívások elé állította a zeneszerzőket és a zenetudósokat, hiszen a „hangjegyalapú”, hagyományos módszer nem alkalmas arra, hogy teljességében feltárja a hangszínekből, hangzásobjektumokból épülő művek szerkezeti, formai tulajdonságait. A klasszikus zenei formatan elemzési módszereivel csak a „szembeszökő differenciákat, a jelentős egységeket, a karakterbeli és egyéb különbségeket (…) és a megkülönböztetett részek egymáshoz való viszonyát” (Dobszay, 2012, 246.) lehet megfogalmazni. A zenei történés lényegi hordozóit és ezek „szerves folyamatát, kibontakozását, organizálódását, miközben a zenei anyaggal az időben előrehaladunk” (Dobszay, 2012, 249.), a legtöbb esetben nem lehet a régi eszközökkel leírni, mivel a hangszínalapú zene nemcsak a szervezés örökölt módszereivel szakított, hanem annak alapanyagával, tartalmával is. Kitágítva a hagyományos hangszerek fizikai korlátait, a komponálás részévé vált a hangzás struktúrájának létrehozása és transzformációja, ami így az eddigieknél jóval jelentősebb szerepet kapott a zenei formálásban. Az új paraméter bevezetésével új elmélet kialakítása vette kezdetét, amely ma is a szemünk (és fülünk) előtt alakul.

A nyugati klasszikus zene elsődleges zenei paraméterei jól reprezentálhatóak egy-egy dimenzió mentén: a hangmagasság a mély–magas, a ritmus a lassú–gyors skálán egyszerűen elhelyezhető, annak ellenére, hogy a dallamban együttesen manifesztálódnak, azaz a dallamként érzékelt zenei motívumok észlelésekor egy egységnek fogjuk fel a két paraméter sorozatát. A két minőség azonban nem olvad össze teljesen a tudatban. A zenei oktatás alapvető törekvése, hogy a hangmagasság és a ritmus világosan elváljon egymástól, és a tradicionális szolfézs fontos része egymástól elkülönített gyakoroltatásuk. Függetlenül attól, milyen mértékben veleszületett, illetve tanult a két paraméter független kezelésének képessége, a jelenség jó összehasonlítási alapot jelent, hogy összevessük a hangszíndimenziók szétválasztásának problematikájával.

A hangmagasság-dimenzió legfontosabb tulajdonsága, hogy diszkrét értékekből áll, melyek egymástól való távolsága kellő tanulással megjegyezhető, így nagy mennyiségű, jól felismerhető mintázat (dallamvonal) képezhető belőlük. Az, hogy a hallásunk az uniszónó és az oktáv közötti tengelyen kitüntet bizonyos pozíciókat, annak köszönhető, hogy a hangszínekhez hasonlóan a zenei hangközök is képesek kategóriákat alkotni a tudatban, azaz észlelésüket a kategorikus percepció teszi hatékonnyá. A hangmagasság-kategóriák különlegessége abban nyilvánul meg, hogy esetükben egy dimenzión belül képes a hallás nagyszámú, jól elkülönülő kategória kialakítására. A hangszín-kategóriák percepciója során ezzel szemben több dimenzió kombinációját érzékeli az emberi agy erős, jól felismerhető minőségnek (például a beszéd mássalhangzóinak megértését három–öt formáns együttes hatása segíti). A hangmagasság-kategóriák érzékelésének kivételességét a Trevor Wishart által leírt „közelség szabállyal” (Wishart, 1996, 71–76.) lehet jól megvilágítani. Jól ismert tény, hogy a hangmagasságok közötti távolság, azaz a hangközök közötti konszonancia érzete összefügg a frekvenciák közötti aránnyal. Minél egyszerűbb tört az arány, annál konszonánsabb a hangköz. Logikusnak tűnik, hogy egy kitartott alaphanghoz viszonyított, két közeli konszonáns hangköz (például tiszta kvint, kis szext) közötti területen glisszandálva lényegesen emelkednie kellene a disszonanciaérzetnek, gyorsan változó eltolódásokat (különböző hangközöket) generálva a konszonáns–disszonáns arányokat követve. A hallásunk azonban nem követi a matematikai szabályt, hanem mindig azt a hangközt érzékeli, amelyikhez közelebb vagyunk a csúszás közben, azaz az előző példa alapján, távolodva a tiszta kvinttől megmarad a hangköz érzete egészen addig, amíg közelebb nem kerülünk a kis szexthez, amikor már ennek leszállított verzióját érzékeljük. Fülünk tehát kitüntet bizonyos, Wishart által (1996, 71–76.) „csomópontoknak” nevezett pozíciókat az egyszerű arányok közelében, amelyek segítségével korlátozott számú távolságot tudunk mérni a hangmagasság-kontinuumon. A csomópontok száma és pontos helyzete kulturálisan meghatározott, amelyet nyilvánvalóan demonstrálnak a zenében létező különböző hangolások. A csomópontoknak köszönhetően a hangmagasság-dimenzió hallható metrikussággal rendelkezik. Ez azt jelenti, hogy nem csupán a hangok közötti frekvenciakülönbséget használjuk a viszonyításra, hanem a hangmagasság-dimenzió alapjául szolgáló csomópontstruktúrát is. A csomópontok következménye, hogy a hangmagasság-dimenzió két fontos tulajdonsággal rendelkezik: 1) véges és zárt, 2) szimmetria alapján strukturálható. Véges és zárt, mivel az oktáv elérésével a csomópontok pontosan ismétlődnek a következő oktávban. A hagyományos zenei skálák hangközstruktúrája aszimmetrikus, amely lehetővé teszi alaphang definiálását, relációk kialakítását egy adott hangmagassághoz képest és harmonikus távolság képzését az egyes hangnemek között. A hangmagasság-dimenzió csomópontszerkezete nagyszámú, jól érzékelhető kombinációt biztosít, ezért rendelkezik a ritmus mellett a legerősebb formateremtő képességgel.

 

 

Az elektroakusztikus zene megjelenésével került a zeneszerzők figyelmének terébe a kategorikus percepció egy másik esete, az impulzussorok viselkedése. Amennyiben egy kiindulási impulzussorban az egyes impulzusok követési sebessége lassú (kb. 1–20 impulzus/sec), az impulzusok elválnak egymástól, külön-külön hallhatóak, valamilyen ritmust alkotnak. Ha növeljük a sebességet, két kategóriahatárt kell átlépnünk: a szemcsés, érdes hangzást és az összeolvadó, a követési sebességből eredő, hangmagassággá összeolvadó folyamatot (lásd 2. ábra). Hasonlóan működik a lebegés, a tremoló és a vibrato dimenzió is. Az egy dimenzión belül érzékelhető kategóriahatárok annyiban különböznek a hangmagasság-dimenziótól, hogy jóval kisebb a számuk (eddigi ismereteink szerint maximum három), nem ismétlődnek oktávszerűen, tehát összehasonlíthatatlanul kevesebb kombinációs lehetőségekkel rendelkeznek. Mégis, nagyon fontos tudni a létezésükről, hiszen komoly percepciós töréseket generálnak folyamatos paraméter-változtatások során.

 

Különösen erős csomópontnak tekinthetők a sokdimenziós kategóriaváltások. Ezek leggyakoribb megjelenési formái olyan kitüntetett helyek a sokdimenziós hangszíntérben, ahol ismerős hangzás érzete alakul ki az elmében. Elképzelhető olyan zenei folyamat, melynek során több dimenzió mentén folyamatos változás történik, és az eredetileg ismeretlen hangzások egyszer csak ismerős hangszínné változnak. A végtelen hangszíntér végtelenül sok koordinátakombinációja közül sok olyan van, ahol a kategorikusan beágyazódott, ismert hangzások tulajdonságai kereszteződnek, elvileg akár véletlenül is bukkanhatunk ilyen helyekre hangszín-transzformáció közben. Az ilyen, forrás-hozzárendeléssel rendelkező hangzások tudatosítása alapvető fontosságú, hiszen egészen másképp reagálunk rájuk, mint a jelentéstől megfosztott társaikra: ezek a hangzások a hallási élményen kívül hordozzák a megszólaltatott anyag, az érintés, a látás és az izmok feszülésének érzetét, amiből dekódoljuk a fizikai (akár emberi, akár természeti) aktivitást. Ez a folyamat a zenében különösen felértékelődik, amikor nem jól ismert, kiegyensúlyozott, „biztonságos” hangszerhangokat hallunk, hanem olyanokat, ahol a forrás és a gesztus érzete dinamikusan változik. Ezért az elektroakusztikus zenében, ahol a felhasznált hangzások különböző mértékben köthetőek ismert hangforrásokhoz és gesztusokhoz, a percepció szempontjából fontos szempont lehet a hang forrásának megjelenítése, illetve elfedése. Smalley elméletében (1997, 110–112.) leír egy olyan dimenziót, amely mentén folyamatosan lehet kezelni, milyen mértékű a forrás és a gesztus érzete. Bevezeti a ’gesztuspótlék’ fogalmát, mely azt jelöli, milyen távol esik a gesztus érzékelése a normális fizikai gesztusok befogadásától. A gesztuspótlék tengelyen négy állapotot definiál, az első-, másod- és harmadrendű, valamint a távoli gesztuspótlékot. Az elsőrendű gesztuspótlék a hangszerek megszületése előtti állapotot tükrözi, a munkával és játékkal kapcsolatos hangzások tartoznak a csoportba. A másodrendű gesztuspótlék a tradicionális instrumentális gesztus. A harmadrendű gesztuspótlék esetén a gesztusra csak következtetni lehet. A hangzás természete bizonytalanná teszi a forrást és az okozót is, a fizikai realitás érzete elmosódik, a hangminőség ismeretlen energiavektorok mentén változik. A távoli pótlék csak nyomokban tartalmaz gesztusokat. A forrás és az ok ismeretlen marad, és nem is lehet megismerni, mivel semmilyen emberi aktivitás nem érzékelhető a hang mögött.

A hangmagasság és a ritmus jól mérhető minőség, így az érzet, amit okoznak, jól leírható kvantitatív (számszerű) értékekkel. Hogy milyen fontos találmány a zene mérhetősége, tükrözi a 13. században bevezetett lejegyzési mód neve, a cantus mensurabilis (mért ének), amely az eltérő ritmikai értékeket már különböző formájú hangjegyekkel jelölte. Bár ma már egyszerűnek tűnik a két elsődleges zenei paraméter mérése, több mint kétezer év telt el a 19. század óta általánosan használt szisztéma – az egyenletes temperálású hangrendszer, a kettes osztáson alapuló ritmusértékek, az ötvonalas lejegyzés – kialakulása és Püthagorasz első húrfelosztási kísérletei között. A hosszú fejlődés egyik, ma már evidenciának tűnő, tulajdonképpen észrevehetetlen eredménye, hogy az analitikus notáció és az alapját képező fizikai és matematikai szabályok segítségével egyértelműen összeköthető a hangmagasság- és ritmusviszonyok érzete akusztikai, fizikai jeleik objektív értékeivel. Egy tiszta kvint hallási tapasztalatához több formában is hozzá tudjuk rendelni fizikai valóságát. Megadhatjuk a hangközt alkotó hangok frekvenciáját (például 440 Hz, 659,252 Hz), esetleg MIDI számát (69 76), az alaphanghoz tartozó szorzószámot – (12√2)7 = 1,4983 –, az alaphanghoz tartozó távolságot centben (700), vagy az ötvonalas kottaképét. Ez a sokféle, különböző, de mindig objektív reprezentáció mind a tiszta kvintérzethez tartozik, kényelmesen válogathatunk közülük, attól függően, hogy milyen típusú absztrakcióra van szükségünk, illetve nem mellékesen a számítógép számára is képesek vagyunk kommunikálni a hangköz paramétereit.

 

 

A szemantikai differenciálskálák finomítása a mai napig folyik, mind a szókészlet (például Pedersen, 2008), mind a kategorizálás (például Donnadieu, 2007) és a vizualizálás (például Susini et al., 2011) területén.

A formaalkotó potenciállal rendelkező hangszínparaméter működése jelentősen eltér a hagyományos hangmagasság-ritmus minőségekétől, mivel a hangszín érzékeléséhez más, összetettebb stratégiát alkalmaz az elme. Az elvileg végtelen hangszíntér értelmezése ijesztő mennyiségű adat kezelését feltételezi, ráadásul olyan adatokét, amelyeket szubjektív és objektív szempontból is meg kell fogalmazni. Az elektroakusztikus zene és a spektrális instrumentális zene gyakorlata során a szerzők és az elemzők egyre több tapasztalathoz jutottak a műfaj első hetven–nyolcvan évében, ami röpke pillanatnak tűnik a hangmagasság és ritmus rendszerének több száz éves kialakulásához képest. Bizonyára még sok időnek kell eltelnie, amíg teljességében valóra válik a varèse-i vágy, és szabadon, korlátok nélkül tudunk hangtömegeket mozgatni, és a zene „úgy tud majd áradni, ahogyan a folyó áramlik” (Varèse–Wen-Chung, 1966, 11.). Addig még több kategorikus váltásnak kell megtörténnie a technológiában is, legközelebb a tanulni képes ideghálók érhetnek el áttörést a nagy mennyiségű hangszínadat kezelésében.