Människor kan använda positiva och negativa spektrotemporala korrelationer för att upptäcka stigande och fallande tonhöjd

Hur våra hjärnor hör toner som rör sig upp och ner

När du känner igen en fråga i någons röst eller följer melodin i din favoritlåt spårar dina öron och din hjärna hur tonhöjden stiger och sjunker över tid. Denna studie ställer en överraskande fråga: använder våra hjärnor samma slags rörelsedetektionsknep som ögonen använder för att se rörelse? Genom att noggrant utforma nya ljud och hjärnavbildningstester visar författarna att människor kan höra tonhöjdsrörelse även i ljud utan tydliga musikaliska toner, vilket avslöjar en ny typ av auditiv illusion och en gemensam algoritm mellan hörsel och syn.

Höra rörelse utan tydliga toner

I vardagligt ljud är stigande och fallande tonhöjd ofta knutet till en tydlig “grundton” — den grundläggande tonen vi skulle sjunga eller spela på ett instrument. Men författarna skapade specialljud som avsiktligt saknade denna uppenbara toninformation. Istället för stabila toner använde de täta moln av många frekvenser vars ljudstyrka förändrades på koordinerade sätt över tid. Dessa mönster skapade lokala relationer mellan närliggande frekvenser och tidpunkter, kända som spektrotemporala korrelationer. Lyssnarna hörde varje ljud i två sekunder och rapporterade helt enkelt om det i stort sett verkade stiga eller sjunka i tonhöjd.

En ny auditiv illusion som vänder riktningen

När närliggande frekvenser tenderade att bli högre eller tystare tillsammans längs en uppåtlutande diagonal i frekvens–tid-gallret rapporterade människor konsekvent att ljudets tonhöjd steg. När diagonalen pekade nedåt rapporterade de fallande tonhöjd. Överraskningen kom när forskarna vände mönstret: de gjorde så att närliggande frekvenser alternerade, så att när den ena blev starkare blev den andra svagare — en ”negativ” korrelation. I detta fall uppfattades ett uppåtlutat mönster som att tonhöjden föll, och ett nedåtlutat som att den steg. Detta är det auditiva motsvarande till en välkänd visuell illusion kallad ”reverse-phi”, där ett rörligt mönster som hela tiden byter kontrast ser ut att röra sig i motsatt riktning. Styrkan i den upplevda tonhöjdsrörelsen varierade jämnt med hur starkt dessa korrelationer fanns närvarande, och effekten fungerade även när informationen delades över båda öronen, vilket visar att hjärnan kombinerar signaler från båda sidor.

Finjusterad känslighet för små skift i frekvens och tid

För att undersöka mekanismens detaljer gick teamet från tät brusliknande ljud till sparsamma ”pip”-ljud: korta pip spridda över frekvens och tid. De skapade par av pip som skiljde sig åt med ett litet hopp i frekvens och en kort fördröjning, och styrde igen om de två var högljudda tillsammans, tysta tillsammans eller motsatta i ljudstyrka. Genom att variera fördröjningen och storleken på frekvenshoppet fann de att människor var mest känsliga för tonriktning när det andra pipet följde ungefär 40 millisekunder senare och skiftade med endast omkring en femtonde del av en oktav — en mycket liten förändring. Avgörande var att lyssnarna var känsliga inte bara för högljudd–högljudd-par, utan för alla fyra kombinationer av högt och tyst. De hörde också rörelse i mer komplexa tre-pip-mönster som inte innehöll enkla parvisa regelbundenheter, vilket ekar liknande fynd i djurvision. Allt detta pekar på ett system som läser av finmaskiga lokala förändringsmönster snarare än att spåra långlivade toner.

Hjärnsignaturer för motsatta tonhöjdsdetektorer

Forskarna frågade därefter hur denna beräkning kan vara organiserad i hjärnan. Med funktionell MRI mätte de aktiviteten i auditiva cortex medan personer lyssnade på enkla stigande toner, fallande toner eller en blandning av de två spelade samtidigt. Om hjärnan använde separata neuronuppsättningar inställda på uppåt- respektive nedåtriktad tonhöjdsrörelse som motsätter varandra, skulle den kombinerade stimulusdelvis ta ut varandras aktivitet. Detta är exakt vad de observerade: flera regioner på båda sidor av auditiva cortex svarade starkt på både stigande och fallande toner var för sig, men mindre på blandningen. Detta ”opponent”-mönster matchar väl de rörelsebearbetande kretsar som är kända från det visuella systemet och förklarar naturligt varför att vända korrelationen i ljuden vänder den upplevda riktningen.

Från labbillusioner till vardagligt tal och musik

Slutligen undersökte teamet om dessa abstrakta mönster faktiskt spelar roll i verkliga livet. Genom att analysera timmar av engelskt och mandarin-tal omvandlade de varje inspelning till en tid–frekvenskarta och mätte hur toner rörde sig uppåt eller nedåt, med en algoritm liknande dem som används för visuell rörelse. De sökte sedan efter samma fyra lokala intensitetsmönster som studerades i labbet. I båda språken tenderade mönster där närliggande frekvenser förändrades tillsammans att sammanfalla med stigande eller fallande ton, medan alternerande mönster förutsade rörelse i motsatt riktning. Med andra ord signalerar både positiva och negativa spektrotemporala korrelationer i naturligt tal pålitligt hur tonhöjden förändras. Resultaten tyder på att hörselsystemets känslighet för dessa subtila lokala mönster — inklusive de som skapar illusioner i labbet — inte är en märklighet, utan ett effektivt sätt att avkoda mening och melodi ur de komplexa ljudlandskapen i vardagen.

Citering: Vaziri, P.A., McDougle, S.D. & Clark, D.A. Humans can use positive and negative spectrotemporal correlations to detect rising and falling pitch. Nat Hum Behav 10, 417–433 (2026). https://doi.org/10.1038/s41562-025-02371-7

Nyckelord: tonhöjdsperception, auditiv rörelse, talintonation, auditiv cortex, sensoriska illusioner