音乐表演中的姿态与协作——基于音视频媒体的可视化分析

音乐家从私密的琴房走上万众瞩目的舞台，首先引人注意的通常是他（她）的身型、表情与动作姿态，而后才是声音。在音乐表演的教学、呈现与欣赏过程中，身体姿态也始终是一个核心问题。任何乐器的学习几乎都是从最基本的姿势开始，从钢琴的坐姿、触键到弦乐的持琴、握弓等等。20世纪后半叶，随着认知科学的发展，人们越来越意识到身体在学习过程中的重要性，发展出了“具身认知”（embodied cognition）等理论，越来越强调认知、身体与环境的一体性^①。从这个角度来说，演奏（唱）家在很大程度上通过视觉与听觉的“姿态”，与观众之间产生交流互动。同时，在合奏或合唱的情形下，这些姿态也会成为音乐家之间沟通协作的重要途径。然而，传统的音乐姿态（musical gesture）研究通常更偏向于分析与阐释等音乐学层面的宏观思考^②，对表演实践与教学的关注相对缺乏足够聚焦，本文将通过对音视频媒体的可视化分析来试图弥补这一缺憾。

根据在演奏（唱）中所起到的实际功能，音乐表演中的姿态大体上可以分为以下四种类型^③：

音响产出姿态（Sound-producing gestures）：指对于声音的产出能够直接起到有效作用的姿态，可以被进一步细分为激励（excitation）与修饰（modification）姿态。例如在钢琴上弹奏琴键的动作能直接产生乐音，是激励型的音响产出姿态；而踩踏板能够通过延音与弱音等方式改变音响效果，是修饰型的音响产出姿态。在弦乐上，右手的运弓既是激励型也是修饰型的音响产出姿态。

音响促进姿态（Sound-facilitating gestures）：指从各种方面来支持音响产出的姿态，可以被进一步细分为支持（support）、分句（phrasing）与夹带（entrained）型姿态。例如无论是在钢琴还是在小提琴等乐器上，有经验的教师一般都比较强调采用从躯干到手臂再到手掌手指的自然通畅的方式来发力演奏，以避免局部的紧张僵硬，那么相应的躯干与手臂动作虽然并不与乐器发生直接联系，但属于支持型的音响促进姿态；又如很多演奏者（特别是木管演奏者）会通过持续性的肢体动作，来表现音乐的句法结构，这属于分句型音响促进姿态；另外还有诸如点头、跺脚等更加细碎的与音乐同步的动作，对于演奏者强调重音与节奏等方面可能具有辅助作用，可以理解为夹带型音响促进姿态。

交流性姿态（Communicative gestures）：指在音乐表演中可以起到交流作用的姿态，可以根据主要交流对象被细分为表演者—表演者（performer-performer）与表演者—感知者（performer-perceiver）两种类型。上述分句与夹带型姿态，甚至比较夸张的支持型姿态除了具有音响促进作用以外，也可以对观众感知以及与同伴演奏者的合作起到沟通交流作用，所以在一定程度上也可以视为是交流姿态。此外，在音乐表演中还可能有更加戏剧性（Theatrical）与表情性（Expressive）的交流性姿态，例如歌剧演员的面部神情与夸张动作等。

音响伴随姿态（Sound-accompanying gestures）：指那些与音响产出没有直接关联，但自然伴随着音乐的姿态。比较典型的是歌舞剧中的舞蹈（见图1），演奏（唱）家以及指挥家在舞台上的表演，除了包含以上三种类型的姿态以外，也经常会或多或少包含一些音响伴随姿态的成分，例如独奏家在协奏曲的乐队前奏与间奏段落中，通常会有一些有意无意的音响伴随姿态。这也能起到与观众、乐队指挥与演奏员之间的交流沟通作用。

图1进一步比较了音乐家与舞蹈家在表演中对以上四种姿态的不同侧重。可以看出，音乐家一般在表演中有较多的音响产出与音响促进姿态，同时也具有少量的交流性与音响伴随姿态，并且这四种姿态经常具有较多的重叠交错，很难相互严格区分。而舞蹈家的表演通常并不会产出声音，因此音响产出与音响促进姿态都为零，而在音响伴随与交流性姿态方面却十分丰富。这体现了音乐家与舞蹈家的本质区别，尽管很多演奏（唱）家与指挥家似乎也具有不俗的舞蹈天赋。

澳大利亚音乐心理学家简•戴维森（Jane Davidson）于2012年发表了长篇论文^④，探讨郎朗于2003年11月7日在美国卡内基大厅现场演奏李斯特《爱之梦》（Liebestraum No. 3，S.541）中的身体姿态与面部表情。她发现，郎朗在演奏中的身体与面部表情高度关联，往往是成对出现。这些身体与面部的复合表情（combined bodily and facial expression）与音乐的结构以及作品的叙事线索密切相关，形成了能够给欣赏者带来一定交流提示作用的表情信息库（见表1）。从功能分类的角度来说，这些动作与表情大都与声音的产出与促进没有直接联系，因此基本上都可以归入交流性以及音响伴随类姿态。

这些貌似不十分必要的姿态表情，是否完全是郎朗的现场即兴发挥？在网络上可以很容易找到郎朗在各种场合演奏这一乐曲的录像，从中可以发现他在音乐的处理以及身体姿态表情等方面保持了很高的一致性。目前，郎朗演奏《爱之梦》的最新录像是2019年他为施坦威自动演奏钢琴（Steinway & Sons Spirio）录制的宣传片。在该片中，他与Spirio“分别演奏”乐曲ABA曲式结构中的A与B部分，而B部分显然是郎朗事先在Spirio上录制好的，与他自己之前的处理方式非常一致。如果把这个在2019年“摆拍”的MV与他16年前在卡内基大厅的现场视频进行比较，会发现很多“经典”的姿态虽然有所内敛，但“风韵犹存”。

例如，在中部第一乐段临近终止的第36小节附近，他在2003版中有个十分夸张炫酷的手指张开动作（在表1中属于最后一组）；到了2019版中，虽然是Spirio钢琴在自动演奏，但郎朗这个左手张开手指的动作还在，只是幅度与速度大大降低（见图2）。从音乐的角度来说，这一句的和声从B大调主和弦开始，经过一些等音变换后逐渐从重属方向进入C大调，第36小节处通过属功能和弦，明确预示了即将要到来的C大调终止式与主和弦；与此同时，低音在第36小节处结束了之前持续的半音下行，重复了C大调属持续音，且上方旋律也终于挣脱了持续多个小节的^♯D，来到了F。这一切都表明，第36小节是音乐张力开始得到“释放”的重要节点。从IOI偏离度^⑥来看，郎朗相隔16年的演奏，在节奏时值等方面都保持了高度的一致性。特别是图2中圈出的那些八分音符，均在前面的八分休止符充分酝酿后（这个休止符在两次演奏中都长了约1.5倍），狂喜般地聚拢在了一起（时值都缩短了约30%—40%），与那个经典的“释放”手势保持了呼应（2019版手势放缓，音符聚拢的程度也有所下降）。从表演姿态的功能分类来看，在2003版中，这个“释放”手势主要属于交流性/音响伴随姿态，或许有一定的音响促进作用；在2019版中，由于钢琴处于自动演奏状态，该姿态就纯粹是舞蹈演员式的交流/伴随性质了。

从郎朗演奏李斯特《爱之梦》的案例中可以发现，作曲家所写定的旋律、和声与曲式结构等记谱层面的形态，与演奏家所掌控的速度、节奏与力度等音响层面的形态，以及手指动作与面部表情等身体层面的形态，存在着明显的关联性。例如在《爱之梦》第36小节附近，乐谱中旋律、低音与和声等方面所积累的能量，在郎朗的演奏中由节奏紧缩与较大的力度，以及突然张开手指的姿态所释放。从而，这些过去分散于不同学科中的内容，在音乐表演中形态（shape）理论的框架下（见图3），^⑦通过跨模态映射与跨学科研究的方式统一了起来。^⑧

另一方面，郎朗能够在相隔数年的演奏中保持音响与身体形态的一致性，表明在他构思与记忆音乐表演的心理表征（mental representation）中，对作品的诠释性理解与音响要素以及各种身体姿态要素之间，或多或少存在着相互依存的关系，且在他长期的艺术生涯中保持相对稳定，共同构成了郎朗个人音乐表演风格的重要特质。从这些角度来看，形态理论框架在音乐表演研究中，能够较好地在多种语境下有效联系乐谱、音响与身体，具有很强的通用性与贯穿性。

能够贯穿记谱、音响与身体的形态理论框架，在歌舞剧表演中显然会有较大的用武之地。例如，在威尔第歌剧《茶花女》第二幕终曲的第一部分（总第328—500小节）中，女主角薇奥列塔与因为收到绝交信而深受刺激的阿尔弗雷多在聚会上“狭路相逢”，引发了戏剧冲突。两位不同时代的顶尖女高音歌唱家，卡拉斯（Maria Callas，1923—1977）与乔治乌（Angela Gheorghiu，1965—）对此有着很不一样的诠释方式，同时体现在演唱处理与舞台表演等方面。^⑩

从记谱的角度来看，这段f小调的音乐有两个主要主题：有些阴郁不安的舞蹈性主题与薇奥列塔的“上天怜悯”主题（见谱例1）。前者是一个锯齿形动机的不断重复，与众宾客彻夜打牌行乐的单调乏味有关；后者是一个气息悠长的拱形咏叹性旋律，像是来自另一个世界，与不断循环的舞蹈性主题形成了强烈对比。薇奥列塔发现阿尔弗雷多后十分惊讶、无助与恐惧，她懊恼自己为何要参加这次聚会从而引来麻烦。为此，她先后三次重复了这个“上天怜悯”主题。

从音响形态的角度来看（见图4，纵坐标是节拍器数值，横坐标是小节数），卡拉斯（1958年葡萄牙里斯本版）的过人之处不仅在于通过长气息的控制，把主题内部的旋律起伏（例如高点位置上的力度与节奏拉伸）勾勒得十分动人，更重要的是她对于该主题三次出现在力度和速度上的整体安排：通过速度的逐渐拉宽以及力度与节奏拉伸的增长，突出强调了该主题越来越迫在眉睫的紧迫性，同时也与乐曲中象征阿尔弗雷多和男爵敌意不断积蓄增长的舞蹈性主题形成了鲜明对比。相比之下，乔治乌（1994年英国皇家歌剧院版）的音乐处理就明显缺乏这种长距离的思考和安排，她对“上天怜悯”主题三次出现的处理虽然有细节上的差异，但整体上是比较雷同的，且与乐曲的对比性舞蹈因素拉开的距离较小。

从身体姿态的角度来看（见图5），卡拉斯扮演的薇奥列塔走进朋友家与好友致意后不久，就发现了阿尔弗雷多也在场，立即表示出极度吃惊，随后陪同她的男爵用命令式的语气说出了几句“不许与阿尔弗雷多交谈”之类的话。薇奥列塔无助地向男爵挥挥手，随后捂住了自己的左脸并独自向右前方走去（因为阿尔弗雷多在她的左边打牌，这一举动有不愿让他看到自己的用意），第一次自言自语地唱出了“上天怜悯”的主题。第二次则出现在男爵与阿尔弗雷多出现敌意之后，阿尔弗雷多接受男爵挑战并走到薇奥列塔左边赌钱，薇奥列塔再次侧身走到舞台一角唱出了这一主题……在这场戏中，卡拉斯扮演的薇奥列塔似乎极力想通过肢体语言去呈现这样一个潜在的事实：虽然此时此刻她的身体不幸出现在了这个纸醉金迷且让她无比尴尬的聚会上，但她的灵魂却早已向往另外一个世界——她试图将自己与现实隔离开来。有趣的是，如果对比乔治乌在1994年的录像，可以发现当代的摄制风格如此偏爱多机位的快速剪切，镜头在几个近景之间变来变去，尽管可以让观众看清楚所有角色的表情甚至每一个毛孔，但却没有一个镜头能够反映此时薇奥列塔、阿尔弗雷多和男爵在舞台上的相对关系。

总的说来，卡拉斯和乔治乌在演唱处理方面的音响形态差异，与她们在舞台表演方面所呈现给观众的身体姿态（从功能上来说属于交流性/伴随姿态）差异具有一致性。卡拉斯注重整体规划与戏剧性的夸张表达，而乔治乌则更多只关注眼下的细节，分别挖掘出了这段音乐所可能包含的不同层次的理解与诠释。

在前文的《茶花女》等案例中，演唱（奏）家的身体动作，主要作为一种交流性姿态，不仅可以给观众理解音乐提供很有效的提示引导作用，同时也可以帮助合作者在速度、力度以及音乐诠释等方面更好地协调同步。同步性是或大或小的音乐组合在进行表演时最基本的要求，无论是二重奏、三重奏还是小合唱或大乐队，都需要首先建立一种“共享的通用计时器”^⑪。这种计时器在有指挥的表演中，可以明确表现为指挥的肢体动作，通常右手主要用来提示节拍。

但在更多情况下，音乐家们会采用更微妙的听觉与视觉线索来保持协调一致。例如有经验的演奏者会持续聆听从合作演奏者们那里传来的声响中细微的表现性差异，例如时速控制的起伏波动，力度的渐变以及在发音、音色和音调方面的变化，并对自己的演奏做出相应调整。在乐章或段落的开始处，有些合奏团体或许会通过数拍子之类的言语类（verbal）交流方式来保持一致；而那些更老练的团体则可能会通过呼吸、眼神与肢体动作等非言语（non-verbal）的方式来沟通协调。例如具有很高声誉的瓜奈里弦乐四重奏（Guarneri String Quartet）的成员们就声称，他们的身体动作是经过一段时间在无意识的层次上被彼此所吸纳的，所以他们几乎不清楚在表演中所传递的视觉信号：“我们中的每个人演奏时都具有某种肢体语言。你会明白你同事的想法，并做出相关的回应。很多年下来，其中大部分都成为了直觉。”^⑫

值得指出的是，尽管同步性是大多数合奏合唱团体的首要追求，但同步协调在多个层面上都存在着相对性。^⑬首先，从乐器发声的物理属性来看，由于不同乐器所需要的起音（attack）时间不同，即便是精确同步地开始演奏，乐器出声的顺序也会有几毫秒乃至几十毫秒的先后误差。例如弦乐组的小提琴会比中提琴更敏捷，木管组的双簧管会比单簧管更敏捷等。^⑭其次，演奏者作为普通人类的自身反应时间差异，通常也会带来随机的误差。因此，即便是高水平的顶尖乐团，也无法做到绝对意义上的同步。事实上，如果我们真的采用计算机制作出100%协调一致的合奏合唱表演，反而会让人觉得单调乏味。

在高水平的音乐表演中，声部之间恰到好处的前后错位，经常被用来作为一种表情手段来使用。例如，老一辈的大师们在钢琴上演奏肖邦、李斯特等浪漫主义时期的作品时，左手的低音相对于右手的旋律通常是先行的，这是自由速度（rubato）的一种表现形式。类似的处理原则，有时也会出现在管弦乐团的作品中。例如，维也纳爱乐乐团在演奏《蓝色多瑙河》的第1圆舞曲开头时，在乐谱上标明对齐的竖琴与第一小提琴通常都会或多或少有些错位。图6的声谱图展现了2015年梅塔（Zubin Mehta，1936—）指挥维也纳新年音乐会的现场演奏版本。其中，竖琴明确地把第2小节的柱式和弦演奏成了琶音（把和弦演奏成琶音，也是19世纪浪漫主义乃至更早时代音乐表演风格的典型体现），而第一小提琴则不紧不慢地跟在竖琴的琶音后面进入，这不仅没有引起混乱，反而带来了一种雍容华贵的效果。而其它大多数乐团，通常都会演奏得更为“同步”，但反而失去了重要的表现因素与风格感。

文格洛夫（Maxim Vengerov，1974—）等顶尖音乐家在教学中，经常会从身体姿态的角度来启发学生。例如在2018年梅纽因国际小提琴比赛期间的大师课中，文格洛夫指导13岁的韩国少年小提琴家Nurie Chung演奏伊萨伊的《根据圣-桑圆舞曲改编的随想练习曲》（Caprice d'après l' Etude en forme de Valse de C. Saint-Saëns）时，就有一段关于“邀舞姿态”的精彩讲解与示范。这首作品开头有一段以炫技为主的引子，到了排练记号2附近时才开始进入圆舞曲的律动感觉。文格洛夫认为此处应该采用转向钢琴家的身体姿态，以表现出邀请她加入舞蹈的意向。如图7左侧所示，文格洛夫在示范中不仅有相应的身体姿态，而且与钢琴家之间还有十分默契的目光交流。而右侧是他示范的相反情形，即演奏者背对着钢琴伴奏，没有任何交流，甚至还表现出十分厌恶的姿态。

毫无疑问，即使仅从视觉的角度来看，文格洛夫的讲解也是很有道理的。这里确实应该有一个邀舞的交流性与伴随性姿态，这完全符合音乐的需要。如果我们再进一步对比文格洛夫在这两种情形下的演奏，会发现音响效果也有本质的差别。有邀舞姿态的演奏，开始处的上行音型（伴随着身体向左后方转的动作）更加自然流动，随后四目相接的微妙过程，再加上呼吸声对于空拍的提示，使得钢琴更加敢于把正拍上的D音精准地落在小提琴尚未结束的升F音上，从而与小提琴在第二拍的进入也衔接得更为完美。相比之下，“厌恶姿态”的演奏在速度节奏的自由伸展等方面就显得要拘谨生硬许多。

因此，这里的“邀舞姿态”虽然主要是交流与伴随性姿态，但实际上对于声音的产出与促进也有一定的影响与帮助。在《随想练习曲》随后的教学中，文格洛夫还建议Nurie Chung把图7中一开头的上行音型由下弓改为上弓，因为这样更符合音符上行流动的形态，且在音乐与姿态上都可以显得更为主动。

本文介绍的关于音乐表演姿态与同步协作等方面的理论框架，在舞台表演与日常教学中都具有较大的应用价值。很多通过传统思路难以解决的问题，或者很容易被轻率地归到“乐感”或“直觉”层面的表现力，从姿态或形态的角度去思考往往会有立竿见影的解决方案。

笔者偶然间在网络上看到这样一段视频，一位表情严厉的老师通过猛推小姑娘脖子的方式，教授对传统琵琶曲《阳春白雪》（常见考级曲目）的尾声处理（该视频的可视化分析参见图8，中间的线条图采用Tracker软件^⑮分析了小姑娘头部的纵向运动轨迹）。这段视频给我们的第一感觉可能是，简单粗暴、不可理喻且滑稽可笑。但如果从音乐姿态与形态的角度去考虑，会发现虽然这位老师的教学方法肯定值得商榷，但她的教学目的并非完全没有道理。从乐谱来看，这段尾声整体上是一个非常夸张的慢起渐快，且在每组四个音符上都有一个十分鲜明的节奏重音，因此自然要求有向下的肢体动作来配合，在图8中体现为向下的轨迹与大振幅的重音高度吻合；而倒数第2小节是最后果断终止前的一个十分戏剧性的突然“刹车”，要求以向上的肢体动作来加以配合也在情理之中。事实上，中央音乐学院章红艳教授等诸多名家的处理也确实大致如此，头部与躯干的动作十分丰富；从功能角度来说，这可能包含声音促进、交流（表演者与观众、表演者与表演者）等多种功用。问题主要在于，这种通过肢体动作来强化表演并突出重音的目标，对于低龄的初级学习者来说，有没有更好的教学思路与方法？

如果稍加分析，我们会发现问题的关键在于，需要让学习者找到身体姿态与记谱重音之间的联系。这从心理学角度来说是具身认知，从物理角度来说是利用速度变化所带来的一种自然发力方式。于是，我们或许可以借助灵敏的电子秤等辅助措施，首先帮助学习者感知到竖直方向的加速度所带来的身体重量变化（G’=mg+ma）；而后则可以借助弹性良好的支撑物（例如沙发等），来让他们进一步感知到如何借助身体上下变速运动所带来的自然力量来演奏重音（F=m∆v/t）^⑯。

身体姿态等视觉因素在顶尖音乐表演中所起到的作用恐怕远远超出我们的想象。在2021年第七届中国音乐家协会音乐心理学学会学术研讨会前后，笔者借助“音乐表演”公众号进行了一次十分有趣的在线调查。让网友根据2021年梅纽因国际小提琴比赛少年组5位决赛选手演奏大赛指定委约作品Bound Away（作曲：Mason Bates）第一句的视频，投票选出他们所认为的冠军，并进一步选出视觉因素对他们做出如此判断的影响程度。结果显示，网友根据视频做出的选择与专家们综合更多因素评审出来的结果非常接近。并且，有59%的网友认为视觉因素在很大或较大程度上影响了自己的判断，而只有6%的网友认为自己的判断受视觉因素的影响较小或很小。

当然，这些较为夸张的动作姿态与音响效果以及整体表现力之间有着密切的联系，而非刻意的表演。以最终获得第一名的若尾圭良（Keila Wakao）为例，她采用大拇指的独特拨弦方式，身体在多个方向上的柔韧动作以及丰富的面部表情与眼神，都帮助她呈现出了非常个性化的音色、清晰的分句与声部层次、微妙的和声色彩与戏剧性以及与钢琴之间天衣无缝的衔接配合。简而言之，不同的动作姿态支撑了每位选手独到的音乐处理，比如动作幅度小的选手基本上演奏速度都偏快。如果我们再继续比对，会发现身体姿态的复杂程度与最终的评价高低几乎是成正比的，甚至可以说近年来几乎所有音乐大赛的主要获奖者以及当今音乐舞台上最受欢迎的艺术家，往往均接近于大众视角中的“表情帝（后）”。这些都应证了本文的观点，在一定程度上体现了人类具身认知能力的普遍提升以及多媒体网络传播方式等方面的影响；而身体姿态相对于微妙的音响细节来说通常是更显性的特征，很值得我们在平时的教学实践与赏析评价中引起更高的重视。

总之，在音乐表演中，乐谱、音响与身体是一个有机整体，且音响产出与促进姿态、交流性姿态以及音响伴随姿态之间往往没有明确界限（参见图9），可以共同服务于音乐表演的整体效果以及演奏者之间的交流协作。因此，尤其在如今音乐表演高度依赖网络音视频传播的（后）疫情时代，我们无论是在日常教学还是在舞台实践中，都完全可以采用形态（shape）的理论框架以及各种可视化的方法来进行综合性的构思、记忆与呈现。