当我们听一首悲伤的歌曲时，我们都会越听越纠结，甚至有一丝丝的哀伤袭来。比如王菲的《暗涌》，这样的曲调，相信大家都会有类似的感受。
然而，当我们找个完全不懂中文的人听《暗涌》，他会听出怎样的情感呢？由于听不懂歌词，只能靠乐曲本身的旋律来感受其中的情绪，他真的会和我们同样觉得首歌哀伤吗？这问题实情牵涉了音乐与情感之间微妙而不易言喻的关联。
一般来说，我们听流行音乐，都能从歌词本身了解到歌曲想表达什么信息与情感。假如对歌曲的诠释有争论，我们可以通过歌词的分析与讨论，以确定歌曲想要表达什么。但当抹去歌词，只有纯音乐，那又会怎样呢？
不同文化的人都能听出同一情感
脑神经和心理科学家对这个问题很感兴趣。他们想了解音乐和情感之间是否真的有紧密关联，其中一种办法就是测试跨文化的人是否听出同一情感。例如心理学家AM Unyk就找了西方许多不同文化的婴儿做摇篮曲的测试。这些婴儿有来自非洲、美洲、萨摩亚、乌克兰等地。研究人员发现，只要音高下倾，同能安抚跨文化的婴孩；音高上升，则同会使跨文化的婴孩兴奋。
这样的发现令更多心理科学家从事跨文化音乐的研究。这些研究都表明，来自不同文化背景的人对纯音乐或外语歌曲的情感表现都高度一致，尤其是当音乐表现高兴、哀伤、愤怒、恐惧和亲切的情感时，听者对其表现情绪的一致性相当之高（Aniruddh D. Patel, 2008）。譬如当音乐的节奏明快、强度低但变化多、基频高而变化大、微细结构具有不规则性时，这些不同文化的人都听出是表现恐惧。
这样的研究指向一个事实：既然不同文化的人听同一首音乐，都会听出同一种情感，则音乐和情感确实存在某种本质或普遍的关系。但是，这是如何可能呢？
柏拉图︰音乐模仿人类表现情感的声音
这个问题早在古希腊时代就让哲学家柏拉图注意到。柏拉图认为艺术是模仿真实世界的各种东西，正如戏剧就是模拟人生。音乐也不例外，它的声调音阶主要是模仿（模拟或再现）人类的声音。
按照柏拉图的观点，一首音乐之所以令所有人都听得出是哀伤，是因为这首音乐模仿了人类哀伤时的声调音阶。这个解释似乎很符合我们的直觉，譬如人类情绪低落时声调语速自然会偏向低缓，因此音乐的旋律偏向低缓时，就会反过来唤起人们的低落情感。因此，柏拉图认为音乐要表现哪种情感，就模仿人类处于这情感状态时的声音则可。现代歌剧的始祖，卡梅拉搭会社（Camerata）的贵族成员，正是依据柏拉图的音乐美学思想去编曲。
不过，如果我们把上述的解释再仔细推敲下去，会发现这种解释预设了音乐的情感作用是来自于人类的同情与联想能力。譬如，一位作曲家按照柏拉图的建议尝试写一首表现哀伤的音乐，于是他在作曲时模仿了人类哀伤时的声调音阶，但最后听的人的联想力不好，没听出其声调音阶与人类情绪低落时声调语速相似，那么这首音乐对那人来说就不算是哀伤。因此，某首音乐与特定的情感并没有必然关系，一切取决于听者是否拥有同样的联想力。
汉斯力克︰音乐与表现情感没有必然关系
著名的音乐思想与评论家汉斯力克（Eduard Hanslick）同样认为音乐的本质与情感无关，某首音乐并不必然表现某种特定情感。汉斯力克承认音乐有时能唤起人们情感，但这不是音乐本身所发挥的作用。
为了解释为何音乐本身并不发挥情感表现的作用，却又能唤起人们情感；汉斯力克区分了“表现情感”和“唤起情感”这两个概念，他否定音乐（本质上）能表现情感，但承认音乐有时能够唤起情感，但原因并不取决于音乐的内容本身，而是基于以下两个原因：
音乐具有某种他称之为“动力特征”的特性，譬如一时加速一时又减速，一时增强一时又减弱。人类的心灵很容易将音乐的这些动力特征与具有类似动力特征的情感联系起来（例如节奏明快的旋律容易令人联想起欢乐），但这种关联只是聆听者自己的偶然联想。
如果一个人在特别快乐／悲惨的时刻，第一次聆听某首音乐，那么日后那个人重听同一首歌，便很可能会令其联想到快乐／悲惨。但这些偶然的个人联想与那首曲的内容或形式没有本质上的关系。
但是，如果音乐的“情感作用”真的只取决于听者的联想力，那又怎样解释人类普遍一致地认为某首音乐是哀伤的？其中一个可能回应是，这或许因为大家的联想能力差不多。然而，这解释并不受到多数理论家欢迎。毕竟，对于许多人来说，当他们说“这首音乐是哀伤”时，该音乐的内在结构就与哀伤这情感有着本质的关系，或者说该首音乐本身的确在表现着哀伤的感情，而不是听出该首音乐近似于某种人类悲情时的声音状态，然后通过联想或“同情”才感受到该首音乐是哀伤。
亚里斯多德、叔本华︰音乐模拟情感本身
对此，哲学家亚里斯多德、叔本华与汉斯力克持明显相反的意见，他们认为音乐的情感作用并不是发生在人类的联想能力，而是音乐本身就内含情感结构，或者说，音乐本身就拥有情感特征，所以我们一听该首音乐，就立即听出某种情感出来。对此，亚里斯多德和叔本华主张，音乐并非模拟人类的情感声音，而是模拟情感本身。
不过这种说法实在有点不知所云，什么叫模拟情感本身？
首先，当我们说音乐模拟／再现人类声音，这很容易理解，因为是声音（音乐）模仿声音，这犹如一幅写实的画模拟／再现现实世界的图象；“X模仿Y”似乎预设了X和Y都属于同一范畴（声音模仿声音、影象模仿影象）。但说音乐（声音）模仿情感，这就不知是什么意思。
第二，当我们说“X拥有情感特征”，必要条件是“X拥有某种心智能力”，音乐作为死物自然没有心智能力，说“一首音乐很哀伤”并不能像“我很哀伤”一样，可以取字面意义上的意思去解读。“一首音乐很哀伤”的意思可能只是在表达“我听完这首音乐，感到哀伤”。
基维的音乐轮廓理论︰音乐有着情感表现的轮廓
为了解决音乐与情感的难题，当代的音乐哲学家开始很认真探究其中的关联。其中，知名的音乐哲学家基维（Peter Kivy）提出了一个非常有趣的音乐哲学理论。他认为音乐本身确实拥有情感特征，当我们说“一首音乐是哀伤”，就类同于“苹果是红色的”一样。换句话说，不是我们通过联想或同情的能力才听得出一首音乐是哀伤的，而是那首音乐本身是哀伤，所以一听就听得出它是哀伤的，这就像我们不是通过联想才感知到苹果是红色，而是一看就看到苹果是红色的一样。但这是如何可能的？
基维要我们先考虑一下圣伯纳犬（Saint Bernard），他们的脸颊看起来就很哀伤。我们不会说他们真的正在哀伤，因为他们内心可能正愉快中呢，只是脸颊（无奈地）还是老样子的一副哀伤的样子。但无论他们内心再快乐，我们仍然会说“他们的样子很哀伤”、“他们的样子表现哀伤”。换言之，哀伤是圣伯纳犬脸容本身具有的特征。
基维认为音乐的结构或特征就类同于圣伯纳犬的脸颊上的特征。我们听到一首音乐是哀伤的，就是因为该首音乐拥有某种“轮廓／样子（内在结构、形构）”，这些“轮廓／样子（内在结构、形构）”有着哀伤的情感特征，所以我们一听就听到该首音乐表现着哀伤，这正如我们一看圣伯纳犬的脸颊就看到哀伤一样。由于这样的类比，基维把自己的音乐理论称为“轮廓理论”。
模仿理论与轮廓理论之别
现在，让我们更仔细阐明这轮廓理论。圣伯纳犬的脸颊之所以表现哀伤，是因为他们脸颊的各种特征诸如眼睛眉毛、耸动的下巴赘肉、嘴、耳，构成了和人类哀伤相类似的特征（更恰当地说，更夸张化人类哀伤样子），于是我们能直接看出（感知）这是“哀伤”（的样子）。音乐也有类似的“轮廓（形构、内在结构）”，这些“轮廓”可能部分来自于音乐的旋律、速度，譬如柔和、拖曳、缓慢、小调这些特征组合起来便成为有着哀伤的“声音轮廓”，于是人们一听就听得出哀伤。
有读者可能会疑惑，按照这样的说法，柏拉图的模仿理论与轮廓理论的分别在哪？说“该音乐再现／模仿着人类哀伤时的声音语调”，与“音乐拥有着情感特征（的形构）”的分别是什么？
考虑一下一幅再现我哭的样子的画（即一个画家根据现实我哭的样子写实地画下来），人们看到画中我哭的样子，就会说这画再现了我哭的样子，但这幅画是否表现了哀伤，则不能仅从画中我的样子而定，因为可能画家想嘲笑我哭得难看也不一定。但当基维说“音乐拥有着情感（这知觉）特征”，就像说一幅用上红色油彩画的画拥有着红色这知觉特征一样：人们一看画就看到红色，如人们一听歌就听出情感。
换言之，虽然音乐的轮廓理论和模仿理论同样会认为我们之所以听出音乐是哀伤，是基于音乐的某些内在结构与人类的情感声音相类似，但两个理论还是有着重要而微妙的区别：
模仿理论主张，音乐的情感作用必须依赖听者的联想力唤起情感（这首歌听起来很像我哭时，于是这首歌令我感到哀伤），如果没有相应联想，就不会感到音乐是在意图唤起什么情感；
轮廓理论主张，音乐内在地拥有情感特征（这首歌拥有哀伤的轮廓／知觉特征），因此听者是直接感知到（听到）音乐的情感特征，而听出该音乐是哀伤。
后者有一个例证，即很多时候我们听一首曲，即使没有注意到一首曲的声音结构和人类情感的声音语调是否相似，或者该首曲在模仿着什么人类的情感声音，也会直接听到该首曲是哀伤还是欢快。
