例如，声音化是基于盖革计数器原理的，并被用作分析太阳风的附加仪器。[32]测量数据是在几天的时间内收集的，并在短时间内以声音形式播放出来。可听结构使人们对太阳风的等离子体和粒子结构有了新的认识，并有助于优化观测方法。[33]应用传统的分析方法根本没有注意到这个关键现象。
3.2 参数化
数据点可以设计成不同的声音来表示一个或多个定性参数。向初学者推荐的一种方法是“音高编码”，其中代码点和音高相互分配。这遵循了音乐符号的惯例：高值作为高音传输，低值作为低音传输。由于这种类比，许多听众可以立即理解这种分类系统。
然而，音调只是实现声音化的众多可能参数之一。许多声音处理同时使用音量、持续时间、攻击噪音和声音质量。已经提到的 Stephen LaPorte 和 Mahmoud Hashemi 所著的《聆听维基百科》的声音化 就是一个很好的例子。[34]它代表了维基百科与其用户之间的实时动态：文章的每次编辑都会以声音（钢片琴，类似于声管）的形式播放。音调表明了编辑的程度。较柔和的声音（合成器弦乐）表示新用户的注册。可以按语言和事件类型筛选事件。听众可以对现场的活动有真实的印象。它与列表或可视化中的信息相同。可听频率使得各国之间的强烈差异尤为明显。
声音化还可以同时描述几个过程。在这方面，托德·鲁博尔德 (Todd Reubold) 的《从亚马逊到北极的气候变化听起来是什么样的》的声音化效果令人印象深刻。[35]它同时将四大洲 100 年来的平均气温变化以声音形式记录下来。音高与平均温度成正比。通过声音几乎可以清晰地听到变化的过程。视频中专业弦乐四重奏的现场表演可以看作是一种自由式表演，因为首先进行了计算机辅助声音化：首先必须根据最高值和最低值将数据缩放到可听频率。在此基础上，即可创建分数。利用类似的原理，劳伦·奥克斯将北美不同树种分布的变化声音化。[36]以压缩形式体验时间过程的能力被证明是声音化的一大优势。
声音化的复杂性可以随意扩展，比如在声音算法的方向上，可以通过改变节奏或和声来对数据流的变化做出反应，就像互动作曲家 Robin [37] 或 Philart Jeon 的Mind Music Machine一样。[38]听力正常的人应该始终有机会了解映射或声音化算法。然而，这对于听力分析来说并不是必需的，因为原则上未经训练的听众也可以检测到异常。
3.3 审美化
例如，通过简单的参数化就可以充分发挥美学设计的自由度，多梅尼科·维西南萨利用欧洲核子研究中心粒子加速器的数据对希格斯玻色子进行了声化[39] ，这证明了这一点。物理测量结果被投射到音调等级上并处理成乐谱。导致发现希格斯玻色子的数据流异常可以听见为一串高而短的音调序列。该音乐采用了哈巴涅拉节奏。尽管这听起来令人惊讶，但声音化也会通过音乐形式发挥其效果。赞助机构GÉANT的报告显示，人们有意识地对现有结果进行实验：“研究人员创造了让结果更容易理解的旋律”。[40]文化记者梅根·加伯（Megan Garber）将此视为“对现有数据的创造性延伸”。[41]从这个意义上讲，人们可以理解Pjotr Traczyk [42]的《希格斯玻色子声音化》，其中相同的数据以重金属即兴重复段的形式呈现。[43]
另一个例子是“使某物有形化是声音化的一个特殊性质”，这个例子是“ Flashcrash Sonification”，它与 2010 年 5 月 6 日的股市崩盘（Flash Crash）有关。 »[它]暗示而不是指示；仅听它并不能为我们提供有关闪电崩盘动态的理性信息。相反，它产生了一种对工作机制的黑暗预感，高频脉冲首先让人回忆起心跳，但很快心跳就加速到无法区分的程度。“ [44]布莱恩·福（Brian Foo）的声音化作品《Too Blue》（2015）以类似方式运作，该作品基于路易斯安那州因气候变化和建设造成的土地流失数据。[45]
最后一个例子还演示了如何通过有针对性地选择参数来使声音化的效果更加戏剧化。声音化货币下跌的声音将 2016 年 6 月 23 日英国脱欧公投当日英镑兑美元的汇率联系起来。[46]每日值（从 6 月 17 日到 7 月 6 日）用钟声表示；这让人想起大本钟。初始值 1.436 USD/GBP 被赋予了中等范围的音调，而最终值 1.289 USD/GBP 被赋予了非常低、几乎听不见的音调。 6月23日至24日期间汇率的突然下跌以滑音（音调的平滑变化）为特征。声音化过程中伴随着评论音轨：前半部分解释了方法，后半部分则伴随着政客们对英国脱欧公投的评论。通过数据剪切和缩放夸张的下降音调创造了一种世界末日的场景。在这里，传达的政治和情感信息显然比具体的数据更重要。
3.4 在家尝试一下！
首次旨在开发声音化的数字人文项目不必从零开始。[47] 目前，数字人文领域仍然缺乏声音编程方面的专业知识。但是，如果您没有机会聘请专家或花时间学习声音编程，您可以求助于现有的软件。免费提供的程序包括Sonification Sandbox、Sonifyer和xSonify。[48]这些允许使用值表创建声音化，可以通过命 乌拉圭电报数据 令行和 GUI 进行控制，并且不需要任何编程工作。对于您自己的基于 XML 的方法，建议您查看一下MusicXML 中 MIDI 兼容部分的定义。 Shawn Graham 关于《编程历史学家》的介绍将有助于实施。[49]
4. 结论
数字人文目前正在以无伴奏无声电影的形式上映。正是在这个创造力至关重要的领域，声音化的潜力迄今为止尚未得到开发。2010 年的 声音化报告已经明确指出，尝试和演示声音化的重要性：
»人们在立体图形超级计算机和 CAVE 上投入了大量资金，但却说›声音不会增加任何东西。‹ 唯一令人信服的论据是有效的声音化。我发现，一旦他们体验过它，就会立即发生思维转变，并且声音化成为界面的自然组成部分（就像从无声电影转变而来一样）。” [50]
人们希望在数字人文学科中测试声音化这一在自然科学中已经建立的方法。声音化提供了充满希望的可能性：通过声音化可以映射和体验的参数的绝对数量和密度强烈支持这个方向的实验。具体来说，声音化是可视化的理想补充，因此可以纳入界面的下一个开发阶段。他们还扩展了分析的可能性，将耳朵的感知特性也纳入其中。最后但同样重要的一点是，他们可以为科学的媒体传播做出贡献。
要实现这一目标，首先要处理其他学科现有的声音化，然后为自己的数据材料开发方法。大胆探索这个新的维度，其背后的动机可能是最终为数字人文学科赋予合适的配乐。