从多重信号加工角度看人类面孔和嗓音吸引力

张 航 李卫君 张积家

（1 广西师范大学教育学部，桂林 541004；2 辽宁师范大学脑与认知神经科学中心，大连 116029）

1 引言

吸引力（attractiveness）是指目标人借助外表的吸引及美感程度， 捕获知觉者的注意并诱发其产生积极的情绪体验甚至接近意愿（Hill ＆ Puts， 2016；Rhodes， 2006； 李鸥， 陈红， 2010）。 现实生活中，拥有高吸引力外表的人通常会被认为具有更多社会所期许的积极人格特质，Dion 等人（1972）将这种刻板印象称为 “美的即是好的”（What is beautiful is good）。有趣的是，Zuckerman 和Driver（1989）发现类似的优势效应也存在于高吸引力的嗓音中，即“听起来美的即是好的”（What sounds beautiful is good）。这两种现象说明， 吸引力的光环效应具有跨通道的一致性， 并且极大地影响着人类的择偶行为和社会认知（Karwowski et al.， 2017）。

目前， 来自不同学科的研究者已经对吸引力的产生机制和影响因素进行了深入探讨。 从研究取向上可以大致分成两类：一类是基于所有者假设，主要分析什么样的面部特征或嗓音特征更具有吸引力，如性别二态性（sexual dimorphism）、对称性（symmetry）和平均化（averageness）等线索特征与吸引力的关系 （Bruckert et al.， 2010； Hill ＆ Puts， 2016；Hill et al.， 2017a； Rhodes， 2006； 李鸥， 陈红，2010）；另一类是基于知觉者假设，研究吸引力的加工方式和神经机制，以及生理、心理和社会环境等因素对吸引力偏好的影响 （寇慧 等， 2013； 吴宝沛等， 2014； 徐华伟等， 2016； 郑怡等， 2017）。不过， 目前大部分研究都仅从单通道视角考察面孔或嗓音的吸引力，很少有研究关注二者的整合加工。由于人际交往在大多数情况下都同时包含了视觉和听觉线索， 因此有必要开展更具有生态效度的吸引力的跨通道整合研究。实际上，来自不同感觉通道的多重信号能增加所有者成功吸引目标的机率， 也能使知觉者避免因信息匮乏而做出不利的决策（Wells et al.， 2009）。本文从所有者和知觉者两个角度对面孔吸引力和嗓音吸引力的相关研究进行梳理， 阐明多重信号对吸引力的有效传递与加工的价值意义，为今后研究者从视听整合角度探讨人类吸引力提供思路启示。

2 吸引力是多感官的共同体验

人脑处理信息的一个重要特征是多模态感觉整合 （Munoz ＆ Blumstein， 2012）。 因此在社会互动中，人脑会将来自不同感觉通道的信号（如面孔、声音和气味等信息） 整合成统一、 连贯的知觉（刘睿等， 2016）。 吸引力也不仅由面孔决定，嗓音甚至体味也同样影响一个人的魅力 （Hill ＆ Puts， 2016；Roberts et al.， 2011； 郑怡 等，2017； 张航，2019； Zhang et al.， 2020）。 吸引力的多感官知觉体现了人类对多重信号的充分利用。 对于知觉者而言， 接收并整合来自不同感官的多重信号有助于获得丰富的信息，提高选择最佳伴侣的可能性。对于所有者来讲， 释放多重信号能充分展现自身的优秀品质和资源优势， 进而提高吸引目标的机会（Candolin， 2003； Ferdenzi et al.， 2016； Valentova et al.， 2016； Wells et al.， 2009）。

根据Partan 和Marler （1999）的观点，生物在通讯过程中传递的多重信号可以分为冗余信号（redundant signal）和非冗余信号（non-redundant signals）（见图1）。 冗余信号是指来自不同感觉通道的信号所传递的信息存在相同的价值和意义， 因而对知觉者产生相同和重复的作用效果。 冗余信号可以降低信息被干扰和削弱的风险， 以保证知觉者在不同环境下做出有效的认知决策。 非冗余信号是指信号之间不具有关联性， 对知觉者产生不同的作用效果，尽管这可能会造成一定的认知消耗，但却更有利于知觉者进行多角度的评估和权衡。 例如，Wells 等人（2013）的研究发现，女性的面孔和嗓音在传递吸引力时存在冗余性， 同时呈现二者信息可以更好地表达自身的生理优势。 而男性的面孔和嗓音属于非冗余信号，面孔主要负责提供生理性信息，嗓音更侧重表达社会性信息， 同时接收两种信号的女性比单独接收一种信号的女性更能准确评估男性伴侣的综合质量。因此，从多重信号加工的角度考察人类吸引力有助于全面揭示吸引力的认知机制， 为吸引力的多通道整合研究提供理论参考。

图1 改编自Partan 和Marler（1999）在Science 杂志发表的多重信号模型

3 所有者角度

所有者即面孔或嗓音的拥有者。 越来越多的研究证据显示， 所有者本身的面孔和嗓音特征是影响吸引力的先决条件（Chen et al.， 1997）。 即使是尚未建立美学文化标准的婴儿也与成人有着相似的面孔偏好 （Boothroyd et al.， 2014； Rubenstein， et al.， 1999）。机器学习对面孔吸引力的预测与人类评定结果的一致性高达0.65（Eisenthal et al.， 2006），说明美的事物具有人类普遍认同的特征， 至少计算机可以据此进行模拟学习。大量的研究表明，性别二态性、 对称性和平均化是影响面孔吸引力的主要特征（Rhodes， 2006； 寇慧等， 2013）。 值得注意的是， 这些特征同样是影响嗓音吸引力的主要因素（Bruckert et al.， 2010； Hill et al.， 2017a； Re et al.， 2012）。 Little 等人（2011a）的研究发现，尽管有吸引力的面孔和嗓音虽然在信息形式上存在差异，但人类对好看面孔和好听嗓音中的一些线索特征（如性别二态性） 的偏好在不同感觉通道中保持一致， 说明好看面孔和好听嗓音可能蕴含和传递相似的配偶价值信息。

3.1 性别二态性

性别二态性是指同一物种不同性别之间明显的特征差别，即特征所有者的女性化（feminine）和男性化（masculine）的程度（Rhodes， 2006）。 一些研究表明， 人类更喜欢具有典型性别二态性特征的异性面孔，即男性拥有男性化的面孔，女性拥有女性化的面孔（Komori et al.， 2009； Little et al.， 2014； Scott＆ Penton-Voak， 2011），这种偏好存在跨文化的一致性（Jones ＆ Hill， 1993），扩大面孔的性别二态性特征会增加所有者的吸引力 （Perrett et al.， 1994；Russell， 2003）。 同样，具有典型性别二态性特征的嗓音也更容易受到异性的青睐 （Collins， 2000；Collins ＆ Missing， 2003； Feinberg et al.， 2008a；Hodges-Simeon， et al.， 2010； Puts et al.， 2011），尽管该特征是通过声学软件人为放大的， 这种偏好效应仍然存在 （Feinberg et al.， 2005； Fraccaro et al.， 2011； Jones et al.， 2010； O’Connor et al.，2012； Puts et al.， 2011）。但对于男性面孔的研究出现了较大的分歧（陈丽君等， 2017）。一些研究发现，被试会给予具有女性化特征的男性面孔更高的吸引力分数（Burriss et al.， 2014； Harris， 2011； Smithet et al.， 2010）。这可能是由于，对典型性别二态性特征的审美偏好主要受到面孔或嗓音所传递的生理和进化优势信息的吸引（Fraccaro et al.， 2013）。而对非典型性别二态性特征的偏好可能是受到知觉者生理或社会经验等因素的影响（DeBruine， 2014），如生理周期（Penton-Voak et al.， 1999），短期-长期关系背景的权衡策略（Gangestad ＆ Simpson， 2000）以及好基因-好父亲的权衡策略等（Lu et al.， 2015）。

从生理因素来看，在睾酮（testosterone）和雌性激素（oestrogen）的作用下，人类在青春期第二性征发育成熟后表现出高度的性别二态性。通常来讲，男性拥有较宽的下颚骨和更突出的颧骨， 女性拥有更圆润的脸颊和更丰厚的嘴唇 （Pentonvoak ＆ Chen，2004； Smith et al.， 2006； 徐华伟等， 2016）。 与此同时， 嗓音特征也随声带和上喉部解剖结构的发育而出现性别差异，男性长且厚的声带振动速率慢，女性短而薄的声带振动速率快， 导致女性嗓音的基频①基频（Fundamental frequency, F0）是复合音中频率最低的谐波成分，是有效区分性别和衡量性别二态性程度的重要指标。 音高(pitch)是基频的主观感觉量。（也称音高）显著高于男性（大约高一倍）（Feinberg et al.， 2011； Puts et al.， 2011）。 由此可见，面孔和嗓音特征的性别二态性都是体内激素分泌状态的外显表达。研究还表明：面孔和嗓音的女性化程度可以有效预测女性体内的雌性激素含量， 生殖能力以及抵抗疾病风险的能力 （Feinberg et al.，2006； Smith et al.， 2006）；面孔和嗓音的男性化程度也可以推测男性体内的睾酮含量， 机体的免疫机能活性以及发育的稳定性（Hill et al.， 2017； Pentonvoak ＆ Chen， 2004； Puts et al.， 2016）。 总之，生理因素是决定面孔和嗓音的性别二态性的重要条件。 人类偏爱典型性别二态性特征的一个重要原因是这些线索能够反映所有者优良的生理信息， 如性成熟、生殖能力和健康状况（Foo et al.， 2017）。

从进化角度来看， 具有典型性别二态性特征的面孔和嗓音蕴含了相似的配偶价值和资源优势。 其中，女性化的面孔和嗓音被认为是年轻、健康和优良繁殖能力的象征 （Feinberg et al.， 2008a； Puts et al.， 2011； Wheatley et al.， 2014）。 男性化的面孔和嗓音则被视为具有男子气概， 更健壮和拥有更大的社会优势（Feinberg et al.， 2005； Hodges-Simeon et al.， 2010）。 不仅如此，研究还发现，男性对女性化面孔和嗓音的偏爱均具有方向性（符合线性模型），即随着面孔或嗓音女性化特征的增大偏爱程度增加。 但是女性对男性吸引力的喜好则不具有方向性，呈现倒“U”型的分布特点。 女性通常不喜欢极端男性化的面孔和基频低于96Hz 的嗓音（Re et al.，2012； Rhodes et al.， 2000）。 原因在于，无论是基于面孔还是嗓音信息， 过于男性化的特征都被认为与消极的人格特质相关，如对婚姻不忠诚（O’Connor et al.， 2011）， 对后代的抚养投入较少以及具有更高攻击性和威胁性（吴宝沛等， 2014）。

3.2 对称性

对称性是指双侧躯体或左右半脸的相似程度。为了有效解释对称性的进化学意义， 研究者常采用波动性不对称（fluctuating asymmetry， FA）来衡量对称性。 FA 是机体在面对遗传和环境压力时，无法保持稳定的形态从而偏离了完美的双边对称（Thornhill ＆ Gangestad， 1999）。 FA 作为一种生物标志能够预测基因质量和健康状况， 甚至是一般智力（Banks et al.， 2010）。 尽管对称的面孔被认为更具有吸引力（Little et al.， 2007a； Little， 2008），但Hill 等人（2017a）认为对称性的美并不总是体现为“对称”本身，即使只呈现半张面孔线索，被试仍喜欢那些原本就是对称的面孔 （Zaidel ＆ Hessamian，2010）。 这说明对称性不只是知觉上的美感体验，同时也是抽象的生物学信号， 反映了目标人拥有优秀的基因，处于良好的环境且进行着稳态的发育。除视觉线索外， 嗓音信息同样承担着优秀基因的外显表达任务，人类的发音器官（如声带，位于喉部的两瓣左右对称的膜状解剖结构） 的双侧对称性也受到发展稳定性的影响（Hughes et al.， 2008）。 临床研究发现， 单侧声带病变导致双侧声带张力不平衡的无规律震动，是造成病理性嗓音（如嘶哑）的主要原因（Eysholdt et al.， 2003）。 此外，所有者的嗓音越具有吸引力，其双边对称性越高（包括面孔、躯体以及内部发音器官）（Abend et al.， 2015）。 Hill 等人（2017b）进一步在哈扎人（坦桑尼亚原始狩猎者和采集者） 身上验证了嗓音吸引力与双边FA 存在负相关。 这说明嗓音吸引力是有效预测对称性的线索，并且具有跨种族的一致性。 不过，两个研究实际并没有直接测量发音器官的对称性，所以未来研究还需进一步精确的测量。 综上，面孔和嗓音的对称性特征提供了部分关于个体基因质量和发育稳态的冗余信号。

3.3 平均化

平均化是指面孔或嗓音与某群体中大多数人的相似程度（Bruckert et al.， 2010； Langlois ＆ Roggman， 1990； Little， 2014； 李鸥， 陈红， 2010）。有关平均化的研究经历了漫长的发展过程。 Galton（1878）利用投射的方式将同一人的多张面孔照片融合，得到了一张更有吸引力的合成面孔。 Langlois 和Roggman（1990）利用计算机合成技术验证了这一结果并提出平均化假设， 认为接近人口平均化水平的面孔更具有吸引力。 Bruckert 等人（2010）使用声音融合技术将语音融合， 第一次证明平均化可以增加嗓音的吸引力。因此，平均化既是影响面孔吸引力也是影响嗓音吸引力的重要因素（见图2）。

图2 平均化对面孔吸引力和嗓音吸引力的影响

平均化对吸引力的作用体现在以下方面：首先，平均化特征代表了人口统计学的集中趋势， 反映了所有者的发育稳定性和良好的适应性（Thornhill ＆Mϕller， 1997），拥有平均化面孔的人也拥有更健康的身体（Little et al.， 2011b）。 但是最近的研究发现，平均化并不能间接地反映所有者的基因质量，而是更直接地体现在外显指标上， 如面部肤色和轮廓的平均化（Lee et al.， 2016）。 还有一种解释是，多张面孔的融合增加了肤质的光滑性 （Little et al.，2011b），因为无论从审美还是进化学的角度，人类都喜欢看起来健康的光滑肤质。 虽然嗓音平均化与基因质量或健康状况的关联性还未得到验证， 但是，Bruckert 等人（2010）的研究发现，平均化可以提高谐噪比（衡量发音器官健康程度的声学参数，比如患有病理性嗓音粗糙的患者和老年人的嗓音谐噪比显著低于常人）。 所以，面孔的进化学观点同样适用于嗓音， 即那些能够反映机体健康和繁殖优势的特征会成为有效吸引异性的信号。在该实验中，平均化使声学时频（spectrotemporal）图像质地变得更加平滑（见图2C）。 这与Fink 等人（2001）提出的面孔光滑性假设（smoothing hypothesis）观点不谋而合，即嗓音中声学参数的规则性就像面孔中皮肤的粗糙程度一样，能够推断一个人是否年轻和健康。 因此，平均化对面孔和嗓音吸引力也有着相同的影响。

综上，能够反映所有者基因优良、身体健康和繁殖优势等特征的面孔和嗓音被认为更具有吸引力。然而，在现实条件下，人类为了有效展现自身优势和吸引配偶，并不会仅依赖单通道线索，而是利用多重信号来提高择偶成功率。其中，冗余信号能加强某种吸引力线索的表达， 非冗余信号可以提供更为全面的信息。 比如，面孔更侧重体现直观的美感，而嗓音更侧重表达支配性（Rezlescu et al.， 2015）或体型大小（body size）①Morton(1977)认为嗓音是向竞争者和潜在配偶表达自身体型大小的有效信号。 动物处于敌对状态时，会使用基频较低的粗犷声音，而处于惊恐或是想去讨好和接近目标对象时，会使用基频较高的声音。 这种利用基频的动机性策略，既可以在对峙过程中警告和吓退敌人，也可以在择偶中吸引和讨好目标对象。 Xu 等人(2013)的研究结果将该理论延伸到人类，认为人们会基于嗓音让人联想到的体型大小来判断嗓音吸引力。。今后的研究可以重点关注视听两个通道信号的整合作用， 从而更深入地理解人类对吸引力的偏好机制。

4 知觉者角度

虽然好看的面孔和好听的嗓音都具有一些固有的特征， 但是吸引力归根结底都是知觉者的主观心理感受。一项双生子研究的结果表明，个人的人生经历是决定其面孔吸引力偏好的主要原因， 再次挑战了审美先天论（Germine et al.， 2015）。 此外，因罹患重病而面临死亡的人会给予面孔更高的吸引力分数， 也说明吸引力很大程度上取决于知觉者的主观标准（Danel et al.， 2017）。 事实上，知觉者的生物学因素 （如性别和生理状态）（Feinberg et al.，2006； Penton-Voak et al.， 1999； Welling et al.，2008）和社会学因素（如经济发展水平和社会文化差异）（Little et al.， 2007b； Scott et al.， 2014），都会对吸引力的认知评价造成影响。值得注意的是，人类对美的感知虽然存在个体差异， 但这种差异性所造成的审美偏好具有跨通道的一致性 （Little et al.，2011a）。此外，知觉者不会单独加工来自不同感官通道的信息，而是进行积极的整合。所以在日常经验的作用下形成了这个人“看起来声音很好听”或者“听起来相貌很好看” 的联觉 （Hughes ＆ Miller，2015）。 研究也证明，男性认为拥有好看面孔的女性同时具有好听的嗓音（Lander， 2008），女性也认为男性的面孔吸引力和嗓音吸引力之间存在相关性（Feinberg et al.， 2008b）。

4.1 生物学和社会学因素

女性的生理激素差异对吸引力偏好的影响具有跨通道的一致性。当女性处于高生殖期（卵泡期）时，对阳刚的男性面孔（Penton-Voak et al.， 1999）和低沉的男性嗓音（Feinberg et al.， 2006）都表现出较高的偏好， 这说明男性化程度高的男性面孔和嗓音都是传递“好基因”的信号。同样，男性在体内睾酮含量较高的时期， 也更喜欢女性化的女性面孔（Welling et al.， 2008）。 不过，Kandrik 等人（2016）的研究并未发现男性睾酮含量影响其对女性嗓音的知觉。作者认为，可能男性的择偶策略较少受到自身生理状态的影响。 另外该研究所使用的刺激材料的嗓音吸引力的差别阈限 （20%） 较为接近Re 等人（2012）建议的最小差别感觉阈限（18%），可能导致被试对嗓音吸引力的变化不敏感。所以，生理激素是否影响男性的审美偏好还需进一步探究。

在社会学因素中， 知觉者的审美评价受到两种关系背景的影响：一种是短期性伴侣的选择，一种是建立长久而稳定的家庭。 受短期择偶动机驱使的女性， 更倾向于选择刚毅的男性面孔和低沉的男性嗓音； 而受到长期择偶动机驱使的女性表现出相反的选择偏好 （Feinberg et al.， 2006； Little et al.，2002）。 多元权衡策略可以较好地解释这种现象，女性在短期关系中更侧重“好基因”的特质，而在选择长期伴侣时，优先考虑“好父亲”的特质（Lu et al.，2015）。 男性的择偶策略也会受到关系背景的影响，相比于选择长期固定的恋爱对象， 在选择短期的性伴侣时会更加偏好女性化程度高的面孔 （Bird et al.， 2016）和嗓音（David A Puts et al.， 2011）。 此外， 情境因素如疾病威胁也会影响知觉者的审美偏好，女性对病菌的厌恶感越强，越偏好男性化程度高的面孔和嗓音（Jones et al.， 2013）。以上证据说明，生物学和社会学因素对人类审美偏好的影响具有跨通道的相似性。

4.2 心理加工模式

大脑的组织原则具有高度吝啬性（parsimonious）（Ellis， 1989），不仅表现在处理不同感觉通道信息时会采用相似的加工策略 （Belin et al.，2011），还表现在对面孔吸引力和嗓音吸引力采用相似的编码方式和认知模式（Yovel ＆ Belin， 2013）。Valentine （1991） 提出的面孔空间模板编码理论认为， 人脑将面部特征性信息编码为多维坐标空间上的向量， 通过与已经存在的参照模板进行比较可以解码出该面部特征的意义。其中，距离参照模板越近的面孔越有代表性， 大脑对它们的知觉加工也更加流畅。事实上，人类对于客体知觉的流畅性的偏好恰好是我们体验到美感的关键要素（Oppenheimer，2008； Winkielman et al.， 2006）。

同样， 嗓音特征信息也被编码为多维声学特征空间中的向量， 包括嗓音吸引力在内的认知判断都要基于被表征的位置。 关于嗓音的表征方式存在两种观点。早期人们认为嗓音是基于样例编码，即声学特征空间中储存了一个嗓音样例， 如果知觉到的嗓音与好听样例越相似其吸引力就越高。 这种编码方式可以较好地解释经验的作用， 但是无法解释平均化可以增加嗓音吸引力这一现象（Petkov ＆ Vuong，2013）。 另一种观点是基于模板编码，认为声学特征空间就像一个多维坐标系， 原点位置储存着一个典型的嗓音原型（平均化），其它嗓音按照声学特征分布于原点周围的坐标系上 （Latinus et al.， 2013）。模板编码理论可以较好解释平均化提高嗓音吸引力的现象。 例如，Bruckert 等人（2010）的研究发现，平均化程度越高的嗓音越趋近于坐标的中心位置，而未被平均化或平均化程度较低的嗓音则分散在四周。 如果将坐标轴中每个嗓音所在的位置与中心原点之间的距离定义为离心差（distance to mean），可以发现离心差与吸引力的高低呈显著负相关。 这与面孔吸引力的面孔空间模板编码理论类似， 即面孔和嗓音特性越接近于人群中最具代表性的原型，就越被知觉为更具有吸引力。所以，基于模板的编码方式可能存在跨通道的一致性。

4.3 认知神经基础

人脑对面孔信息的识别具有重要的生存意义，这在ERP 和fMRI 的研究中都得到证实。 与非面孔视觉刺激相比，面孔呈现后的130 到200ms 可以记录到N170 成分（Itier ＆ Taylor， 2004），并能显著激活位于梭状回中部、 枕叶外侧区和颞上沟后部的面孔识别区 （face-selective brain areas；Kanwisher＆ Yovel， 2011）。 有趣的是， 与非嗓音听觉刺激相比， 嗓音也会在200ms 左右记录到颞顶部正成分（FTPV； Charest et al.， 2009）， 并显著激活位于颞上沟前部和中部以及颞横回的嗓音识别区 （voicesensitiveregions； Belin et al.， 2002）。 此外，有吸引力的面孔相较于无吸引力的面孔会诱发早期负成分（EPN） 和晚期顶叶正成分 （LPC； Werheid et al.，2007； 张妍等， 2010）。有吸引力相较于无吸引力嗓音也会诱发相似的脑电特征（Zhang et al.， 2020）。这些电生理和脑成像的证据说明， 人脑对面孔和嗓音采用相似的加工模式， 以至一些研究者把嗓音形象比作是一张“听觉面孔”（Auditory face； Belin et al.， 2002）。 实际上，视觉面孔和“听觉面孔”能共同反映所有者的身份、情绪和吸引力等信息，对两者的整合加工也是人类适应环境的认知基础 （Yovel ＆Belin， 2013）。

面孔吸引力的研究发现， 高吸引力面孔会导致大脑中的奖赏系统活动增强， 如面孔吸引力与内侧前额叶区域的激活效应呈线性正相关（O’Doherty et al.， 2003）。在嗓音吸引力的研究中，前额叶、梭状回以及左半球枕叶中部区域被显著激活（Bestelmeyer et al.， 2012）。 值得注意的是，梭状回被认为是面孔加工的中枢（Kanwisher ＆ Yovel， 2011）。 这说明，尽管处理面孔和嗓音信息的感觉通道是相互分离的解剖结构， 但是两者在认知功能上存在很大的重叠性。这可能是因为在日常生活中，人类需要多感官协同参与整合多重信号。此外，面孔吸引力和嗓音吸引力都激活了背内侧前额叶区域 （Hensel et al.，2015），该区域被认为是社会脑（social brain）的核心（Amodio ＆ Frith， 2006）。 所以，人脑对面孔吸引力和嗓音吸引力的加工可能存在相似的神经基础。

5 总结与展望

从多重信号加工角度考察人类吸引力， 能为吸引力的跨通道整合研究提供借鉴。首先，来自不同感觉通道的吸引力信号虽然具有不同的物理性质，但其本质上都是对所有者基因质量、身体素质、成长环境甚至人格特质等信息的外显表达， 知觉者会将这些多重信号有效地综合利用。但是，由于信号间的性质或通道差异， 一些信号可能会在吸引力的判断中起决定性作用，如面孔吸引力的优势效应（Rezlescu et al.， 2015）。但这并非代表其它信号不重要。同时呈现好看的面孔、 好听的嗓音甚至好闻的体味都能够显著增加吸引力（Ferdenzi et al.， 2016）。 其次，人脑对面孔和嗓音信息的加工可能采用相似的编码模式和加工策略。 人脑中也存在着对跨通道信息整合的特定区域， 如颞上回被认为是负责整合面孔和嗓音信息的主要脑区（Campanella ＆ Belin， 2007），未来开展吸引力的视听整合研究需要充分考虑相关区域的作用。最后，吸引力是所有者和知觉者相互作用的结果。一方面，所有者的面孔和嗓音特征决定了吸引力信号质量的优劣。另一方面，对吸引力信号的最终评价会受到知觉者的生理状态、 认知标准和社会环境等因素的调节。此外，所有者也会根据知觉者的反馈不断调整自己的状态， 如面部的装扮和声调的调节（Fraccaro et al.， 2011）。 所以未来对吸引力整合加工的研究，既要考虑多重信号之间的关系（冗余或非冗余）， 也要关注人际互动等生态效度的影响。

目前有关人类吸引力的研究， 主要从单一视觉通道或听觉通道进行考察。 在取得了重要进展的同时， 可以看到仍然有诸多问题值得进一步探讨。 例如，在现实生活中，我们很难想象一个外表刚毅的男人是个娘娘腔， 也很难接受一个美丽娇艳的女生是公鸭嗓， 这反映了人类信息加工的期望违反效应（effect of violated expectations）。 fMRI 的研究表明，纹状体是负责评估和预测错误信号的脑区， 当出现期望违反时这个区域会被显著激活 （Harris ＆Fiske， 2010）， 如果同时呈现的面孔和嗓音在吸引力上出现不一致时，纹状体是否也会参与？根据经典的“麦格克效应”（Mcgurk ＆ Macdonald， 1976），当人的视觉和听觉获得的信息不一致时， 人会优先提取视觉信息，即听觉在很大程度上受视觉信息影响。那么当面孔吸引力和嗓音吸引力信号产生冲突时，其加工方式又会是怎样的？ 人们常说男性是视觉动物，女性是听觉动物。那么男性和女性在同时加工听觉和视觉两个通道吸引力信息时， 是否男性更依赖视觉信息，女性相对更依赖听觉信息？这些问题的探讨有助于揭示多重信号对人类吸引力加工方式的影响。

最后， 当前研究者更多关注所有者本身所拥有的面部特征和嗓音声学参数所代表的进化意义，相对忽视知觉者对这些信号的加工。在很多情况下，性吸引并不是决定吸引力的唯一因素 （Franklin ＆Adams， 2009），今后的研究也要关注面孔和嗓音所蕴含的美学奖赏信号， 并进一步揭示人脑对这两种信号的加工模式和神经机制是否存在差别。此外，视听整合的研究认为注意的状态影响整合的结果，只有当被试的任务是分配性注意（同时注意视觉和听觉信息），才会易化对目标的反应，即出现双通道加工信息更快的冗余信号效应 （the redundant signal effect）。 而采用选择性注意的任务（只注意视觉信息或只注意听觉信息）则没有此效应产生（顾吉有， 吕勇， 2016）。所以注意的状态很可能会对吸引力跨通道信息整合的研究结果造成影响。总之，不止拥有好看的面孔可以吸引目标， 拥有好听的嗓音同样会让对方“一听钟情”。 从多重信号加工的角度考察人类吸引力， 有利于进一步揭示吸引力的加工机制和整合方式。 同时，在研究时考虑人的主观能动性，尤其是所有者和知觉者的相互作用，对全面、详尽地探究吸引力的影响因素， 以及解释和预测吸引力的光环效应对社会性行为的影响也非常重要。