Atrybutem, który pozwala uszeregować dźwięki na skali od niskich do wysokich, jest właśnie wysokość dźwięku. W akustyce i psychoakustyce mówi się, że wysokość jest wrażeniem słuchowym ściśle powiązanym z częstotliwością sygnału akustycznego: im wyższa częstotliwość (np. 4000 Hz), tym wyższe subiektywne odczucie dźwięku, a im niższa (np. 250 Hz), tym dźwięk wydaje się „niższy”. To jest bardzo podstawowe, ale kluczowe pojęcie przy pracy z audiometrią tonalną, dopasowaniem aparatów słuchowych i analizą widma mowy. W praktyce klinicznej bada się próg słyszenia dla różnych częstotliwości, właśnie po to, żeby ocenić, jak pacjent odbiera wysokość dźwięku w całym zakresie pasma mowy i szerszym. Moim zdaniem warto mieć w głowie prosty obraz: oś pozioma na audiogramie to tak naprawdę skala wysokości – od tonów niskich (125–250 Hz) po wysokie (4000–8000 Hz). To, że mówimy „ten pacjent gorzej słyszy wysokie częstotliwości”, oznacza po prostu, że jego wrażenie wysokości w tym zakresie jest upośledzone. W aparatach słuchowych też wykorzystuje się tę wiedzę – na przykład funkcje transpozycji częstotliwości przenoszą informacje z bardzo wysokich częstotliwości (których pacjent nie słyszy) do niższych, gdzie jego próg słyszenia jest lepszy, dzięki czemu subiektywnie odzyskuje część wrażeń wysokościowych. Dobre praktyki w protetyce słuchu wymagają rozumienia, że barwa czy głośność są ważne, ale to wysokość porządkuje dźwięki na osi niski–wysoki. Bez tego trudno sensownie interpretować audiogram czy ustawienia w programie dopasowującym.
W tym pytaniu łatwo się pomylić, bo wszystkie podane pojęcia są związane z wrażeniem słuchowym, ale tylko jedno z nich opisuje konkretnie porządkowanie dźwięków od niskich do wysokich. Intuicyjnie część osób myśli o barwie dźwięku, bo kojarzy się ona z „charakterem” dźwięku, tym że pianino brzmi inaczej niż skrzypce przy tej samej nucie. Barwa jednak zależy głównie od widma częstotliwościowego, czyli obecności i rozkładu składowych harmonicznych, oraz od czasu narastania i zaniku dźwięku. To dzięki barwie odróżniamy dwa źródła dźwięku grające tę samą wysokość, ale barwa sama w sobie nie tworzy skali niski–wysoki, tylko raczej „jasny–ciemny”, „metaliczny–matowy” i podobne opisy jakościowe. Podobny błąd myślowy pojawia się przy głośności. Głośność to atrybut związany z poziomem ciśnienia akustycznego, opisywany w decybelach i korygowany krzywymi izofonicznymi. Uporządkować dźwięki według głośności możemy na osi cichy–głośny, ale nie ma to nic wspólnego z tym, czy dźwięk jest niski, czy wysoki. W badaniach audiometrycznych bardzo mocno rozdziela się te dwie cechy: próg słyszenia określa się dla konkretnych częstotliwości (wysokości), a poziom w dB HL kontroluje się osobno. Chropowatość dźwięku natomiast to jeszcze inny parametr psychoakustyczny, związany z modulacją amplitudy i częstotliwości oraz subiektywnym odczuciem „szorstkości” czy „drgania” dźwięku, szczególnie przy modulacjach w zakresie kilku dziesiątek do kilkuset herców. Jest ważna np. w ocenie jakości dźwięku urządzeń elektroakustycznych, ale nie służy do ustawiania dźwięków na skali niski–wysoki. Kluczowym błędem w tych myśleniu jest mieszanie różnych wymiarów wrażenia słuchowego: jeden wymiar opisuje, jak wysoki jest ton (wysokość), inny jak głośny (głośność), jeszcze inny jak brzmi źródło (barwa), a kolejny – jak „gładki” lub „szorstki” jest dźwięk (chropowatość. W dobrej praktyce akustycznej i protetycznej trzeba te pojęcia wyraźnie rozdzielać, bo każde z nich ma inne znaczenie diagnostyczne i inne konsekwencje przy doborze czy ustawianiu aparatów słuchowych.