為什麼黃色和藍色混一起可以看出綠色，而 do 和 mi 一起按下去卻聽不出 re 來？

12-02

已有的答案里，大部分答案沒有答在點子上：這個問題與橫波、縱波無關，與波形也沒有關係。@Vichare Wang 對於視覺原理的解釋是正確的，不過聽覺部分（頻率解析度）也沒有抓到要害。

簡而言之，問題的答案是這樣的：人的聽覺，感受到的就是聲音的頻譜，而do+mi的頻譜與re的頻譜完全不同。人的視覺，感受到的是光譜在3個基上的投影，黃、藍顏料混合後反射光的光譜與綠色顏料的反射光譜雖然不同，但在這3個基上的投影是相似的，人對它們的感受也就相似。

下面慢慢分解。

先說聽覺。人耳中對聽覺最重要的部分是耳蝸，耳蝸里有個基底膜（basilar membrane），跟耳蝸一樣的是捲起來的。它的不同部位能夠感受到不同頻率的振動（範圍為20 Hz ~ 20 kHz），哪裡興奮，哪裡就會把神經衝動傳遞給大腦。於是，人腦接收到的聽覺信號就是20 Hz ~ 20 kHz內的完整頻譜。假設人耳的頻率解析度為1音分，那麼聽覺信號實際上是一個12000維的向量（20 Hz到20 kHz約為10個八度，即12000音分），總之是個高維向量就對了。

我們平時說的一個音符，往往不是只有基頻分量，而是也有各次諧波分量。如果只有基頻分量，那麼聽起來就是電影中出現不和諧詞時的那個「嗶」聲。下面這張圖，是泰坦尼克號主題曲《My Heart Will Go On》前奏的前3個音（E調高音do、re、mi）的頻譜，基頻約為659 Hz、740 Hz、831 Hz。可以看到，在基頻的2、3、4倍等處，有諧波分量存在。

從圖中就可以看出，do和mi的頻譜混合後，跟re的頻譜完全不一樣，所以人耳不會把do和mi的混合聽成re音。實際上，如果按上圖的比例混合，mi比do強得多，所以人耳就只能聽到mi。如果把它們調整到差不多的強度再混合，受過音樂訓練的人能識別出這是do和mi兩個音，沒有受過音樂訓練的人就不會描述他們聽到的音了。

（ @幾用來包提醒：do和mi的頻譜混合時，並不是圖中藍、紅兩條曲線直接疊加，因為這兩條曲線只表示了幅度，沒有表示相位。不過，對於圖中的例子，在大多數頻率處，do和mi中的一者幅度幾乎為零，疊加後的幅度就約等於另一者在此頻率處的幅度。但在3300 Hz處，二者都有一定的幅度，疊加時就必須考慮相位了）

再說視覺。光信號也是具有光譜的，有的是窄譜信號（比如激光），有的是廣譜信號（比如太陽光）。這是在網上隨便找的一張太陽光譜：

但是，人眼不像人耳那樣，對於每個頻率（波長）都有專門的感受器。人的色覺是由視錐細胞產生的。人眼中有三種視錐細胞，它們並不是專門感受特定頻率（波長）的，而是對一定範圍內的光都敏感。不同頻率（波長）的光，對三種視錐細胞的刺激程度不同，可以用 @Vichare Wang 答案中的圖來表示：

比如，波長為630 nm的激光，會較強地刺激L細胞，較弱地刺激M細胞，幾乎不刺激S細胞；波長為540 nm的激光，會較強地刺激M細胞，稍弱地刺激L細胞，幾乎不刺激S細胞；波長為580 nm的激光，會較強地刺激L細胞，稍弱地刺激M細胞，幾乎不刺激S細胞。這三種激光，在人眼看來分別是紅、綠、黃色。現在假設有一種光，它的光譜在630 nm和540 nm處都有峰值。當這兩個峰值比例適當的時候，這種光對三種視錐細胞的刺激效果，可以跟單獨的580 nm的激光刺激效果相同，人眼也會覺得它是黃色。這就是光學上「紅+綠=黃」的原因。自然界中的黃色物體，光譜是多種多樣的，但人眼不能感受到完成的光譜，只能感受到光譜與上圖中三條曲線的「內積」，顏色空間只有三維。這個三維空間中的不同區域，被人們起了各種顏色的名字。不同的光譜，只要與三條曲線的「內積」差不多，就會被感知成同一種顏色。光的混合和顏料的混合還有一點不同。光的混合是加性的，每個光源的光譜是加起來的；而顏料的混合是減性的：一張白紙，它的反射光譜是平的；顏料可以吸收光，每塗一種顏料，就會從光譜中「摳」去一部分。碰巧，黃色和藍色顏料各自吸收一部分光之後剩下的光譜，跟綠色顏料吸收光後剩下的光譜對人眼三種視錐細胞的刺激程度類似（但光譜本身不一定相似），所以人眼就會把黃、藍色顏料的混合看成綠色。

我來拋磚引玉。

簡單的說，因為人類對視覺和聽覺感受的原理不一樣。

首先說視覺：

人眼中的視錐細胞和視桿細胞都能感受顏色，一般人眼中有三種不同的視錐細胞：第一種主要感受黃綠色，它的最敏感點在565納米左右；第二種主要感受綠色，它的最敏感點在535納米左右；第三種主要感受藍紫色，其最敏感點在420納米左右[1][2]。視桿細胞只有一種，它的最敏感的顏色波長在藍色和綠色之間。

from wikipedia.
如果不同波長組合的光剛好對人眼的視錐細胞和視桿細胞的刺激組合相同，我們就會認為是同一種顏色。

不同的光譜可以在人眼中產生同樣的顏色感，比如日光燈的白光是由幾個相當窄的光譜線構成的，而太陽光則是由連續的光譜構成的。就其光而言，人眼無法區分兩者。只有當它們反射在不同顏色的物體上時，我們才看得出來一個是日光燈的光，一個是太陽光。

再說聽覺：
我對聽覺的原理並不是很了解，再摘一段wiki：

對聲音的頻率如何在耳蝸進行分析曾提出過多種假設，但基本上可概括為兩種觀點：①不同頻率的聲音興奮基底膜不同部位的感受細胞，興奮部位是頻率分析的依據，有關頻率的信息以衝動發放的空間構型來傳送；②不同頻率的聲音使聽神經興奮後發出不同頻率的衝動，衝動頻率是聲音頻率分析的依據，有關信息以衝動發放的時間構型來傳送。前一觀點叫做部位機制，後一觀點叫做時間機制，兩觀點不是互相排斥，而是互相補充的。各種學說的一個共同缺點是只著眼於耳蝸，而頻率精確分析的機制是不能脫離中樞，單在耳蝸水平上尋找的。

簡單地說，人耳對不同的頻率能夠分開識別。人耳對聽覺的分辨能力在1000赫茲以下為1～2赫茲。而在220赫茲(低音la)附近每相差一個半音頻率大概差9赫茲。頻率越高每個半音的差距也越來越高。do和re，re和mi之間各差兩個半音，遠遠大於人耳的分辨能力。所以人耳能夠很準確地分辨出每個半音。

因為對人來說，顏色是三維的，光譜被三個線性泛函（色彩匹配函數）內積之後得到三個顏色分量；而音調是無窮維的，沒有那些線性泛函

人類對色彩這個頻率特徵的感知是由紅、綠、藍三個基本單位疊加混合而成的，其生理原理在於視網膜視錐細胞中含有的三種特異性感光蛋白。換句話說，人對色彩的感覺是量子化的，是不連續的。除正紅、正綠、正藍以外的顏色，都是通過刺激兩種以上的感光蛋白強弱的不同，人腦自動計算出來的。因此，對於感綠光蛋白，把藍光和黃光的頻率平均化以後的刺激效果，和直接用綠光的頻率的刺激效果是一樣的，這種現象是可以出現的。

人類的聽覺最終信號轉化器官是耳蝸，確切到細胞是耳蝸管道內側附著的毛細胞，這類毛細胞的分布，從感低頻聲音，到感知最高頻聲音，是連續分布的。雖然人的聽覺有一段最敏感的區域（大概就是C調do附近），但是全範圍來講並沒有出現明顯的峰值，而且一般樂器的音域，對於人耳的聽閾來講，是很窄的一段，因此人耳聽各種音符的敏感程度幾乎是一樣的，也就可以分的清楚同時發出的兩種頻率，自然不會發生混合效果了。

因為我們聽到的絕大多數聲音都是「混合」過了的，
而且所有聲音的混合的模式都是類似的
即：
假設純音do是黃色
純音mi是藍色

但通常我們樂器演奏出的do其實是已經混過了的黃綠色了
再彈個mi，不過是讓黃綠色變成藍綠色而已。

不過，鋼琴上兩個半音一起演奏，是可以得到一種讓人感覺「介於兩者之間」的錯覺的音符的，當然，放在和聲里這個結果會是更複雜的。而且上面那個也只是錯覺，而且因為和泛音列不符，彈出來聲肯定不太悅耳……

題主這個問題腦洞挺大的。。作為一名音樂學院的學生，我的想法是。在我的認知範疇裡面，我認為兩種顏色疊加，會產生新的效果，就是新的顏色；而在音樂上面，音的疊置，同樣會產生新的效果，例如常說的和弦，就是三個或以上的音按照三度疊置而產生的。不過產物在音樂上又另外的定義（不像顏色疊加還是顏色），兩個音疊置會產生音程，三個或以上可能會和弦。而且有不同的是，相比起顏色的相對完全混合，音程或和弦里音保持比較高的獨立性，當我們聽到音程或和弦的時候，我們還是能聽到單一的音高（例如C和弦中，do mi so同時發聲，仍能清晰區別出do mi si的音高）

這個問題其實有邏輯問題，你簡單的把三原色和混合色類比為音高do、mi、re。實際上是不能這樣類比的。

do、mi同時按下去所得到的是混合了兩個音高頻率的複合音響，這就是你所想要的「綠色」。

如果你同時按下do、mi、sol可能還能得到明亮的紫色呢。可能你感受不到，但有人可以，比如梅西安。

我從生物結構與功能的角度來分析一下。

眼睛與耳朵巨有類似的功能，即從外界獲得信息。但光波與聲波有一個重要區別，波長不一樣，光波的波長短，聲波的波長長。光波波長在零點幾個微米，相對於眼鏡尺寸很小，所以視覺可以成像；人耳能分辯的最短聲波長度約 17mm, 相對於耳孔也很大，聽覺便沒辦法成像，聽覺器官只相當於視網膜上的一個像素點。在這一點上視覺能獲得的信息就比聽覺高了兩個維度，既便除掉顏色，視覺能獲得的信息也相當可觀了。為此耳朵必須作出功能上的補償，準確識別聲音頻率成為必然。不但如此，大腦對於聲音的處理功能也比較強，可識別時間尺度上的特徵。相反，如果大腦還要識別無線維的顏色，那信息量太大了，處理不過來，現有的三維顏色已經很好了，弱光條件下，還會自動轉換成一維顏色。

視覺比聽覺能獲得信息多那麼多，是否可以舍掉聽覺呢。這明顯是不行的，因為信號源不一樣。聲波由於波長長，繞過障礙的本領也比光波強得多，它能提供光波不能提供的信息，這對於生物躲閉敵害相當的重要。還有一個人類沒有利用到，但有些生物可以利用的信息，紅外線，它是有體溫高於周圍物體的生物所發射的電磁波。有紅外線探測本領的蛇，晚上看老鼠就像看個燈泡那麼明顯。

另一些利用機械波來進行「成像」的動物，如蝙蝠，海豚，用的都是超聲波而不是聲波，這也是因為超聲波具有更小的波長，才能達到更高的定位精度。

首先頻率是不能相加的（線性情況下，最後有補充）。
就是物理上說，100hz和200hz的聲音混合不出別的頻率來，光也一樣，黃光和藍光在物理上是沒法變成綠光的。

人的眼睛有三種視錐細胞，對不同頻率光的響應都不一樣，人眼看任何光，是靠這三種細胞對不同頻率光的響應強度來「猜」的。所以三色光的混合其實只是對人眼的hack，並不是物理定律。

換種生物，比如鳥類好像是4種視錐細胞（另外可以百度四色視者），他們看到的電視節目的色彩跟人類可能就不一樣了。

聲音沒這種現象是因為人耳就是連續取樣的，從低到高的頻率人耳都有對應。

ps 當一位四色視者是一種怎樣的體驗？ - 生物學

pss 評論區car egg 糾正有混頻的存在，兩個頻率的波可以混出兩頻率和或差的波。這點不影響眼睛看光的原理。至於do(256hz)和mi(320hz)能不能混出re(288hz)來，看我後邊標的頻率，並不能。至於在什麼情況下才會發生混頻（除了電子的混頻器），期待大神解答。

黃色和藍色混一起可以看出綠色
do和mi一起按下去永遠發不出re來。
這與耳朵和眼睛的生物構造無關。
和物理有關，甚至和題目裡面包含了一個小陷阱有關。

先說小陷阱：
」do和mi一起按下去永遠發不出re來。「
意思是：「你同時按下do和mi，你耳朵也不會聽見re。
那麼相同的句型是：「你同時畫出黃色和藍色，你眼睛也不會看見綠色。
這就很合理了是不是？

看出來和原來的問題的區別在哪裡了嗎？
黃色和藍色混合在一起，本身已經變成了另外一種東西，這個東西只反射出一個波長！所以你只看的見一個顏色——綠色。
而同時按下do和mi，因為是兩個振源，兩個振動並未疊加，所以你聽到的是兩個聲音而不是一個。

眼睛不會自動融合兩個波長的光線，耳朵也不會自動融合兩個頻率的振動。
如果那樣，世界的構圖將不復存在，世界的聲音也只有一種。

反對那些說這題沒意義的。
我覺得這是個很好的問題，因為顏色和音高本質是相同的，都是頻率特徵，但人的視覺跟聽覺感受似乎是有所區別的。期待懂生物的大神來詳細回答。

聲音的加和不是簡單的顏色混合，這沒有錯。但有些答主斷言聲音無法加和，這也是不對的。實際上，聲音的加和是個很著名的心理聲學現象，Combination tone，或者更確切點說，是Missing fundamental（https://zh.wikipedia.org/wiki/%E6%B6%88%E5%A4%B1%E7%9A%84%E5%9F%BA%E9%A0%BB）。

簡單來解釋下。首先，讀者需要了解泛音列的概念：
https://zh.wikipedia.org/wiki/%E6%B3%9B%E9%9F%B3%E5%88%97
Harmonic series (music)
（有能力建議讀英文的，因為其實這裡用到的是harmonic partial，而泛音列涵蓋得更廣一點。不過，很多時候，兩者被約定俗成地混用，一般讀者了解泛音列也就足夠了。）

人們很早就發現了一個有意思的現象，即人耳可以根據泛音列來「腦補」基音。就是說，即使人耳聽到的不是基音而是它的泛音，人依然會感覺聽到了基音。人們進一步推測，人耳判斷一個音的頻率，不是簡單的儀器式的檢測，而是一種線性加組合的關係（https://zh.wikipedia.org/wiki/%E7%BA%BF%E6%80%A7%E7%BB%84%E5%90%88）。

最簡單的例子就是do+so（純五度關係的兩個音）。這兩個音在鋼琴上同時演奏，其「弦外之音」，是低一個八度的do。究其原因，do是低八度do的第二個泛音，so是低八度do的第三個泛音，並且在樂器上演奏時，每一個音都會產生高頻泛音，因此實際上同時演奏do和so會產生低八度do的第2,3,4,6,8,9位泛音。因此，其效果就是人會感覺聽到了低八度的do。

如果將上個例子轉換為頻率，一個很有意思的巧合就是，如果人同時聽到200Hz和300Hz的聲音，他會感覺聽到100Hz而非500Hz或250Hz，所以音的加和既不是平均數或簡單相加，而是減法。除了上述的f1-f2（第一個音減第二個音），人理論上還會聽到這些，當然不會有前者那麼明顯：

在實際演奏中，有時樂手限於客觀條件，比如樂器的音域或者手無法夠到，無法演奏低音時，也會利用這種現象來製造低音。比如管風琴演奏者就可以用do+so來製造低一個八度的do，甚至用do+mi來製造低兩個八度的do。此現象也廣泛應用於非音樂領域，這裡就不細談了，維基中都有涉及。最後略跑個題。泛音這種東西其實包含了很多樂器演奏的奧秘。為什麼有的人彈琴，給人感覺音色很飽滿、色彩豐富，有的人即使踩足了踏板也讓人覺得音色單調、發乾？其實這都和泛音的強度以及分布有關。

其實錐細胞只是顏色形成機制的一半啊~~

雖然我也有很多是一知半解的，但是也試著來說說.......

上結論，根據我一知半解的猜想，可能可以把 do 和 mi 疊加，再加上其他一些條件，而形成re的感覺。雖然並不十分符合 do+mi=re，但是這就好比，總不能讓人把藍和紅混合而不加其他條件就變成黃吧~
另外我感覺，顏色感覺的形成和pitch（音高？）感覺的形成確實有很多相似之處~~

先從頭說起。

問題所說的「黃+藍=綠」，指的是混合顏料之類的。實際上顏料混合併不是把兩種光線加起來，而是所謂的減色法混色(subtractive color mixture)。

這是一個簡化的圖示：

來源：http://www.rgbworld.com/color.html

可見，黃顏料和藍（確切地說，是青）顏料加起來，其實是去掉一部分光線的。

但是雖然這個例子不恰當，問題依然存在：真正意義上的兩種顏色加起來，比如兩束光疊加，為什麼形成一個顏色的感覺？

那就看顏色感覺的形成機制。

來源：Whither Gamut?

錐細胞敏感度曲線，都很熟悉了，就不解釋了。

然而，我還是覺得這個並不能解釋某些問題，比如，為什麼純紫色看起來既像藍又像紅，但是沒有純色看起來既像紅又像綠，而純黃色看起來既不像紅又不像綠？

所以還需要後面的過程。

錐細胞受到光線刺激後，神經系統還會根據不同錐細胞受到的不同刺激做出進一步處理。

來源：Perception Lecture Notes: Color

這個看起來比較複雜，下面是一個簡化示意圖：

來源：SBFAQ Part 1: Basic Terms and Definitions

形成顏色感覺的，涉及3個神經通道，其中兩個（上圖的chromatic system）決定色調，剩下一個（achromatic system）決定明度。而飽和度似乎與兩者都有關。

下面就只說色調了，另外兩個有點困難...

通過M細胞和L細胞所受刺激的比較，紅綠通道決定是形成紅色、綠色還是都不形成。

通過S細胞所受刺激與M和L細胞共同受到的刺激比較，黃藍通道決定是形成黃色、藍色還是都不形成。

然後這兩個通道形成的感覺加在一起，決定色調。

對於單頻率的光束，結果是這樣的：

來源：handprint : the geometry of color perception , Hurvich 1997
（好吧這裡寫的是波長...）

並且根據這個過程大概可以得出結論，不論是多少不同波長的光束疊加，經過神經節的處理後，都只會輸出一個顏色。

==============================================

至於問題的另一半，好像更複雜了.......

這裡所說的do、re、mi指的是pitch，大概可以稱為音高.....但是似乎又和由頻率辨別的聲音高低有所不同，4-5kHz之後就沒有pitch的感覺了。

並且我還想插一句，把音高和顏色聯繫在一起其實是一個正常的感覺。do、re、mi這些也稱為不同pitch chroma（可以叫音高色度嗎...）；do和高音do聽起來相交其他音高更相近，所以是同一個chroma。或許可以類比為同一色調的不同明度；而與之相關的音色，或許可以類比為飽和度。聲音大小的話........顏色所佔視野的面積（對應刺激神經的數量）？

形成音高感覺的有兩種tone，稱為音調吧...一種是pure tone（後面稱純音調），一種是complex tone（複音調）。

純音調就是單一頻率的聲波。純音調如何形成音高感覺的，有兩種主要說法：
一種是temporal theory以及它的補充volley principle，就是以神經元放電來模擬聲波頻率。但是因為聲波頻率比神經能夠放電的頻率快得多，所以需要幾個不同神經元配合：

來源：Perception Lecture Notes: Frequency Tuning and Pitch Perception

另一個是place theory，也就說不同頻率的波長刺激耳蝸基底膜的不同位置，基底膜的不同位置受刺激後又激發連接在那個位置上的聽覺神經。

來源：Perception Lecture Notes: Frequency Tuning and Pitch Perception

據維基說（Volley theory），現在一般認為，1kHz以下用第一種，5kHz以上用第二種，1-5kHz之間兩種都用。

那麼兩個純音調疊加，會怎麼樣？
還是根據維基（Auditory masking），兩個頻率區別太小的時候，刺激的是基底膜的近似位置，於是激發同一神經，感覺是一個聲音；而區別變大的時候，刺激基底膜的不同位置，不同神經被激發，感覺是兩個聲音。

如果是這樣的情況，那麼在顏色感覺中對應的情況應該說是：兩束光疊加刺激同一神經節，就看到一種顏色；兩束光分別刺激不同神經節，就應該看到兩種顏色。或者說，左邊放黃光右邊放紅光，會看到一個黃光一個紅光，而不是兩個橙光。

但是~~
樂器發出的聲音不是純音調，而是複音調，也就是說多個諧波疊加起來的。

比如某樂器的do可以分解為這幾個頻率的波：
f, 2f, 3f, 4f, 5f

而我們感覺到的音高是和一個頻率為 f 的純音調一樣的。

所以一個複音調就是一個多個聲波疊加而只感覺到一個音高的例子。

另外，都知道頻率提高一倍，就是音高提高一個八度。所以上面列的幾個諧波，前面兩個都是do，但是第三個就不是了。確切地說，如果把 do 的各個諧波單獨拿出來，所對應的音高應該是：

來源：Basics of Acoustics ? Partial tones

（如果我五線譜還沒完全忘掉的話...）do, do, so, do, mi, so, 降xi, do, re, mi, 升fa...

可以看到，後面音高間隔越來越小，後面恨不得每半音都有...

所以一個複音調也是一個多個pitch chroma融合而只感覺到一個音高的例子。

還有一個神奇的地方，就是如果你把最低的 do 拿掉，其他的保留，雖然音色會變，但是感覺到的音高仍然和第一個 do 一樣。這個現象稱為missing fundamental（缺失的基調？）。

如果再把中間某幾個音拿掉，雖然音色變，但是感覺到的音高還是和第一個 do 一樣！

所以，也許可以以 re 作為missing fundamental，把 do 和 mi疊加，再加上幾個其他音，從而融合成 re 。不過我是懶得去算數字了...

在這裡可以聽到3個調子： https://auditoryneuroscience.com/topics/missing-fundamental
第一個是純音調，第二個是諧波1-10，第三個是諧波4-10.

至於為什麼會這樣，貌似有很多說法但沒有定論。

其中一個大類是pattern-matching，大意是說神經或者大腦可以根據諧波找出規律，然後把這個規律對應到模板，從而決定應該是感覺到什麼音高。

雖說聽起來比較麻煩，但是視覺上確實有類似的機制，比如說把一個蘋果放到藍光、綠光、黃光下，你都會覺得是同樣的紅色。

或者這個經典的圖：

來源：Checkershadow Illusion

另一大類是autocorrelation（自相關性/自相似型?）。這是從周期性來的。
幾個諧波疊加在一起之後，這個波的周期性還是跟最初的波的周期性是一樣的：

來源：https://auditoryneuroscience.com/topics/missing-fundamental

但是」周期性「並不對於所有情況都很準確，所以轉換為自相關性。波的自相關性決定感覺到的音高。
這一類的機制可以說是比上面一類節省了一個步驟。

猜測一下，從進化來說，為什麼會有這個功能～
據說自然界中大部分聲音都是這種複音調，所以我覺得，與其讓表意識對這麼多聲音作出反應最後判斷是一個來源，不如在到達表意識之前直接處理成一個聲音這樣更有效。

還有其他一些資料......
http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2565322/pdf/NP-06-04-147.pdf
http://recherche.ircam.fr/equipes/pcm/cheveign/ps/pitch_AdC_030131.pdf

我加你等於我們
我加他等於我們
你加他可以等於你們也可以等於他們就是和我們沒什麼關係

沒有那麼複雜吧。不同光調製後波長改變顏色就變了。

不同音調製頻率不中和。

為什麼一個中和，一個不中和，我不敢妄斷。也需要從光的波粒二象性角度考慮。

題主對顏色的理解比音樂直觀，而忽略了音樂的本質。

題主的問題應該是建立在循環的基礎上，根據十二色相環，紅黃藍是三原色，橙紫綠是二次色，處在三原色之間，因此綠色是中間色相，黃色和藍色混在一起可以看出綠色。

而在音樂里，如果以C為主音，它的屬音是G，而不是D，根據五度相生律衍生出12個大小調。因此，C的鄰音不是D，而是F和G，如果fa和so一起按下去，你可以聽到do。

題主把音樂理解的有點流於表面，大音階鄰音之間其實關係並不密切，我們使用的是大音階的記譜功能，而不是它的音響功能。音響功能要看的是音級，而不是音階。

音樂跟顏色不同，不是由三原色兩兩疊加出來的，而是由一個音衍生出來的。所以兩個音疊加，並不會產生一個新的音，它只是一個音響，骨子裡還是一個原來的音，即根音。

雖然題主的說法是對的，但是，不同頻率的聲音是有可能融合的。

看這個視頻：（可以從0:45開始看）
視頻封面解讀男女聲音的區別：亮度，糙度視頻

詳細解讀在這：http://bideyuanli.com/p/863

摘錄一些跟這個話題有關的：

第一個聲音是純粹的1000hz，第二個聲音是兩個振幅接近，頻率也接近1000hz的聲音，但是聽起來還是1000hz。

當兩個振幅差不多，頻率接近的聲音出現時，人耳會無法區分這兩個聲音。進而判定他們是一個聲音，只不過比較「糙」。

上面一句其實包含了兩個要素：

1. 振幅差不多。如果振幅差的比較多，那一個會掩蓋另一個（掩蔽效應）。

2. 頻率差不多。多少算是差不多？這是一個複雜的問題，取決於頻率，也取決于振幅差。一般來說1/10頻率是大概估測。也就是說，1000hz 和1100hz的聲音是差不多的。小於這個值也是可以的，當然糙度會下降，比如1000hz 和1020hz合成之後的糙度就不如前面那個合成。

視頻中的例子：用兩個振幅一樣，頻率接近的聲音去製造糙度。

以題主的設定，do和mi，比如我們取六組（數據在此：音高 | 比的原理）
C6 = 1046.5
E6 = 1318.51
顯然已經超過了10%的差值，所以無論如何都是不會被判定為一個聲音的。

那是不是只要在鋼琴上彈兩個完全相鄰的鍵就可以得到一個融合音呢？（比如C6，#C6，差距在6%左右）
也不一定。上面例子裡面出現的都是單純音，並不等於鋼琴音。真實世界中的聲音都是複合音，擁有眾多的泛音。（這是一個冗長的話題，有興趣的可以看這個http://bideyuanli.com/p/3238）
簡單的說，可以看這個視頻體會一下鋼琴的複合音與前面的單純音的區別：
視頻封面【原理解讀】樂器的音色視頻

可以看到，樂器的某一個音，是有一大堆泛音支撐的，所以也很難說就會和其他音混合在一起。
（那到底會不會混合？需要各位找個在線鋼琴自己感受下）

題外話，其實仔細想像，有一個更深刻的道理值得探討：一大堆泛音構成的鋼琴音，比如C6，大概是1000hz, 2000hz, 3000hz, 4000hz等等複合而成，可是聽在人耳中，竟然是一個聲音！這是不是聲音的融合？人耳咋這麼高端大氣？。。。。其實人耳還有好多高端大氣的功能，只不過是大家天天用確不知道而已。比如：為啥人耳能判斷聲音的遠近（不是因為雙耳，單耳其實也能判斷）？為啥人耳能判斷出男女？為啥人耳能判斷出真假音？為啥人耳能判斷出喉位和擠卡？為啥人耳能判斷出鼻音？。。。說實話，人耳比計算機識別聲音要高級的多。（相對來說，計算機識別圖像現在已經很發達了。）

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
那為什麼顏色會混合而聲音不會呢？

不想談生物學原理。我只想談為什麼耳朵會進化出這種功能。
聲音和圖像最根本的區別是什麼？聲音沒有維度！
也就是說，某一時間你看到的畫面，是二維的，你得到的信息是無數個點組成在一起的。在這種情況下，單一點的精確與否根本不重要，重要的是整體能反饋出你要的信息。所以單一點的顏色判斷並不是那麼重要。
相對來說，某一時間你聽到的聲音，是沒有維度的，就是一個單純的振動。如果連這個單純的震動都不能精確感知是由幾個聲音混和的，那還能得到什麼有用的信息？
也就是說，如果人耳不能區分混合聲音的話，那你永遠聽到的都是「嗡嗡嗡嗡」。沒法活了。

其實，從理論上來說，一個絕對時間點是感受不到振動的，振動究竟是多少頻率一定要一段時間才能判斷。耳朵正是藉助了一段時間的振動規律，才分析出了這個震動究竟是由多少源組成的。比如我視頻中畫出的那些圖，每一個時間點都是由1/10秒的持續聲音來算出來的。

有興趣的可以把這些文章都看一遍，對這些問題就應該比較懂了：http://bideyuanli.com/p/3668

為什麼三原色可以混合出其它顏色？
紅色+綠色=黃色，是因為紅色光+綠色光混合產生的神經信號特徵和黃色光幾乎一樣，我們視覺系統無法區分，但物理上是不一樣的。同理，用紅綠藍顏色的光按不同強度混合，就能「騙」過我們的視覺系統，讓我們以為那裡有自然界所有顏色。

人耳對聲音的感應，與眼睛對光線的感應不同，人耳可以同時分辨出幾種頻率的聲音。

謝邀！do 和 mi 一起按下去有re這個泛音，do本身就是很多音的複合，它是，do,sol,do,mi,dol,降si,do,re ,mi,fa……等音複合而成，但re成了音色的部分，很難分辨，像鋼琴上一般人只能聽到基音。
mi的第六泛音就是re，還比較靠前，在泛音強的樂器上應該能聽見，比如鍾，但鐘的泛音又比較複雜(記不得有沒有小七度泛音)，如果有re的話，應該可以聽到。

兩個音一起還有結合音出現，比如do 和 mi 一起按下去，sol可以很容易被聽到。

噗，好比：為什麼花生米和豆腐乾能吃出烤鴨味來，而喝醋加糖喝不出雪碧？