当人们聆听音乐时，大脑内正上演一场复杂的神经交响。听觉皮层首先对声音的物理属性（如音高、音色、节奏）进行基础编码，这些信息随后被传递至边缘系统。杏仁核和海马体等结构被激活，负责关联情绪与记忆，这就是为什么特定旋律能瞬间唤起强烈情感或往昔情景。奖励系统的核心——伏隔核，会在听到令人愉悦的旋律时释放多巴胺，产生欣*，其机制与食物、金钱等初级奖励相似。前额叶皮层则作为高级指挥，参与音乐结构预测、注意力分配和审美判断。研究发现，音乐训练能显著改变大脑结构，音乐家的大脑在连接听觉、运动和感觉规划的区域表现出更强的白质整合与皮层增厚。
跨文化视角揭示了审美认知的多样性与共性。从神经层面看，不同文化背景的听者对协和音程与不协和音程的神经反应存在基本相似性，如对不协和音程的听觉皮层反应增强，这可能与听觉系统的生理特性有关。审美偏好很大程度上由文化习得塑造。例如，西方调性音乐中的大小调体系与情感关联（大调快乐、小调悲伤），在其他音乐体系（如印度拉格、印尼甘美兰）中并不直接适用。这些体系拥有独特的音阶、律制和结构规则，其审美价值根植于特定的文化语境与哲学观念。
神经影像学研究显示，当听者接触自己文化传统内的音乐时，与自我认同和社会归属相关的脑区（如默认模式网络）活动更为显著，表明音乐是文化身份的重要神经锚点。接触陌生音乐体系能激发前额叶更强烈的活动，反映出认知努力和整合新模式的尝试。跨文化音乐接触可以促进大脑可塑性，长期接触多种音乐风格可能增强听觉皮层对复杂声音模式的解析能力及前额叶的认知灵活性。
音乐的情感共鸣既有跨文化的普遍基础，也受文化特定“语法”的调节。例如，节奏的规律性能普遍激发运动皮层活动并促进社会同步，但何种节奏模式被视为“规律”或“动人”则因文化而异。旋律进行所蕴含的情感表达，既可能通过模拟言语语调的普遍性声学线索传递，也可能通过特定文化内约定的音乐修辞来实现。音乐审美是生物学赋予的神经潜质与文化塑造的认知框架持续互动的产物。