| 单元音 | 双元音 | |
| 短元音 | ʌ, e, ə, ɪ, ʊ, ɒ |
aɪ, eɪ, ɔɪ, aʊ, əʊ, eə, ɪə, ʊə |
| 长元音 | ɑː, æ, əː, iː, uː, ɔː |
|
| 爆破音 | 清辅音 | p, t, k |
|
| 浊辅音 | b, d, g |
||
| 摩擦音 | 清辅音 | f, s, θ, ʃ, h |
|
| 浊辅音 | v, z, ð, ʒ, r |
||
| 破擦音 | 清辅音 | tʃ, tr, ts |
|
| 浊辅音 | dʒ, dr, dz |
||
| 鼻音 | 浊辅音 | m, n, ŋ |
|
| 边辅音 | 浊辅音 | l |
|
| 半元音 | 浊辅音 | j, w |
|
在中文普通话里，`t, d` 这两个声母发声时起始的**舌尖位置** 贴在牙齿上；`s, z` 这两个声母发声时起始的 “舌尖位置” 接近牙齿，但留了个空隙以便气流通过。你可以试着用中文普通话说一遍 “我踢死你”（`wǒ tī sǐ nǐ`）。
在英文里，`t, d,` 这两个辅音发声时起始的**舌尖位置** 贴在牙齿和牙龈分界再往后一点点（如上图所示），而不是在牙齿上。而 `s, z` 这两个辅音，发声时起始的**舌尖位置** 是同样的，但留了个空隙以便气流通过。
而 `t, d, s, z` 这四个辅音发声时起始的**舌尖位置**，同样影响基于它们的另外三个辅音，`ʃ, tʃ, dʒ`…… 比较有趣的是，中文的普通话里恰好有对应的**卷舌音**，`sh, ch, zh`。找对发这三个声母发声时起始的舌尖位置，从那里开始读英文的 `t, d, s, z` 就对了。只不过，有一点点的区别，中文的 `sh, zh` 舌尖顶着上颚，同样的方式读出来的是英文的 `ʃ, dʒ`。而英文的 `s, z` 离上颚还有一点距离，但，不像中文的 `s, z` 那样靠近牙齿。
另外，美国人在说 `t` 这个辅音的时候，经常会把它读成**送气音**（*asperated*），即，发着 `h` 的音读出，比如 *time* `/tʰaɪm/`。
对中文普通话使用者来说，必须为这几个辅音学习新的发声方式。可以用 *students* `/ˈstudənts/` 这个词作为起步反复练习。以后随时注意这些辅音发声时起始的**舌尖位置**。
# 2.2.5. `t, d`
`t` 和 `d` 在英文语音中出现频率实在太高，乃至于我们不得不格外注意有关它的细节。
## 2.2.5.1. 省音
`t` 和 `d` 之后直接跟着辅音的时候，它的舌尖动作完整，但，不送气流，所以我们听不到它。有人把这种现象叫做 **省音**（*elision*）；但，这种说法容易产生误导 —— 听不到不意味着说没有，它是一个 **“看不见” 甚至 “听不到”，但 “的确存在” 的停顿**。`t, d` 的那个位置会有个**细微的停顿** —— 有时，即便舌尖动作并不完整，但那个停顿依然在 —— 通常会被非母语使用者直接忽视。这种停顿，语音学里叫做**声门停顿** *(glottal stop, a momentary tight closure of the vocal cords, )*。
*hotdog*, 不是`/ˈhɑˌdɔg/`，而是 `/ˈhɑ·ˌdɔg/` —— 这里的 `·` 代表那个极短的停顿。同样，*partner*，不是 `/ˈpɑrnər/` 而是 `/ˈpɑr·nər/` ；*hard-nosed*, 不是 `/ˌhɑːˈnəʊzd/`，而是 `/ˌhɑːr·ˈnəʊzd/` 。
## 2.2.5.2. 叠音
这不是 `t, d` 才有的现象。
上一个音节末尾的辅音和下一个音节开头的辅音相同的时候，叫做**叠音**（*geminates*）。在连贯的自然语音中，着两个辅音就只发声一次 —— 但听起来的时候，有可能感受到前一个辅音存在造成细微停顿。它从机制上来看，其实和**省音**（[2.2.5.1](17-td#_2-2-5-1-省音)）一样。其实哪怕相邻的两个辅音相似的时候，也会发生同样的现象。
比如，*at that time*, 不是 `/ət ðæt taɪm/`，而是 `/ə·ðætaɪm/` —— 第一个 `t` 由于后面跟着一个辅音，于是产生了**省音**（[2.2.5.1](17-td#_2-2-5-1-省音)），听不到了，但，该有的停顿却依然在，在这里我们用 `·` 代表那个停顿 ；而后，第二个 `t` 与 第三个 `t` 是**叠音**，这两个 `t` 只发声一次。再比如，*a bad day*, 不是 `/ə bæd deɪ/`，而是 `/ə bæ deɪ/`。
## 2.2.5.3. 同化
`t` 为末尾的单词，遇到 `ju` 开头的单词，连起来读的时候，`t` 往往会变成 `tʃ`；而 `d` 遇到 `ju` 的话，`d` 会变成 `dʒ`。这种现象被称为**同化**（*assimilation*）。最常见的比如，*Don't you?* `/dəʊn tʃju?/`；以及，*Would you?* `/wʊ dʒju?/` 这里的关键在于，`t, d` 发声时起始的舌尖位置如果放对了（[2.2.4](16-tdsz)），它与后面的 `/ju/` 连起来的发声就只能如此。
同化主要发生在 `j` 这个音上。除了已经讲过的 `j` 前面遇到 `t` 和 `d` 时会产生同化之外，`s+j` 以及 `z+j` 也**可能**会产生同化 —— 请注意，这两组是**可能**，并非一定，并非所有英文母语使用者都如此发音。`s+j` 可能会被读成 `ʃ`，`z+j` 可能会被读成 `ʒ`。比如，*Miss you so much.* `/mɪ ʃu səʊ mʌʧ./`；*It was your job.* `/ɪt wɒ ʒʊr ʤɒb./`。
## 2.2.5.4. 弹舌音
这是**美式**发音的一个特点 —— `t` 被夹在两个元音之间的时候，可能是单词之内，也可能是单词之间，它会变成所谓的弹舌音，往往被标注为 `t̬`，被称为**弹舌音** （*alveolar flapping t*） —— 听起来非常接近 `d`。这种情况在英文语音中出现的情况实在太多，比如，*bottom*, *butter*, *daughter*, *here at our university*, *not at all*, *set it up*, *water*...
## 2.2.5.5. 击穿
很多美国人在 `t` 这个音上还有另外一个特殊的习惯，`t` 跟在 `n` 之后的时候，美国人说话的方式会让我们听不到那个 `t`，即所谓的击穿（*dropping*）。比如，他们说 *interview* 的时候你听到的可能是 `/ˈɪnəˌvju/`。另外一个更常见被击穿的音是 `h`（[2.2.8](20-h)）
####
# 2.2.10. `r`
`r` 这个辅音原本不难，但，美式英语有个独特之处造成了困难。它的难度并不在于发音起始的 “舌尖位置”，而是 “舌尖姿势”。英式英语中，`r` 只有一种 “舌尖姿势”，舌尖向前贴在上颚；可在美式英语中，*rock* `r/ɔk/` 是舌尖向前的，但，*card* `/kɑːʳd/` 的舌尖姿势却是后卷的。
与 `l` 一样（[2.2.11](23-l)），处于元音之后的 `r` 由于有完整的舌尖动作，会使之前的元音附加一个音标标注里看不到的 `ə`，比如：
> * *fear* `/fɪr/` → `/fɪər/`
> * *wear* `/wer/` → `/weər/`
# 2.2.11. `l`
`l` 这个辅音，和 `r` 一样，在元音前后都有出现的可能 —— 亚洲语言里多少都有 `r` 化音，所以，`r` 在元音之后的情况对亚洲人来说都不是问题。难点在于 `l` 在元音之后的情况 —— 这种情况在亚洲语言里几乎不存在。
难点在于 `l` 在元音之后的情况。比如，*individual* `/ˌɪndɪˈvɪdʒəwəl/`这个词，或者更简单的单音节单词，*girl* `/gəːl/`，元音后的 `l` 常常会被不小心忽略。
关键在于，元音之后的 `l` 有一个完整的舌尖动作，在发完 `ə` 这个音之后，舌尖会被推上去直至贴到上颚。
有些人能听出末尾的那个 `l`，所以不会忽略它；但，由于看不到口腔内舌尖的位置和姿势，仅凭听力，人们会借用别的方式完成自己感受到的差异，比如，末尾的 `l` 中国人会用带有嘴唇动作的 `əʊ` 替代，于是就把 *girl* 读作 `/gəʊ/`；而韩国人会用 `r` 替代 `l`，于是把 *girl* 读成 `/gəːr/`。
所以，要格外注意 `l` 在元音之后的情况，注意舌尖位置正确，动作完整，不能有嘴唇动作 —— 否则就会出现 `ʊ` 音。
格外需要注意的是，由于处于音节末尾的 `l` 有这个完整的舌尖动作，于是，它之前的`ɪ`、`iː`、`eɪ`、`e`、`æ` 都会附加这一个未标注音标的 `ə` 音 —— 完整舌尖动作的自然结果。
> * seal `/siːl/` → `/siːəl/`
> * fill `/fɪl/` → `/fɪəl/`
> * tale `/teɪl/` → `/teɪəl/`
> * well `/wel/` → `/weəl/`
> * shall `/ʃæl/` → `/ʃæəl/`
注意，`r` 之前也常常有同样的现象（[2.2.10](22-r)）。
另外，`l` 和 `m`、`n` 一样，有时也会使之前的辅音变成**音节辅音**（[2.2.3](15-mn)）。比如，*little* `/ˈlɪt̩l/`（注意，这里的 `t` 会被浊化，变成弹舌音 `t̬`，听起来像是 `d`），*awful* `/ˈɔf̩l/`。
# 2.2.12. `ʒ`
`ʒ` 这个音在中文中不存在，是位于 `r` 和 `dʒ` 之间的音。这个音对亚洲人来说，有点难。其实，只要肯反复练习，这个音对中文普通话使用者来说并不像最初以为的那么难。先试试说一下 `dʒ`（中文普通话拼音中的 `zh`），然后，把顶在上颚上的舌面略微下放一点点，留出一个缝隙以便气流通过 —— `ʒ`和 `dʒ` 的区别就是这个缝隙。
还记得吗？**母语中不存在的音素其实相对更容易学**（[2.2.2](14-fv)），但，有相似的就相对更难。`ʒ` 就因为与 `dʒ`（中文普通话拼音中的 `zh`）太相似了，所以才被中文普通话使用者全部都用 `dʒ` 替代……
幸运的是，含有这个音在英文词汇其实很少，在最常用的 10,000 英语词汇里只有 69 个，而最常用的也就十几个：
> * *beige* `/beɪʒ/` A pale sandy yellow-brown color
> * *collage* `/kəˈlɑːʒ/` A piece of art made by sticking various different materials such as photographs and pieces of paper or fabric onto a backing
> * *corsage* `/kɔːrˈsɑːʒ/` A small bouquet of flowers worn on a woman's dress or around her wrist
> * *decision* `/dɪˈsɪʒən/` A conclusion or resolution reached after consideration
> * *decoupage* `/ˌdeɪkuːˈpɑːʒ/` The art or craft of decorating objects with paper cut-outs
> * *garage* `/ɡəˈrɑːʒ/` A building for housing a motor vehicle
> * *genre* `/ˈʒɑːnrə/` A category of artistic composition, as in music or literature
> * *leisure* `/ˈleʒər/` Time free from work or duties
> * *massage* `/məˈsɑʒ/` The rubbing and kneading of muscles and joints of the body with the hands, especially to relieve tension or pain
> * *measure* `/ˈmeʒər/` To ascertain the size, amount, or degree of something
> * *mirage* `/mɪˈrɑːʒ/` An optical illusion caused by atmospheric conditions
> * *montage* `/mɒnˈtɑːʒ/` The technique of producing a new composite whole from fragments of pictures, text, or music
> * *pleasure* `/ˈpleʒər/` A feeling of happy satisfaction and enjoyment
> * *regime* `/reɪˈʒiːm/` A government, especially an authoritarian one
> * *rouge* `/ruːʒ/` A red powder or cream used as a cosmetic for coloring the cheeks or lips
> * *treasure* `/ˈtreʒər/` A quantity of precious metals, gems, or other valuable objects
> * *usual* `/ˈjuʒəwəl/` Habitually or typically occurring or done
> * *vision* `/ˈvɪʒən/` The ability to see; sight
# 2.2.13. `j, w`
这两个辅音在单个音节里作为开头时，对绝大多数人来说没有任何障碍。
值得注意的是，有时候，在 “前面一个以元音结尾的音节” 与 “后面一个以元音开头的音节” 相连之时，这两个音会 “莫名其妙地插入”…… 语音学里对这个现象有个专门的称呼，叫做**加音**（ *intrusion*）。
* `j` *intrusion*（前一个音节以 `ɪ` 结尾）
> * *I am* - `/ˈaɪ ˈæm/` ⭢ `/ˈaɪjæm/`
> * *He is* - `/ˈhiː ˈɪz/` ⭢ `/ˈhiːjɪz/`.
> * *She is* - `/ˈʃiː ˈɪz/` ⭢ `/ˈʃiːjɪz/`.
> * *They are* - `/ˈðeɪ ˈɑːr/` ⭢ `/ˈðeɪjɑːr/`.
* `w` *intrusion*（前一个音节以 `ʊ` 结尾）
> * *Go away* - `/ˈɡəʊ əˈweɪ/` ⭢ `/ˈɡəʊwəˈweɪ/`
> * *Do all* - `/ˈduː ˈɔːl/` ⭢ `/ˈduːwɔːl/`
> * *Do it* - `/ˈduː ˈɪt/` ⭢ `/ˈduːwɪt/`
> * *Throw it* - `/ˈθrəʊ ˈɪt/` ⭢ `/ˈθrəʊwɪt/`
之前提到过的例子 *individual* `/ˌɪndɪˈvɪdʒəwəl/`（[2.1.4](07-ə), [2.2.11](23-l)），是个多音节词汇，如果仔细看的话，就会发现，后半部分， /`dʒə-wəl/` ，其实也是 `/dʒju-əl/` 经过 *intrusion* 插入了一个 `w` 而演化过来的。
另外，请注意复习一下 `t+j`、`d+j`、`s+j`、`z+j` 可能会产生的同化现象（[2.2.5.3](17-td#_2-2-5-3-同化)）。
# 2.3. 连读
在流行的语音教材中，**连读**往往被归类到**高级技巧** 之中。这种分类其实毫无必要，因为它实际上就很基础。
自然语音从来都是连贯的，所以它从来都不是以词为最基础单位（[1.2](02-syllables)），从来都是 “以音节为最基础单位” —— 在这个层面上来看，其实人类所有语言的自然语音都是如此。
> 英文表面上是以词为最基础单位……
>
> 但从连贯的语音上来看，事实上以音节为最基础单位。
既然 “所有自然语音都以音节为最基础单位”，那么 “把相邻的音节处理明白而后说清楚” 原本就是基础。
比如，前后两个词在音上的连读现象（*catenation*）：*clean up*，前一个音节末尾的 `n` 和后一个元音开头的音节 `/ʌp/` 听起来像是同一个音节，到最后听起来是 `/kli ˈnʌp/` —— 之所以如此，关键就在于，所有自然语音都以音节为最基础单位。
而又因为连贯的语音，往往还带着高低起伏（[3.3](#3.3.-高低)，[3.4](#3.4.-起伏)），有着轻重缓急（[3.5](#3.5.-轻重)，[3.6](#3.6.-缓急)），于是在这个过程中某些因素会自然发生一些变化，甚至变体，简直不可能更自然了。
不仅相邻的音节可能连起来，在连接的过程中，有些音素还会因此产生变化，总结一下：
> * 非重音上的元音常常被简化成 ` ə`（[2.1.4](07-ə)）
> * `t, d` 常常有各种变化（[2.2.5](17-td)）：
> * 省音（*elision*，[2.2.5.1](17-td#_2-2-5-1-省音)）
> * 叠音（*geminates*，[2.2.5.2](17-td#_2-2-5-2-叠音)）
> * 同化（*assimilation*，[2.2.5.3](17-td#_2-2-5-3-同化)）；
> * 弹舌音 （*alveolar flapping*，[2.2.5.4](17-td#_2-2-5-4-弹舌音)）
> * `h` 和 `t` 可能会被击穿（*dropping*, [2.2.8](20-h)，[2.2.5.5](17-td#_2-2-5-5-击穿)）；
> * `ŋ` 可能会读成 `n`（[2.2.3](15-mn)）；
> * `j` 和 `w` 可能会不知不觉地被插入，形成加音（*intrusion*, [2.2.13](25-jw)）
> * 相同或相似的辅音叠音（*geminates*，[2.2.5.2](17-td#_2-2-5-2-叠音)）
…… 可是，这些其实都是基础，一点都不高级；非说它们高级，颇有些误导。
以下是 *[Friends](https://www.imdb.com/title/tt0108778/) S01E01* 里 *Joey* 说的一句话：
> *Come on... you're going out with the guy... there's got to be something wrong with him.*
>
> `kʌm ʌn... jʊ-ar gəʊɪŋ aʊt wɪθ ðə gaɪ... ðez gɒt tʊ biː ˈsʌmθɪŋ rɔŋ wɪθ hɪm.`
短短一句话之中有很多细节需要注意 —— 当然，你现在应该大多都能理解：
> * *Come on*，连起来了，说成 `/ˈkə·ˈmɑːn/`，*Joey* 当然是美式发音，美国人的 `ʌ` 基本上干脆就是 `ə`，`ʌn` 是重音，所以被拉长了，听起来是 `ɑː`（[3.5](34-strong-weak)）；
> * *you're* `/jʊ-ar/`，会有 `w` 的加音，但，很轻，需要仔细分辨才听得出来：`/jʊ war/`（ [2.2.13](25-jw)）；
> * *going out*，`/gəʊɪŋ aʊt/` 中 `ŋ` 说成了 `n`（[2.2.3](15-mn)），与后面的音节连起来，`/gəʊwɪ·naʊt/`，这里也有个 `w` 的加音（ [2.2.13](25-jw)）；
> * *with the*，`/wɪθ ðə/`，`θ· ð` 两个相近的辅音叠在一起，前一个只剩下了停顿，`/wɪ·ðə/`（[2.2.5.2](17-td#_2-2-5-2-叠音)）；
> * *got to*，`/gɒt tʊ/`，两个 `t` 叠在一起，前一个只剩下了停顿（[2.2.5.2](17-td#_2-2-5-2-叠音)），后面的 `to` 被弱读（[3.5](34-strong-weak)）成了 `/tə/`，`t` 还是弹舌音（[2.2.5.4](17-td#_2-2-5-4-弹舌音)）： `/gɒ·t̬(ə)/`；
> * *something*, 说的是 `/ˈsəmθɪn/`（[2.2.3](15-mn)）；
> * *with him*，`h` 被击穿（[2.2.8](20-h)），说成了 `/wɪ·θəm/`……
等到你完整理解 [3. 进阶](29-advanced) 之后，你可能还会注意到另外一些更重要的细节（比如以上例子中两次提到的 [3.5](34-strong-weak)。
# 2.4. 关于音标的学习
学习**音标**，本质上来看，是为了建立 “**声音 ⭤ 符号**” 之间的双向连接。听到某个声音知道它怎么标记，看到某个音标知道它代表着哪个声音。
我们所关注的焦点顺序，原本应该先是**声音**，而后才是**符号**，即，“声音 ⭢ 符号”，然后才是建立双向连接，即， “声音 ⭤ 符号”。基于这样那样的原因，很多人普遍的做法是反过来的，他们先关注的是 “符号”，然后就被难倒了，记不住，记不全，于是，卡住了，就没有下一步了……
相对于记忆各种符号，人类的大脑更擅长记忆声音。回想一下吧，哪个人类不是先记住声音之后才开始学相应符号的呢？大家都一样，都是在对那些声音熟悉得不能再熟悉之后，又花了很多时间精力才掌握了那么多且那么复杂的符号。
另外，在没有彻底熟悉音标的情况下继续学习早就不是问题了，因为现在的词典早就电子化了，现在所有的电子词典都有真人语音示范朗读。
::: warning
千万不要因为有真人语音示范朗读就彻底忽视音标。
**必须刻意地至少扫一眼音标** —— 音标就是这样，**看多了自然就记住了**。
:::
一个比较友好的路径是反复练习之前的那个 [*English Phonetic Pangram*](01-4-pangram) —— 每次朗读的时候都要同时阅读音标……
::: tip
每天都要练习这个 *Pangram*，注意力集中，逐步做到每个音素都读得越来越准。
:::
# 2.6. 英美口音选择
初学者往往纠结一个小问题，到底应该选择 “英式发音” 呢？还是 “美式发音”？
我的看法是：**无所谓**。有什么练习材料就跟着什么学，管它是英式还是美式呢。英语也许是地球上地方口音最多的语言，英格兰、苏格兰、新西兰、加拿大、澳大利亚…… 这些绝大多数人以英文为母语的国家里，各自的口音都有各自的特点。地球上还有很多把英语当作首选官方语言的国家，比如，菲利宾、印度，泰国、新加坡等等，也各有各的特点。
之所以 “无所谓”，其实是因为 “没办法有所谓”。口音细致到美式英语或者英式英语，更多需要的并不是 “自身的练习”，而是 “来自周遭环境的大量影响”。
在中国，各个地方的人即便说着 “相同的” 普通话，其实多少都有自己的特点。你从一个地方搬到另外一个地方生活，没多久，口音就会多少转换成那个地方的口音。比如，如果你搬到北京生活，经常跟北京土著聊天的话，没多久就会开始讲话带着一口 “京片子” —— 这是大脑在适应环境。在特定的环境里，大脑会下意识地微调。可在没有具体的环境的情况下，非要往某个口音去靠，对大脑来说就太难做到了。
所以，初学者可能并不具备在多个或者某两个口音之间选择的资格。就算你最初硬着头皮，不顾资格刻意做出了选择，到最后你的口音大概率也会变成 “国际口音” —— 因为你并非生活在被某一种特定口音包围的环境中，你的大脑没有机会根据环境进行微调。
# 3. 进阶
我们可以把**说话**想象成**唱歌**，或者把**学外语**想象成**学新歌**…… 这两个活动本质上来看没什么区别，某种意义上都是 “用自己之前并不习惯的方式发声”。
只不过，**自然语音**是**超级低配版歌声**。在自然语音中，音高变化局限在一个很小的范围内，发声技巧全都是最初级的，对节奏的要求事实上都是最基本的…… 所以，全世界都一样，唱歌不怎么好听的人十有八九，但，每个人都能正常说话。
# 3.1. 什么更重要？
歌曲主要由韵律和节奏构成，自然语音其实也一模一样…… 好听的歌声和好听的语音，简单说，总计需要注意以下几个方面：
> **高低**、**起伏**、**轻重**、**缓急**…… 以及，很多人并不重视的**停顿**。
>
> * **高低**指的是**音高**（*pitch*）的变化。
> * **起伏**指的是**声调**（*tone*）的变化，即，扬、平、降**。**
> * **轻重**（*stress*）落实到**音节**（就好像歌曲中的**音符**）上来看，就是有没有**重音**。
> * **缓急**（*speed*）就是一组**音节**发声的速度 —— 在歌曲中，如果 4 个音符在同一个节拍里唱完，每个音符只占 $\frac{1}{4}$ 拍，那可能就是**很快**；或者反过来，如果一个音符竟然持续了 2 个节拍，那可能就是**很慢**。
这个类比的好处在于，它让我们把日常连贯的语音理解成一串音节，而不是一些放在一起的单词（一个单词可能有一个以上的音节）—— 因为自然语音，本质上都是以音节为基础单位，而不是以字词为单位的（[2.3](26-catenation)）……
所以，**好好说话**，**说得连贯**，甚至**说得好听**，更重要的是**学会如何安排好每一个音节**，而所谓的 “安排好”，就是处理**高低起伏轻重缓急**以及**停顿**。
> 亚洲人之所以误以为语音是以**字** 为单位，对 “所有语音事实上都以音节为最基础单位” （[2.3](26-catenation)）这个事实毫无察觉，是因为从表面上来看，亚洲文字的语音，比如，中日韩，虽然其实也都是以音节为单位的，但因为它们都是**每个字一个音节**，或者反过来说，**每个音节一个字** —— 于是，认为 “语音以字为最基础单位” 也事实上并没有任何逻辑错误…… 但，这个误解会进一步延伸，很多亚洲人下意识地认为英文的语音，是以词为最基础单位的 —— 因为在他们的理解中，亚洲语言的**字**对应着英文中的**词**……
虽然**把每个音素读准读对**看起来更基础，但实际上更重要的是**高低起伏轻重缓急**，比这个还重要的，是很多人没想到的**停顿**。
我需要举一个你可能想象不到，乍一眼看起来并不相关的例子，才能让你明白这个道理 —— 本质上，这跟我们的大脑工作机制有关。
我曾在 [Reddit](https://www.reddit.com/r/moviecritic/comments/195b90j/can_you_name_all_the_films_depicted_in_this/) 上看到过一个 *Infinite Zoom Art*，里面有很多电影海报，我把其中的一部分截取出来拼在了一起：
这些电影海报的有趣之处在于那些**大量被忽略掉的细节**。你仔细看看，所有的海报都一样，其中所有 “人物” 的脸都是空的，压根就没画眉毛眼睛鼻子嘴这些一般来说被认为是最重要的细节 —— 可你竟然看一眼就知道人家画的是什么……
也就是说，当我们去识别一样东西的时候，不管什么都一样，靠的不是**所有细节**，而是**少数重点**。这是人类的大脑能够迅速完成**模式识别**的关键（我们在 [2.1.1](04-vowel-positions) 提到过 “模式识别”）—— 也就是说，只需要 “少数重点存在”，识别就可以完成。再换言之，别说 “细节准不准确”，哪怕 “很多细节缺失”，在 “少数最重要的重点是否存在并已经识别” 面前，完全无所谓。
虽然**把每个音素读准读对**看起来更基础，但它们就好像是海报里人脸上可以被忽略掉的眼睛鼻子眉毛嘴巴一样，而**高低起伏轻重缓急**和**停顿**却是更为重要的**关键** —— 只要它们在，它们对了，那么，识别起来就更容易。当然，**把每个音素读准读对**肯定不能完全忽视，我们也不是不需要关注它，我们只是说，关注总得有个**顺序**，因为时间是线性的，而关注总是要独占时间，因为注意力几乎只能单线程运行。于是，先关注**停顿、高低、起伏、轻重、缓急**再关注**把每个音素读准读对**是比较实际的选择。
# 3.2. 停顿
谁都没办法一口气不停地说下去，所以，自然语音中自然而然地存在着这样那样的停顿。停顿有两种：
>* **可换气停顿**，通常发生在各自由若干个词构成的不同意群之间
>* **非换气停顿**，通常发生在重音之前，前一个音节尾音或许会被拉长
先听听这段语音：
> *Yet, it is a fact of life that an unlettered peasant is considered ignorant.*
>
>
>
> 以下是这段音频的 *Waveform*（波谱）和 *Pitch Contour*（音高变化）：
>
> 
>
> * 这段语音出自 *Knowledge and Decisions* by Thomas Sowell 的 Audible 版。
> * *Pitch Contour* 截图来自学习辅助工具 [Enjoying](https://github.com/xiaolai/everyone-can-use-english)。
在 Waveform 里我们可以清楚地看到，这句话里有两处明显的**可换气停顿**（用 `|` 标注） —— 当然，句子短的话，倒也不一定非要换气：
> Yet, | it is a fact of life | that an *un·lettered* peasant is considered ignorant.
还有一处重音之前的**非换气停顿**（用 `·` 标注），需要仔细听才能注意到，在 *un·lettered* 这个词里，*un* 被拉长，而后的 `/le/` 这个音节是重音。
可能会令你意外的是，*an unlettered* 这两个词并没有被连读，*an* 和 *un* 之间倒是有个明显的 “非换气停顿”: *an·un·lettered*。
在自然语音发声过程中，为了把某个重音音节说清楚，往往需要：
> 1. 抬高那个重音音节的声调；
> 2. 为了做到前面这一点，就需要有所停顿，或者把前面的一个音节略微拉长。
你先按照自己的习惯读一遍 *especially* `/ɪˈspeʃəlɪ/`，然后再换个方式这么读：
> * 把 `/ɪs/` 中的 `s` 夸张地拉长，保持气流振动；
> * 然后再抬高声调清楚地读出那个重音音节 `/ˈpe/`；
> * 而后顺畅地接着把后面的 `/ʃəlɪ/` 读完……
再试试 *abstraction* `/æbˈstrækʃən/`:
> * 读完 `/æb/` 之后夸张地停顿一下 —— 因为 `b` 这个音没办法拉长，嘴闭上了，没有气流振动；
> * 然后再抬高声调清楚地说出 `/ˈstræk/`；
> * 而后顺畅地把后面的 `/ʃən/` 读完……
是不是感觉不一样？—— 亚洲语言里大多没有这种重音、非重音的区别，没有这种强调某个音节的习惯。所以，也没有为了重音有意停顿或者把之前音节拉长的习惯。
还记得吗？之前讲解 `t` 的时候（[2.2.5](17-td#_2-2-5-1-省音)）提到过它可能造成的 **“看不见” 甚至 “听不到”，但 “的确存在” 的停顿**吗？那也是这里所说的 “非换气停顿”。
自然语音中的**非换气停顿**总是被第二语言学习者忽略 。不仅如此，也总是被流行的语音教材忽略，它们也好像都不是很在意这个关键细节。
当人们追求 “流利” 的时候，总是误以为**连贯**（[2.3](26-catenation)）是最大的关键**。连贯**的确关键，但，的确还有比它更重要的因素，那就是**停顿**，首先，**没有停顿就没有节奏**；而后，更不可回避的事实是，我们讲话也好唱歌也罢，不可能没有停顿 —— **停顿不可或缺**。
# 3.3. 高低
被清楚地读出的音节，有可能伴随着高低不同的音高（*Pitch*）变化。
> Yet, | it is a fact of **life** | that an *un·lettered* **pea**sant is considered **ig**norant.
这句话里，*Yet* 和 *life* 这两个个单音节词汇，*peasant* 的第一个音节，以及 *ignorant* 里的第一个音节 ig，都有明显的音高（*pitch*）拉升。语音分析工具可以帮我们清楚地 “看到”：
如果你可以唱出 $\frac{4}{4}$ `| 3 2 1 - |` —— 当然，这三个音符其实任何人都可以唱出来……
那你可以把 *fact*, *fact*, *fact*... 用三个不同的音唱出来，`/fækt/(3) /fækt/(2) /fækt/(1-)`，你就能体会到自然语音中的音高变化了。唉…… 不得不叹口气 —— 其实吧，“说话” 真的只不过是 “极其低配版的歌唱”，因为它的曲调（*Melody*）只是在一个特别狭小音高区域（*Pitch region*）里变化。
# 3.4. 起伏
外国人学中文的时候，最麻烦的一件事是学习中文每个字的声调，一二三四声以及轻声。`ma` 这个音，可以有 `mā, má, mǎ, mà` 以及 `ma`。对外国人来说（比如英文母语使用者），这一点令他们格外头痛：中文同一个音的不同声调会影响其含义。
英文的音节不仅没有指定的声调，并且，声调的变化也不影响音节的含义。一般来说，声调主要在**重音音节**上有所体现。偶尔，在**句末**或者**换气停顿**之前的最后一个**非重音音节**也可能带着声调 —— 这时一般只有**平调**。
理论上，重音音节都可以有最常见的三种声调的读法，**平调**、**升调**、**降调**。比如，`→`*big*, `↗`*big*, `↘`*big*，`→`*fact*, `↗`*fact*, `↘`*fact*……
偶尔，你也会听到一些人会使用**降升调**，一般是在**双元音**上。比如，`⤻`sure, i`⤻`dea……
注意：如果**短元音**的音节用**平调**读出来，会自然而然地有所**拉长**。
如果是多音节词汇，要分两种情况：
> * 最后一个音节是**重音**：*adapt*, a`→`dapt，a`↗`dapt，a`↘`dapt
>
> * 倒数第二个音节是重音：
>
> * 第一种情况是**重音**用更高**音调** —— 以下用 `↑` 表示音调（*pitch*）的提高：
>
> * *component*, com`↑`po·nent
>
> * *condition*, con`↑`di·tion
>
> 在这种情况下，最后一个音节只能继续轻声读出来……
>
> * 第二种情况是**重音**用**降调**
>
> * *component*, com`↘`po`→`nent，com`↘`po`↗`nent，com`↘`po·nent
>
> * *condition*, con`↘`di`→`tion，con`↘`di`↗`tion，con`↘`di·tion
>
> 由于倒数第二个音节是重音，声调在那里已经明显完成，所以，随后的最后一个音节只需要轻声读出来就可以了。
含有重音的多音节单词读的时候就是相对更为吃力。在日常对话中，人们为了方便会下意识地尽量避免使用多音节单词。在口语中更多且又自然地使用含有重音的多音节单词，多多少少是多年教育的结果 —— 在学校里朗读背诵了更多的内容。
::: tip
这是很多人学英语从未养成的习惯：
> 在学一个新的英语词汇的时候，要分别用三个声调各自读很多遍……
:::
# 3.5. 轻重
自然语音中，不可能每个词汇都被用同样轻重的方式读出来 —— 总是有些词被**强调**，而另外一些词读的相对较轻。
不妨体会以下**同一个句子**的 4 个版本（例子来自于 [Macquarie University](https://www.mq.edu.au/about/about-the-university/our-faculties/medicine-and-health-sciences/departments-and-centres/department-of-linguistics/our-research/phonetics-and-phonology/speech/phonetics-and-phonology/Intonation-tobi-introduction)）：
> *Marianna made the marmalade...*
>
> 1.
>
> 2.
>
> 3.
>
> 4.
拿第 1 个版本为例，请参照以下图示：
被**强读**的词汇之中，重音音节往往带着**声调** —— 升、降、平、降升（[3.4](33-up-down)）。并且，少数重音音节会有被拔高的音高（[3.3](32-high-low)）。这些都是自然语流的韵律（*prosody*）格外重要的组成部分，也是跟读模仿时的重点之一。
另外，除了少数词汇会被**强读** 之外，还会有很多词汇会被**弱读**。
以下是 TOEFL 听力录音中第一篇中的前两个句子，请注意同一个单词 “**community**” 第一次出现和第二次出现时的具体不同：
> *Community* service is an important component of education here at our university. We encourage all students to volunteer for at least one *community* activity before they graduate.
这段录音中所有被强读的词汇在以下的文本中被加重标记（而没有标记的，就是被弱读的）：
> **Community** **service** is an **important** **component** of **education** **here** at our **university**. We **encourage** **all** **students** to **volunteer** for at **least** **one** community **activity** **before** they **graduate**.
自然语音中，会有大量的常见词汇会被**弱读** —— 尤其是那些最常见的单音节词汇。
各种语言都有这种现象，主要原因可能是因为**太常见**、**太容易理解**、**不可能被误解**、**相对于不那么重要**等等诸如此类的原因，乃至于说话者在说那些**词汇**（或者**音节**）的时候会**更快**或者**更轻**，甚至**合并**或者**省略**。
北京人在说 “不知道” 这三个字的时候，有可能说出来的是用拼音都很难标记的 `bù(r)dào`，其中原本应该的 `zhī` 被糊弄成了甚至好像没有韵母的 `r`…… 但，谁都听得懂，哪怕最初不习惯，听个两三次也就适应了。
某个单词被强读或者被弱读的时候，该单词的元音长短和重音所在（如果是多音节单词的话）都会相应发生变化，具体常见变化如下：
如果一个单词（或音节）被强读，那么这个单词中的：
> - 长元音会被读的很清楚，并且足够长，甚至显得更长一些；
> - 双元音会被读的很饱满，并且显得很有弹性；
> - 落在重音上的短元音都会显得更长一些；
> - 重音所在的音节可能带着不同的声调（平调、升调、降调）……
> - 重音所在的音节可能带着不同的音高（往往是 “高”、“中”、“低” 中的 “高”）……
如果一个单词（或音节）被弱读，那么这个单词中的：
> - 长元音会变得短一些（几乎与短元音的长度相当）；
> - 重音音节会变得与非重音音节一样轻；
> - 很多元音都会发生变化，向 `ə` 靠拢；
> - 清辅音 `s`、`t`、`k`、`f` 之后的元音 `ə` 可能会直接被省略掉；
> - 整个单词所处的音高往往是 “高”、“中”、“低” 之中的 “低”，最多是 “中”……
其实，哪怕在单独读某一个单词的时候，其中元音的长短都会受到重音重读的影响。比如，*city* 这个单词，重音在第一个音节上，而两处的元音是一样的：`/ˈsɪ-t̬ɪ/`；但是只要你把第一个音节读得足够重，自然而然就能感觉到第一个 `ɪ` 只能比第二个 `ɪ` 更长。
大多数助动词、系动词、介词、连词、冠词、代词，都有两种发音形式：**强读式**（*accented form*）、**弱读式**（*weak form*） —— 这些单词往往都是单音节单词。在自然语流中，它们更多的情况下是以**弱读式**读出的。以下是其中最常见的强读式、弱读式对照列表。注意，以下的列表不能当作硬规则使用，不是所有的虚词都必须被弱读；也不是所有的实词都必须被强读。下面的列表只是在描述现象。
> - a: `/eɪ/` → `/ə/`
> - am: `/æm/` → `/əm, m/`
> - an: `/æn/` → `/ən, n/`
> - and: `/ænd/` → `/ənd, nd, ən, n/`
> - any: `/'eni/` → `/ni/`
> - are: `/ɑ/:` → `/ə/`
> - as: `/æs/` → `/əz/`
> - at: `/æt/` → `/ət/`
> - but: `/bʌt/` → `/bət/`
> - can: `/kæn/` → `/kən, kn, kŋ/`
> - could: `/kud/` → `/kəd, kd/`
> - do: `/duː/` → `/du, də, d/`
> - does: `/dʌz/` → `/dəz/`
> - for: `/fɔː/` → `/fə, f/`
> - from: `/frɔm/` → `/frəm, frm/`
> - had: `/hæd/` → `/həd, əd, d/`
> - has: `/hæz/` → `/həz, əz/`
> - have: `/hæv/` → `/həv, həf, əv, əf/`
> - he: `/hiː/` → `/hi, iː, i/`
> - her: `/həː/` → `/hə, əː, ə/`
> - him: `/him/` → `/im/`
> - his: `/hiz/` → `/iz/`
> - I: `/ai/` → `/aː, ə/`
> - is: `/iz/` → `/s, z/`
> - many: `/'meni/` → `/mni/`
> - me: `/miː/` → `/mi/`
> - must: `/mʌst/` → `/məst, məs/`
> - my: `/mai/` → `/mi/`
> - of: `/əv/` → `/əv, v, f, ə/`
> - our: `/ɑʊɚ/` → `/ɑr` ⭢ `ɑ/`
> - shall: `/ʃæl/` → `/ʃəl, ʃl/`
> - she: `/ʃiː/` → `/ʃi/`
> - should: `/ʃud/` → `/ʃəd, ʃd, ʃt/`
> - so: `/səʊ/` → `/sə/`
> - some: `/sʌm/` → `/səm, sm/`
> - such: `/sʌʧ/` → `/səʧ/`
> - than: `/ðæn/` → `/ðən, ðn/`
> - that: `/ðæt/` → `/ðət/`
> - the: `/ði/:` → `/ði, ðə/`
> - them: `/ðem/` → `/ðəm, ðm, əm, m/`
> - then: `/ðen/` → `/ðən/`
> - to: `/tuː/` → `/tu, tə, t/`
> - us: `/us/` → `/əs/`
> - was: `/wɔz/` → `/wəz, wə/`
> - we: `/wiː/` → `/wi/`
> - were: `/wəː/` → `/wə/`
> - when: `/wen/` → `/wən/`
> - will: `/wɪl/` → `/əl, l`/
> - would: `/wuːd/` → `/wəd, əd/`
> - you: `/juː/` → `/ju, jə/`
# 3.6. 缓急
自然语音中，被强读的音节通常语速较慢，伴随着音高的变化、声调的不同，每个音节中，长元音读得够长，双元音读得够饱满。
与之相对的，另外一些音节会被轻读，它们常常会很轻很快，弄不好还会有大量的变音。
还是以这句话为例子：
> Community service is an important component of education *here at our uni*·**ver**·*sity*. We encourage all students to volunteer for at least one community activity before they graduate.
请仔细注意这一串音节：*here at our uni*·**ver**·*sity*... 它们原本应该被读作 `/ˈhiə æt ɑʊə ˌjunəˈvvəː(r)səti/`…… 可你听到的是什么呢？`ˈ/hiə·(æ)t̬ɑ(ʊə)ˌjunə·ˈvvəː(r)sət̬i/`（括号里的音素省略到几乎听不清）……
> * *at* 被轻读成 `/ət/`，而其中的 `ə` 又几乎被省略掉了；
> * 而 *our* 原本单独朗读的话，应该是 `/ɑʊə/`，却只变成了 `/ɑ/`（[3.5](34-strong-weak)）；又由于这是美式发音（毕竟是 TOEFL 听力考试题），好像是多了个 `r`，所以是 `/ɑr/`（[2.1.2](05-Ʌ)）；
> * *at* 中的 `t`，由于前后被两个元音夹着，所以变成了和 `d` 非常接近的 `t̬`（[2.2.5](17-td#_2-2-5-4-弹舌音)）；
> * 为了把 *university* 中的长元音重读音节 `/vəː/` 读清楚，与前一个音节 `/junə/` 之间有个细微的停顿（[3.2](31-pause)），而 `/vəː/` 读成了平调（[3.4](33-up-down)）……
日常生活中，绝大多数人讲话并不会刻意在乎**节奏**，也常常感觉并无必要。但，总有一些人是训练有素的，比如，他们需要朗读、录音、演讲，甚至表演…… 于是，他们会有意无意地控制**节奏**。
这也是为什么绝大多数人在模仿外语录音的时候总是感觉心有余力不足的原因，首先因为他们忽视了**节奏**这个格外重要的因素。另外，他们忘了被模仿的语音，是训练有素且相当专业的声音，那甚至是质量极高难度极大的表演 —— 这更是提高了普通人模仿的难度。
然而，说话的**节奏**，本质上来看，毕竟没多复杂，只不过是由**缓急**和适当**停顿**构成的…… 再加上**高低起伏轻重**构成的**韵律**，就更好听了。
# 3.7. 长短
再次需要强调的是：
> 所有语言都一样，自然语音实际上以**音节**为最基础单位。
所以，说话的过程就是**把每个音节安排好**的过程。
传统外语教学对自然语音中**韵律**（*prosody*）和**节奏**（*rhythm*）的重视程度并不足够，重视得也不够全面。韵律节奏长期以来一直是母语教学中所谓最高级的部分才会深入讲解的领域：诗词创作。
曾经，传统外语教学只会泛泛提及**声调**的**起伏**，并且，基本上仅限于祈使句与疑问句之中那些处于句末以词汇为单位的明显声调变化。
其实，语言学领域并不是不重视韵律和奏，只不过，那些语言学领域的科研成果总是需要更多的时间或注意力才能被语言教学领域采用 —— 不知道还要等多久才能进入普及教育的课堂……
计算机科学家们等不及。他们需要 —— 其实是整个世界需要 —— 机器能够完美地模拟人声。他们发现，音素级别的准确并不能解决问题；真正可以使机器生成的语音无限接近真实人声的，甚至可以以假乱真的，在音素的基础上，是韵律节奏。韵律节奏的重要性，占比上来看，远远超过音素。
现在，反过来，我们可以用计算机科学家们用来生成自然语音的原理反过来指导我们自己重塑语言：
> 当然要重视音素的清晰准确，但，要**更加重视**韵律节奏。
**韵律**包括音高的高低，声调的起伏，单个音节的轻重；**节奏**来自于临近音节的缓急，音节之间的停顿…… 但，还需要一个重点补充：
> **节奏**的构成还包括音节的**长短**。
即便是理论上每个韵母都等长的中文（或者机理上类似的亚洲语言，比如日文或者韩文），在自然语音的发声过程中，每个韵母的长短都有所变化。
> 没有很爱你，只是在大街上拼命追逐，和你背影很像的人。[^1]
英语的元音天然有**长短**之分，短元音当然短，长元音和双元音相对于短元音更长。如果韵律节奏相对更重要，那么，若是某个或者某些音节的**长短**搞错了的话，整个语音的节奏都会乱掉。
::: tip
总是需要格外提醒的是， `æ` 是长元音（[2.1.3](06-e)），虽然这个音标并没有长元音符号 `ː`……
:::
对于**韵律节奏**，需要在脑子里生成一个简单清晰却又记忆深刻的框架：
> * 韵律
> * 高低（[3.3](32-high-low)）
> * 起伏（[3.4](33-up-down)）
> * 轻重（[3.5](34-strong-weak)）
> * 节奏
> * 停顿（[3.2](31-pause)）
> * 长短（[3.7](36-long-short)）
> * 缓急（[3.6](35-fast-slow)）
当我们模仿跟读的时候，需要逐个分析的基础单位是**音节**。
首先是对每个音节中的**音素**（元音与辅音）的分析。
又因为**元音是音节的核心**（[1.2](02-syllables)），所以**韵律节奏主要在元音上体现**：高低、起伏、轻重、长短、缓急…… 而涉及停顿的，尤其是非换气停顿的，才是辅音。
所以，音素分析之后，就是**音节**分析，本质上是对音节的核心 —— **元音** —— 的分析，**韵律节奏**上的分析。
> 需要反复强调的是，**韵律节奏分析比音素分析更为重要**。
难点只不过在于，每个人的韵律节奏都有一定的不同。所以，跟读一个人的录音，和跟读另外一个人的录音，可能会有很大的不同…… 但，就是这样，虽然每个人都多少个性化，总体上却又符合一定的规律和特征。
跟读多了，很快就能习惯那些最重要但不一定总结得出来的系统化特征 —— 我们就是这样学会并在一定程度上能够做到说好母语的。
[^1]: 语音来自 [Automatic Prosody Annotation with Pre-Trained Text-Speech Model](https://daisyqk.github.io/Automatic-Prosody-Annotation_w/)。
## 4. 收官
还有一些需要注意的地方 —— 其障碍竟然往往来自主观感受，而非客观事实。
# 4.1. 流利
> **凡是和母语发声方式不一样的地方，就是语音塑造的重点**。
—— 这已经是第三次强调了。
我们提到过，英文的**音节**在绝大多数情况下读出来都比亚洲语言的**字**要长许多（[1.3](02-syllables)） —— 这就造成了这些语言与英文在节奏韵律上的巨大差异。若是忽视了这一点，那么，在节奏韵律上的巨大差异会形成无法逾越的障碍 —— 不知道那里有个障碍，又怎么跨越呢？
除此之外，元音长度还有很多细节，比如：
> * 一些细微的停顿（[3.2](31-pause)）
> * 因强调而发生的短元音变长的情况（[3.5](34-strong-weak)）。比如，请你试着说一遍：*This is a **big** **city**!* —— 为了强调 ***big***，你会不由自主地将它读成长长的 `biːg`，而不是 `bɪg`，如果强调 ***city***，它的第一个 `ɪ` 也会稍微变长一点点……
并且，平均来看，英文的音节中辅音数量可能是亚洲语言的两三倍以上（[1.2](02-syllables)） —— 这造成的结果就是，说英文的时候，舌头比说中文的时候相对要忙太多…… 并且，因此英文单个音节的发声时长也相对更长。
还没有完……
另外一个影响初学者讲英文时语速不正常地快的原因，也很微妙，来自于一种基于普遍误解的心理压力。在这一点上，全世界的人都一样，当人们听到自己听不懂的另外一种语言的时候，总是**误以为**对方**说话速度很快**。
可这就是因误解而生的幻觉。之所以幻觉对方语速快，是因为自己听不懂。听母语的时候，大脑甚至可以以句子为单位处理信息，可突然之间，要退回到音节级别，又因为那声音里充满了自己并不习惯甚至没听过的音素，当然需要更多的精力…… 听不懂，当然记不住。于是，大脑更不够用了，更是误以为对方说话太快。
其实，全世界的人在说话的时候，不管使用任何语言都一样，都会不由自主地**划分意群**，下意识地**选择轻重**，并且都会有意无意地**适当停顿**，不仅是在句子之间，句子之内也有（可换气）停顿，甚至连单词之内音节之间也都有可能存在（非换气）停顿。没有人说话不喘气。正常语速从来都不可能过快。
可是，突然之间，只是因为听不懂、记不住，大脑就像一台同时运行了太多软件的电脑， CPU 过热，内存溢出，恨不得当场死机。于是，不知不觉之间产生了幻觉，就是觉得对方说话快，即便对方正在以再正常不过的语速讲话。
基于上面这个普遍误解的下一个误解，更微妙，人们常常误以为**语速够快**就能构成**讲得足够流利**。其实，**流利**的构成与**语速快慢**几乎全无关系**。是否流利**更多是发音是否正确，措辞是否准确，句法和用法是否符合习惯，逻辑是否顺畅，等等等等 —— 以及，很多人可能并未意识到的另外一个很重要的东西，叫做**节奏**（停顿 [3.2](31-pause)、轻重 [3.5](34-strong-weak)、缓急 [3.6](35-fast-slow)）。
把**长元音**和**双元音**读成更短的版本（尤其是 `æ`，[2.1.3](06-e)），很多**辅音**没有清楚地发音，很多实际存在的微妙**停顿**（[2.2.5.1](17-td#_2-2-5-1-省音), [2.2.5.2](17-td#_2-2-5-2-叠音)）全都忽略，甚至可能在某些辅音之后插入了原本**不存在的元音**，但是，反过来常见的**加音**（[2.2.13](25-jw)）却实际上缺席…… 这种节奏上的**出人意料**才最影响识别，尤其所谓**语速的不同** —— 主要，常常不是慢了，而是快了 —— 在这一方越是自觉流利，另一方就越是听不懂，跟不上。
所以，说话的时候要放松 —— 只要你能听懂了，幻觉就会消失；你的大脑就能轻松处理绝大多数信息，CPU 不会超载，内存不会溢出，对方的语速就 “感觉上慢了下来” —— 这只不过是日拱一卒假以时日就可以自动解决的问题。
所以，刚开始的时候，**要刻意放慢自己的语速**。记住，流利不靠语速，起码不只靠语速。语速过快，容易出错，越快出错越多。再说，流利也不是一上来就需要追求的东西，速度更不是。
之前提到过好莱坞动作明星阿诺德·施瓦辛格口音很重但表达清楚且流利 —— 这是怎么回事呢？一般来说，决定一个人讲话**流利与否**的因素，从听众角度出发，如果能够按照重要性排列的话，大抵应该如下：
> * 语意完整、上下文丰富
> * 符合习惯
> * 逻辑清晰
> * 语法正确
> * 措辞准确
> * 节奏
> * 停顿
> * 轻重
> * 缓急
> * 韵律
> * 长短
> * 高低
> * 起伏
> * 音素
> * 元音
> * 辅音
即便是到了相对最不重要的 “音素” 层面，也有重要性上的先后顺序，元音比辅音更重要（[2.2](12-consonants-overview)）。然而，绝大多数人在整个练习过程中，在最不重要的层面上就被卡住了…… 越是重要的越没机会练习，越是重要的，越没能力去关注 —— 这才是失败的关键吧？
# 4.2. 情绪
读准了每一个音素，在连贯的语音中适应了它们的种种变化，把握好节奏，控制好高低起伏轻重缓急…… 还有什么呢？
在模仿的时候，最难模仿的，其实不是我们已经讲解过的各种重点…… 还有一个可能无法模仿的，和另外一个其实可以模仿的。
可能无法模仿的是对方的**音质**，因为到最后，每个人的声音都不一样，声线、音域、音量都…… 通常来说，除非是模仿能力特别强的人，才能做到发出和别人同样音质的声音 —— 虽然不是谁都做不到，但，在说话这个相当于**超级低配版唱歌**的活动中，这个要求多少的确有点过份……
但，的确有其实可以模仿的 —— **情绪**。紧张、兴奋、疲惫、失望、恐惧、悲伤、快乐、期待，等等等等。就算不能模仿得一模一样，终归能按照自己的方式去表现同样的情绪 —— 瞬间就能做到八九不离十。
用 AI 生成的真人语音，最大的问题在于，它目前还不能做到**情绪饱满**，它只是尽量做到了 “听起来像是真人说话”，虽然已经很好，但就是缺乏情绪表达 —— 它也的确没有什么真正的情绪……
各种惊悚片动作片都很精彩，很吸引人…… 可实际上它们真的不是最好的学习材料，因为这类影视内容的对话事实上非常枯燥，警匪片里最常重复的，只不过是 *Freeze! Drop your gun!* 要么就是 *You have the right to remain silent*... 战争片里最常重复的更加迷离，反反复复最多的都是 *Get down!* 或者 *Go! Go! Go!* —— 动作太多，语言就只能太少。至于情绪么，往往更多的只有愤怒或者悲伤。
这就是为什么**生活情景剧**和**脱口秀**常常是很好的学习材料的重要原因 —— 主要是情绪丰富且饱满。另外，**纪录片**往往都是很好的学习材料。它们的特点是，措辞简单明了，语速慢，吐字清晰，并且情绪饱满。情绪更加饱满的，是各种给青少年甚至婴幼儿看的动画片或者绘本讲解，情绪丰富饱满到夸张的地步……
如果觉得这些都太尴尬，还有个办法是不断学唱**英文歌曲** —— 每个音节都带着不同的音高曲调，甚至有可能一个词就唱了满满一两个小节，容不得一丝的错误，真的是绝佳的练习场景。
语音的功用，如果说有 *20%* 是用来传递对事实的感受的话，那么，剩下的 *80%* 肯定并且只能用来传递情绪，不是吗？一直以来，大家在 “学外语” 的时候，都太理智了，不是吗？理智的确是一种很好的品质，但，有时候，它可能会成为不可逾越的障碍…… 真的很可惜！