5D Library › 反闻闻自性 · English

第二章 耳朵怎样听见自己

经文说「反闻」,把听转回来。听觉科学里,最接近「转回来」的问题是:人怎样听见自己正在发出的声音?这一章只讲已经发表的研究,最后再标出作者的假说。

两条路:气导与骨导

证据

听别人说话时,声音只经由空气进入耳道。自己说话或唱歌时,声音还会通过颅骨和软组织的振动直接传到内耳,这叫骨传导。1949 年,贝凯西(Georg von Békésy)分析了中耳的结构,以及骨传导在听见自己声音时所起的作用 (Békésy 1949)。后来 Stefan Stenfelt 与 Richard Goode 的综述说明,骨导声同时经由好几条路径到达耳蜗:颅骨振动、听小骨的惯性、向耳道辐射的声音,以及内耳液体中的压力 (Stenfelt and Goode 2005)。

证据

自己的声音,各有多少经由哪条路到达?Sabine Reinfeldt 等人设计了一种耳罩,能挡住气导声,又不会把声音闷在耳道里,从而单独测量骨导的部分。在测试的十个音素中,大多数音素在约 1 到 2 kHz 之间,自身声音以骨导部分为主;两条路的比例随语音不同而变化 (Reinfeldt et al. 2010)。

这就是录音里的自己听起来陌生的原因:录音只录下气导的部分,而我们习惯的自己的声音,是两者的混合。对歌者来说,这意味着你听到的自己,和观众听到的你,从来就不是同一个声音。只凭自己听到的感觉来判断音色和音准,一开始就有偏差,而且偏差随元音变化。

推导

两条路几乎同时到达。从嘴到耳道口约 0.15m0.15\ \text{m};空气中声速 c≈343m/sc \approx 343\ \text{m/s},气导路径用时 t=dc=0.15343≈0.44ms。t = \frac{d}{c} = \frac{0.15}{343} \approx 0.44\ \text{ms}。 所以两条路的差别不是听得出来的回声,而是「滤波」的差别:每条路偏重不同的频率,在耳蜗处叠加。即使只差零点几毫秒,叠加时也有影响,因为起作用的是相位差 Δϕ=360∘⋅f⋅Δt\Delta\phi = 360^\circ \cdot f \cdot \Delta t,它随频率增大:

c = 343.0          # 空气中声速,m/s
d = 0.15           # 嘴到耳道,m
dt = d / c         # 秒
print(f"air-route delay: {dt*1000:.2f} ms")
for f in (220, 440, 1000, 2000):
    print(f"{f:5d} Hz: one period {1000/f:5.2f} ms, 0.44 ms = {360*f*dt:6.1f} degrees")
# air-route delay: 0.44 ms
#   220 Hz: one period  4.55 ms, 0.44 ms =   34.6 degrees
#   440 Hz: one period  2.27 ms, 0.44 ms =   69.3 degrees
#  1000 Hz: one period  1.00 ms, 0.44 ms =  157.4 degrees
#  2000 Hz: one period  0.50 ms, 0.44 ms =  314.9 degrees

在低音嗓音的基频上,相位差很小;在骨导最强的频段,相位差大到足以让两条路互相加强或部分抵消。这是自己内在听到的声音带着一种任何话筒都录不出的音色的原因之一。

堵耳效应:人人可做的小实验

证据

用指尖轻轻堵住耳道,然后哼鸣。哼声会变得更响、更暗。这叫堵耳效应:耳道被堵住后,骨导向耳道辐射的低频声出不去,被反射回鼓膜 (Stenfelt and Goode 2005)。这是大致单独听见自己骨导声音的最简单办法,也是第三章的第一个练习。

耳朵会调低自己的声音

证据

中耳里有一块很小的肌肉——镫骨肌,遇到大声会收缩,减少传入内耳的能量。Borg 与 Zakrisson 的结论是,镫骨肌反射使耳朵的动态范围扩大约 15–20 dB (Borg and Zakrisson 1973)。我们发声时这块肌肉也会活动:Borg 与 Zakrisson 记录了人在说话和唱歌时镫骨肌的活动 (Borg and Zakrisson 1975);关于这一反射的标准论述指出,它在发声之前就被预先触发,早于声音本身可能引起的反射 (Møller 2000)。

证据

大脑也会把自己的声音调低。John Houde 等人用脑磁图比较两种情况:受试者自己说话,以及把同一段录音放给他们听。说话时,听觉皮层的反应明显较弱,这叫「言语诱发抑制」(Houde et al. 2002)。通常的解释是:大脑发出说话指令的同时,也预测了将会听到什么;与预测相符的部分,不需要完整处理。

大脑一直在校正音高

证据

如果用设备悄悄把耳机里听到的自己的声音调高或调低,人会不自觉地把实际发出的音高往反方向调。Theresa Burnett 等人在 1998 年系统测量了这种「音高偏移反射」(Burnett et al. 1998)。如果这种改变持续很多次,说话者会适应:John Houde 与 Michael Jordan 发现,当受试者听到的元音被系统地改变时,他们会逐渐改变发这些元音的方式,而且在恢复正常反馈后,这种改变还会持续一段时间 (Houde and Jordan 1998)。

证据

言语产生的模型把这描述为两种控制协同工作。在 Jason Tourville 与 Frank Guenther 的 DIVA 模型中,习得的指令向前推动发声(前馈控制),听觉和体感两种比较则检查结果、纠正误差(反馈控制)(Tourville and Guenther 2011)。反馈控制比指令本身慢,但它让指令保持准确;久而久之,纠正会被吸收进指令本身。

推导

音准误差通常用「音分」表示,一个半音等于 100 音分: c=1200log⁡2ffrefc = 1200 \log_2 \frac{f}{f_{\text{ref}}} 如果目标音是 440Hz440\ \text{Hz},歌者唱出 446Hz446\ \text{Hz},误差为 1200log⁡2(446/440)≈+23.41200 \log_2(446/440) \approx +23.4 音分,约四分之一个半音;唱出 436Hz436\ \text{Hz} 则约为 −15.8-15.8 音分。

import math
def cents(f, ref):
    return 1200 * math.log2(f / ref)
for f in (446, 436, 441):
    print(f, round(cents(f, 440), 1))
# 446 23.4
# 436 -15.8
# 441 3.9

第八章用这个量作为主要结局指标。

歌者也靠「感觉」驾驭

证据

当噪声掩盖了自己的声音,歌者的音准会下降,但不会崩溃。Dirk Mürbe 等人发现,掩蔽降低了声乐学生的音准,但没有让它消失;他们的结论是,动觉反馈(发声的身体感觉)承担了一部分控制 (Mürbe et al. 2002)。Boris Kleber 等人发现,歌唱经验会改变大脑整合「听到的」和「感觉到的」方式:在听觉反馈被掩蔽时,受过训练的歌者调用更多的右侧前岛叶——一个整合身体信号的脑区 (Kleber et al. 2013)。

先在心里听见,有助于唱准

证据

Peter Pfordresher 与 Andrea Halpern 让 120 人模唱音高,并自评听觉想象的清晰程度。唱准次数较多的人,自评的听觉想象也更清晰;相关程度不高(r=.28r = .28),而且这项研究不能说明因果 (Pfordresher and Halpern 2013)。更早的研究发现,多数「唱不准的人」其实分辨音高完全没问题:问题出在把听到的东西转换成发声动作,而不在听 (Pfordresher and Brown 2007)。

这个发现与方法的第三阶段有关:它要求歌者在唱之前先在内心听见那个音(第五章)。

内耳的放大器听大脑指挥

证据

1978 年,David Kemp 发现耳朵自己会发出微弱的声音,即耳声发射,说明内耳里有一个主动放大器 (Kemp 1978)。大脑通过内侧橄榄耳蜗束——从脑干通往内耳的传出神经——可以调低这个放大器的增益;John Guinan 的综述介绍了它的解剖、功能以及在人身上的测量方法 (Guinan 2006)。Sandrine Maison 等人发现,人把注意力集中在某个声音上时,耳蜗的活动会改变 (Maison et al. 2001)。

也就是说,我们怎样听,不只是大脑皮层的事。注意力的改变,可以一直影响到内耳。

冥想与默认模式网络

证据

Judson Brewer 等人比较了资深冥想者与新手。冥想时,资深者大脑默认模式网络主要区域的活动较低,连接方式也不同 (Brewer et al. 2011)。默认模式网络常与走神、与自我相关的思考联系在一起。这项研究针对的是一般冥想,不是耳根圆通法。

假说:「反闻」可能对应什么

假说 · 尚未验证 · 反闻的生理学

作者的假说:反闻——把注意力从声音这个对象转回到「听」本身——可能通过三条途径影响歌唱。

  1. 监听更稳定。 注意力不再随着「这个声音好不好」的判断起伏,大脑对自身声音的预测与比较(言语诱发抑制和音高偏移反射背后的机制)受到的干扰就少,音高更稳。
  2. 代偿用力减少。 歌者不再试图让里面听到的声音去符合想象中外面的声音,就少了用力推的理由。不是唱这个音所需的用力,会表现为喉部周围肌肉的紧张(第三章)。
  3. 内耳增益的调节。 注意力的转移改变内侧橄榄耳蜗束的活动,从而改变内耳对自身声音与周围声音的放大比例。

三点都还没有证据。第一点可以直接用音准来检验;第二点可用自评用力程度,以及(有设备时)颈部表面肌电来检验;第三点需要耳声发射设备。第八章说明怎样做。如果实验显示练习组的音准改善不比对照组多,第一点就被推翻。

小结

  • 我们经由气导和骨导两条路听见自己;对多数语音,约 1–2 kHz 之间以骨导为主,所以自己听到的和别人听到的不同。
  • 两条路到达的时间相差不到一毫秒;差别在滤波,不在时间。
  • 镫骨肌、言语诱发抑制、音高偏移反射说明身体一直在处理自己的声音;歌者也靠身体感觉驾驭。
  • 听觉想象越清晰,模唱音高往往越准。
  • 内耳的放大器受大脑调控,注意力能影响它。
  • 耳根圆通法是否通过这些机制改善音准,是作者的假说,留待第八章检验。

参考文献

Békésy, Georg von. 1949. “The Structure of the Middle Ear and the Hearing of One’s Own Voice by Bone Conduction.” Journal of the Acoustical Society of America 21 (3): 217–32.
Borg, Erik, and John-Erik Zakrisson. 1973. “Stapedius Reflex and Speech Features.” Journal of the Acoustical Society of America 54 (2): 525–27.
Borg, Erik, and John-Erik Zakrisson. 1975. “The Activity of the Stapedius Muscle in Man During Vocalization.” Acta Oto-Laryngologica 79 (3–6): 325–33.
Brewer, Judson A., Patrick D. Worhunsky, Jeremy R. Gray, Yi-Yuan Tang, Jochen Weber, and Hedy Kober. 2011. “Meditation Experience Is Associated with Differences in Default Mode Network Activity and Connectivity.” Proceedings of the National Academy of Sciences 108 (50): 20254–59. https://doi.org/10.1073/pnas.1112029108.
Burnett, Theresa A., Marcia B. Freedland, Charles R. Larson, and Timothy C. Hain. 1998. “Voice F0 Responses to Manipulations in Pitch Feedback.” Journal of the Acoustical Society of America 103 (6): 3153–61.
Guinan, Jr., John J. 2006. “Olivocochlear Efferents: Anatomy, Physiology, Function, and the Measurement of Efferent Effects in Humans.” Ear and Hearing 27 (6): 589–607.
Houde, John F., and Michael I. Jordan. 1998. “Sensorimotor Adaptation in Speech Production.” Science 279 (5354): 1213–16.
Houde, John F., Srikantan S. Nagarajan, Kensuke Sekihara, and Michael M. Merzenich. 2002. “Modulation of the Auditory Cortex During Speech: An MEG Study.” Journal of Cognitive Neuroscience 14 (8): 1125–38.
Kemp, David T. 1978. “Stimulated Acoustic Emissions from Within the Human Auditory System.” Journal of the Acoustical Society of America 64 (5): 1386–91. https://doi.org/10.1121/1.382104.
Kleber, Boris, Anthony G. Zeitouni, Anders Friberg, and Robert J. Zatorre. 2013. “Experience-Dependent Modulation of Feedback Integration During Singing: Role of the Right Anterior Insula.” Journal of Neuroscience 33 (14): 6070–80.
Maison, Sandrine, Christophe Micheyl, and Lionel Collet. 2001. “Influence of Focused Auditory Attention on Cochlear Activity in Humans.” Psychophysiology 38 (1): 35–40.
Møller, Aage R. 2000. Hearing: Its Physiology and Pathophysiology. Academic Press.
Mürbe, Dirk, Friedemann Pabst, Gert Hofmann, and Johan Sundberg. 2002. “Significance of Auditory and Kinesthetic Feedback to Singers’ Pitch Control.” Journal of Voice 16 (1): 44–51.
Pfordresher, Peter Q., and Steven Brown. 2007. “Poor-Pitch Singing in the Absence of ‘Tone Deafness’.” Music Perception 25 (2): 95–115.
Pfordresher, Peter Q., and Andrea R. Halpern. 2013. “Auditory Imagery and the Poor-Pitch Singer.” Psychonomic Bulletin & Review 20: 747–53. https://doi.org/10.3758/s13423-013-0401-8.
Reinfeldt, Sabine, Per Östli, Bo Håkansson, and Stefan Stenfelt. 2010. “Hearing One’s Own Voice During Phoneme Vocalization: Transmission by Air and Bone Conduction.” Journal of the Acoustical Society of America 128 (2): 751–62. https://doi.org/10.1121/1.3458855.
Stenfelt, Stefan, and Richard L. Goode. 2005. “Bone-Conducted Sound: Physiological and Clinical Aspects.” Otology & Neurotology 26 (6): 1245–61.
Tourville, Jason A., and Frank H. Guenther. 2011. “The DIVA Model: A Neural Theory of Speech Acquisition and Production.” Language and Cognitive Processes 26 (7): 952–81.

Fan, Y. (2026). Turning the Hearing Inward: A Bioacoustic Study of the Ergen Yuantong Listening Method [反闻闻自性] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23666557 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).