5D Library › 反闻闻自性 · English
第四章 第二阶段：反闻——把听转回来
「反闻闻自性。」（文殊偈）
第一阶段停止了一种比较。第二阶段改变的是：声音响着的时候，注意力停在哪里——从「产生声音的工作」转到「听见声音」本身。
唱歌时的两种忙
一个音唱着的时候，歌者可以用两种很不一样的方式「忙」。
- 驱动输出。 注意力在机制上：喉咙、气息、下巴、「位置」，以及把音撑住的力气。歌者在操控肌肉。
- 接收输入。 注意力在结果到来的那一刻：音高、音色、声音在面部和头颅里的嗡鸣。歌者在听。
两者都是主动的，差别在方向。前者，注意力从歌者流向声音；后者，从声音流向歌者。按本书的读法，经文「反闻」说的正是后者。
关于注意力方向，科学怎么说
证据
第二章介绍了大脑控制嗓音的两种方式：向前推动发声的习得指令（前馈），以及纠正它的听觉与体感比较（反馈）(Tourville and Guenther 2011)。反馈控制需要感觉输入才能工作。音高偏移反射说明，听觉比较是自动而快速的，说话者不必决定去纠正什么 (Burnett et al. 1998)。
证据
运动学习的研究提供了一个外部的参照。Gabriele Wulf 回顾了十五年的研究，发现把注意力放在动作的效果上（外部焦点），通常比放在身体动作本身（内部焦点）表现更好、学得更好，从平衡到高尔夫、投掷都是如此 (Wulf 2013)。这些研究大多与唱歌无关，结论不能直接搬到嗓音上。
这个参照有启发性，但不是直接证据。听自己声音的结果，接近 Wulf 所说的「效果」焦点；管理喉与气息，接近她所说的「动作」焦点。第二阶段要求歌者把注意力放在效果上。
证据
注意力还会改变耳朵本身。Sandrine Maison 等人发现，集中注意听某个声音时，耳蜗的活动会改变 (Maison et al. 2001)；这是通过让大脑调节内耳增益的传出神经实现的 (Guinan 2006)。注意力停在哪里，不只是心理上的事，它能影响到听觉的第一站。
头颅里的「驻波点」：实际上是什么
声乐老师常说在「面罩」——鼻梁、颧骨、头顶——感觉到声音，也有人把这些地方说成声音共鸣或形成驻波的地方。第二阶段要用到这些感觉，所以值得把它们是什么说清楚。
证据
塑造嗓音的共鸣，是声道的共鸣：从声带到嘴唇的那段空气柱（第六章）。驻波形成在这段空气柱里。颅骨并不以同样的方式为嗓音共鸣：在歌唱的基频上，头部大体作为一个整体振动，颅骨较复杂的振动要到更高的频率才开始 (Stenfelt and Goode 2005)。Johan Sundberg 对歌唱嗓音的论述认为，鼻窦对从嘴里发出的声音贡献很小 (Sundberg 1987)。歌者在面部和头部感觉到的，是从喉和声道经由骨骼和软组织传来的振动。
注
所以「驻波点」更准确的叫法是「振动点」。它们是真实而可重复的：同一个元音唱同一个音，会产生同样的嗡鸣分布；元音、音高或用力改变时，分布也随之改变。这使它们适合作为注意力的对象——第二阶段需要的也只是这一点。它们是用来「听」的信号，不是要把声音「推」过去的地方。
第二阶段的练习
假说 · 尚未验证 · 第二阶段：反闻（作者的方法）
第二阶段的目的，是让「听」而不是「操控」成为发声时注意力的默认去处。作者的假说是：注意力停在输入上时，大脑对「想发的音」与「听到的音」的比较受到的干扰较少，音高不必强求就更稳。
1. 入流（2 分钟，不出声）。 舒服地坐着，闭眼。听房间内外的任何声音，不去命名。一分钟后，注意到声音与声音之间有空隙，而「听」在空隙里并没有停止。把注意力放在「听」本身，而不是下一个声音。这是把经文的「入流亡所」当作注意力练习来用。
2. 持音转注（3 分钟）。 用第一阶段找到的工作音量，在舒服的音上哼鸣或唱元音 /u/，持续约八秒。前三秒，注意「做」；然后把注意力转到「接收」：音高到来的样子，以及面部和头部感觉到振动的地方。不要刻意改变任何东西，留意注意力转移时声音是否自己发生变化。在三四个音上重复。
3. 跟听滑音（2 分钟）。 用「ng」（如英文 sing 结尾的音）慢慢向上滑五度再滑下来，像一声轻轻的警报。用耳朵跟着这个滑音，就像在房间里跟着一个移动的声音，而不是用喉咙去驾驶它。如果滑音卡住或跳音，就放慢。
4. 做与听（3 分钟）。 一个短句唱两遍。第一遍「做」：注意机制。第二遍「听」：注意声音和振动的到来。两遍都录下来，用调音器 App 或下面的程序比较音高。比较只是信息，不是要通过的考试。
推导
从录音测量音高的稳定度。
估计一个持续音的音高，有个简单办法叫自相关：周期信号平移一个周期后与自身最相似，所以一帧信号与自身最吻合时的位移量，就是周期。下面的程序生成一段两秒的
220 Hz 测试音，让它慢慢降低 20 音分，每 50
毫秒追踪一次音高，报告误差的中位数和离散程度（音分）。要用在自己的声音上，把测试音换成用
scipy.io.wavfile.read 读入的单声道 WAV 文件即可。
import numpy as np
sr = 16000
t = np.arange(0, 2.0, 1 / sr)
# 测试「嗓音」：220 Hz，慢慢降低 20 音分，含 3 个谐波
drift = 220 * 2 ** (-20 / 1200 * t / t[-1])
phase = 2 * np.pi * np.cumsum(drift) / sr
x = sum(np.sin(k * phase) / k for k in (1, 2, 3))
def f0_autocorr(frame, sr, fmin=80, fmax=1000):
frame = frame - frame.mean()
ac = np.correlate(frame, frame, mode="full")[len(frame) - 1:]
lo, hi = int(sr / fmax), int(sr / fmin)
lag = lo + np.argmax(ac[lo:hi])
# 在峰值附近做抛物线插值，得到小于一个采样点的精度
a, b, c = ac[lag - 1], ac[lag], ac[lag + 1]
lag += 0.5 * (a - c) / (a - 2 * b + c)
return sr / lag
hop, win = 800, 1600 # 每 50 ms 一步，窗长 100 ms
f0 = np.array([f0_autocorr(x[i:i + win], sr) for i in range(0, len(x) - win, hop)])
cents = 1200 * np.log2(f0 / 220)
print(f"frames: {len(f0)}, median {np.median(cents):+.1f} cents, "
f"spread (SD) {cents.std():.1f} cents")
# frames: 38, median -9.5 cents, spread (SD) 5.4 cents从 0 均匀漂到 音分，中位数应接近 ，标准差应接近 音分，程序的结果与此相符。真实的嗓音有颤音和起音；分析时只取每个音稳定的中段，第八章就是这样做的。
第二阶段不主张什么
它不主张歌者永远不该想技术。技术是靠注意机制学会的，往往要慢、要刻意。这里的主张针对的是表演：一项技能学会之后，在唱音的当下把注意力用来操控它，干扰的可能大于帮助；「听」比「用力」更适合作为注意力的落脚处。
它也不主张头颅里感觉到的振动就是观众听到的声音。那只是又一个来自内部的信号。与第一阶段的区别在于：歌者不再拿它去和外在的范本比较，只是接收它。
小结
- 唱音时，注意力可以驱动输出（操控肌肉），也可以接收输入（听声音与振动）。第二阶段把它从前者移到后者。
- 只要有感觉输入，大脑会自动校正音高；在一般的运动学习中，注意动作的效果往往比注意动作本身更有效。
- 歌者在头部感觉到的「共鸣」，是从喉和声道传来的振动；塑造嗓音的驻波在声道里。这些感觉仍然是很好的注意力锚点。
- 练习把注意力从「做」移到「听」；程序说明怎样测量音高是否更稳。
- 这种转移能让音高更稳，是有待检验的假说。
参考文献
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).