听见是耳朵的事，听懂是大脑的事
乐天听吧 第 02 期 · 中间隔着四道工序
- 声信号传到听皮层时只是「被听见」，表达什么意义还要靠听皮层之外的脑区一起处理。
- 汉语声调主要靠基频，男声约 125 Hz、女声约 230 Hz，正落在设备常常补不全的低频段。
- 听力图说的是「多小声能听到」，言语识别说的是「听到之后能认出多少」，是两把尺子。
- 四道工序不是排队依次完成，而是同时挤在那几秒里；任何一道慢半拍，整句就漏过去了。
- 卡住时先分栏：声音层面丢的，先查设备与环境；意思层面接错的，才是练的地方。
有一种时刻，可能你也遇到过。
电话里对方报一串数字，你一个一个都听见了。
挂了电话，一个也想不起来。
不是没听见。是没留下。
还有另一种。
饭桌上大家笑了一下，你也跟着笑。
其实那一句你没接住，只是不想让人停下来再说一遍。
听见和听懂，中间隔着的不是「用心」两个字。
隔着一段路。
一、耳朵只负责「收到」
先说清楚这一路声音是怎么走的。
声音进来，耳廓把它收拢，经过耳道，撞上鼓膜。鼓膜一动，中耳那三块小骨头跟着动，把振动送进内耳。
内耳里那个蜗牛形状的东西叫耳蜗。里面铺着毛细胞，声音的振动到这里，被换成电信号。
再往后，信号上听神经，穿过颅骨进脑，一站一站往上走——耳蜗核、上橄榄复合体、外侧丘系、下丘、内膝体，最后到听皮层。
这一段路，任何一站出问题，声音都到不了。
但到了听皮层，事情才做了一半。
按科普时报的说法，声信号上传到听皮层的时候，只是被「听见」。它表达什么意义，还得靠听皮层之外的脑区一起处理。
打个比方。
快递到了，你签收了。
签收这件事，和拆包、看说明、装起来用，是两回事。
耳朵干的是签收。
大脑干的是后面那些。
这一段路，从听见走到听懂。不算长，但中间有几个站。
二、大脑收到的不是「声音」，是碎片
第二个要弄明白的，是大脑拿到手的东西长什么样。
它拿到的其实不是一段完整的话，是一堆特征。
人说话的时候，每个元音有一组自己的「共振峰」；辅音决定这些共振峰怎么过渡。
大脑就是从这两个东西里把词认出来的。
有意思的是，这一步是靠经验完成的。科普时报那个说法很好——类似从茫茫人海里认出一张熟悉的脸。
把这件事翻译成一句家常话：听懂，是拿碎片去对库存。
库存里有的，对上了，你就懂了。
库存里没有，或者那个词本来存得就不牢，怎么对都不顺。
汉语还多一道关。
同一个音节，四个调，四个意思。妈、麻、马、骂。
声调主要靠基频。研究里说，光凭基频信息，就能认出语音里九成以上的声调。
而基频落在很低的频段——男声平均一百二十五赫兹，女声两百三十赫兹左右。
五百赫兹以下的低频，对声调更要紧；五百赫兹以上，管的是声母韵母这些。
这就解释了一种很奇怪的感觉：
声母韵母你好像都收到了，可那个字是「飘」的，落不到实处。
不是错觉。是调那部分没跟上。
戴耳蜗的朋友这里格外明显。设备能分的频段有限，低频那一段常常给不全，声调就容易黏在一起——研究里也反复提到这回事，尤其二声和三声最难分。
三、所以「听力图」和「听懂」会对不上
到这儿，第三件事就好理解了。
临床上真的有这种情况：听力图不算太差，可就是听不清。
反过来也有：图上不好看，日常交流却还行。
这不是玄学，是有具体说法的。
一种是「神经型」的。管传信号的那批神经细胞变少了，于是言语识别率跟纯音听阈不成比例地往下掉——图上看不出那么严重，实际听词却差得多。
还有一种是「隐性」的。内毛细胞和听神经之间的连接悄悄丢了，「纯音听阈」可以正常，或者只掉一点，可一到有噪声的地方，言语感知就明显下去。这种变化，可能比听力图上的变化出现得更早。
还有一种叫「听神经病」。美国国家耳聋与其他交流障碍研究所的说法很直接：内耳成功地检测到了声音，但把声音从耳朵送进大脑这一步出了问题。这类人的听力敏感度可能正常，也可能轻到重度；但言语感知能力总是差的，而且差得比按听力损失程度预估的更厉害。
再有一种叫「耳蜗死区」——耳蜗上某一段，能用的毛细胞和神经几乎没有了。那一段的声音，你放大多少倍送进去，也没有细胞来接。
有研究还提示，对着这块区域硬放大，可能反而添乱。
这些名词，我列出来不是让你对号入座。
不用去猜自己是哪一种，那是听力师和医生要判断的事。
列出来，是想说明一件事：
图上的数字，说的是「多小声能听到」。它没说「听到之后能认出多少」。
这是两把尺子。
你拿一把尺子的结果，去解释另一把尺子上的事，当然对不上。
四、听懂一句话，中间有四道工序
那「听懂」到底靠什么？
拆开看，是四样东西在接力。
一是信号得够清楚。
进来的是糊的、断的、忽大忽小的，后面三道工序再使劲也补不回来。设备和环境管这一道。
二是得能分辨。
频率差一点、时间差几十毫秒、声调差一个弯，都得听得出。这一道是耳朵后面那套辨音的手艺。
三是得能预测。
真实对话里，你从来不是每个字都听清了，正常人也一样。靠上下文补。
所以熟的话题省力，生的内容费劲。不是你今天状态差，是那道预测的手没抓稳。
四是得有脑力余量。
这一道最容易被忽略。
输入一模糊，大脑就得把「工作记忆」调过来帮忙——先「存住」没听清的几个碎片，再一个个去对记忆里的词。
可工作记忆是有限的。它被拉去对词，能用来理解整句话的余量就少了。
这就是为什么，同样一场会，你比旁边的人累得多；为什么听完两小时，回家一句话都不想说。
那不是娇气。是这四道工序里，前三道都在额外耗费力气。
还有一点，这四道不是排好队一道走完再下一道。它们是同时挤在那几秒里的。任何一道慢半拍，整句话就漏过去了。
四道工序，任何一道掉了，最后表现出来的都是同一句话：
「我没听懂。」
但掉的是哪一道，处理的办法完全不一样。
五、先分清是哪一道，再谈怎么练
这一段是这一篇最实用的地方。
不用仪器，你自己就能大概摸出来。听一段话，注意自己卡住的时候，身体给的是哪种感觉。
如果声音本身是飘的、糊的、像隔着一层水——那多半是信号那一道。该找听力师看看补偿够不够、有没有哪个频段是补了也没用的。
如果你听见了，但字是错的——把「十四」听成「四十」，把「爸」听成「怕」——那是分辨那一道。这类错误有个好处：它是可以被纠正的，因为大脑做了一次判断，判断错了能改。
如果每个字都对，连起来却不知道什么意思，或者对方说完前半句，你已经忘了他是怎么开头的——那是第四道。这时候加练反而不划算，先减负更实在：把语速请对方放慢一点，把背景音关小一点，把要点记下来。
三种感觉，对应三种处理。
混在一起使劲，力气花得最多，效果最差。
六、今天能做的一件事
准备一段一分钟的音频。新闻、有声书、短视频都行，要有人说话。
听第一遍，不看文字。
然后拿张纸，中间画一道线，分两栏。
左边一栏，写「我丢了什么」。
写声音层面的：太快了、太轻了、后面有音乐盖着、那个人声音发闷。
右边一栏，写「我接错了什么」。
写意思层面的：把哪个词听成了哪个词，哪一句我「猜歪」了。
听第二遍，看文字，对一对，往两栏里补。
就一分钟。
记七天。
七天之后你会看见一件事：左边还是右边，哪一栏更长。
那一栏，就是你该先处理的地方。
如果左边长，先别急着练，先去看设备和环境。
如果右边长，那才是练的地方——而且练起来是有方向的。
最后说一句。
听懂本来就比听见多好几道工序。
你卡住的地方，是有名字、有位置、有对应办法的。
那不是你不够用心。
乐往编辑部观点
这一篇最想留下的不是四个名词，是文末那张两栏纸：左边写「我丢了什么」，右边写「我接错了什么」。记七天，哪一栏更长，方向就出来了——这比任何通用训练计划都更贴近你自己的卡点。
我们刻意没有写「照着练就能听懂」。四道工序里，信号那一道半由设备、环境和听力师验配决定，不是靠意志力能补的。把这层说清楚，读者才不会在该调设备的时候硬练。
常见问题
每个字都听见了，却不知道对方在说什么，是怎么回事？
听力图正常，为什么还是听不清？
戴人工耳蜗为什么声调特别难分？
文里那些名词（听神经病、耳蜗死区、隐性听力损失），需要对号入座吗？
开一场会听两小时就累垮，是娇气吗？
该先练，还是先调设备？
数据与标准来源（可核查）
- 听见与听懂的分界：声信号经耳蜗核、上橄榄复合体、外侧丘系、下丘、内膝体到达听皮层；「声信号上传到听皮层的时候，只是被『听见』，它到底表达什么意义，还需要听皮层之外的联合皮层等脑区协同处理」（《科普时报》2021-03-12《大脑让耳朵选择性"关门"》，科技日报数字报）。同文：人类有数亿个感光细胞，仅数千个感受声音的毛细胞，外周编码不够强大，靠中枢整合弥补。
- 元音共振峰与辅音过渡、按经验识别：同上文，「大脑通过对这些共振峰及共振过渡的特征提取，可以将其转化为自己熟悉的词语……是根据经验完成，类似从茫茫人海中识别出一张熟悉的面孔」。
- 汉语声调、基频与频段：《中国听力语言康复科学杂志》专题（人工耳蜗植入儿童普通话声调感知研究综述）——普通话四声，基频 F0 可识别 90% 以上声调；男声平均基频约 125 Hz、女声约 230 Hz；500 Hz 以下低频对声调感知重要、500 Hz 以上对言语感知重要；现有多通道人工耳蜗电极数通常 12–22，部分编码策略频率范围 250–8000 Hz，250 Hz 以下缺失；二声与三声最难区分。
- 言语识别率与纯音听阈不成比例下降：《临床耳鼻咽喉头颈外科杂志》老年性聋听觉中枢重塑机制综述——神经型（螺旋神经节神经元减少）典型特征为「言语识别率与纯音听阈不成比例地下降」；突触型（内毛细胞-听神经纤维带状突触丢失）「纯音听阈可正常或轻度受损，但噪声下言语感知能力显著下降」；并指出「外周病变不仅造成听阈的改变，更可能引发信息质量的退化」。
- 听神经病（最典型的「听见但听不懂」）：美国 NIDCD（National Institute on Deafness and Other Communication Disorders）官方 Fact Sheet——"the inner ear successfully detects sound, but has a problem with sending sound from the ear to the brain"；听力敏感度可正常亦可轻至重度；"They always have poor speech-perception abilities"；其言语感知受损程度大于按听力损失程度所作的预估。
- 耳蜗死区：Moore BCJ, Dead Regions in the Cochlea: Diagnosis, Perceptual Consequences, and Implications for the Fitting of Hearing Aids, Trends in Amplification, 2001——死区指耳蜗中功能性内毛细胞和/或神经元极少的区域；死区频段的声信息无法被有效利用，对该区域放大未必有益、可能带来负面代价（"patients with nonfunctional apices may be unusually sensitive to the costs imposed by amplification"）。Vinay & Moore, JASA 2007 / 2008：低频死区者在该频段高通截止条件下言语识别得分显著偏低。
- 工作记忆与言语识别（ELU 模型）：Rönnberg 等 Ease of Language Understanding 模型及相关研究（Mishra et al., Frontiers in Aging Neuroscience 2014；Strori & Souza, Int J Audiol 2023）——输入退化时，工作记忆被显式调用以维持并加工言语碎片、完成与长时记忆语音表征的匹配；工作记忆资源被占用后，可用于更高层加工的「认知剩余容量」减少，表现为聆听费力。
- 分散练习、反馈与听觉训练效果：沿用 01 期已核来源，本篇不重复引用。---
（文中提到的研究结论，是目前的大致倾向，个体差异很大，不构成医学建议；具体怎么练、练多久，以听力师或医生的评估为准，请以官方为准。文中提及的产品为自有产品，未对任何医疗机构作推荐。） 本文为康复科普整理，以官方发布与临床医生、听力师的评估为准；未对任何医疗机构作推荐。