5. 基础之上
语音是基础的基础，在此之上，路漫漫其修远。
5.1. 流利
学习另外一种语言，总是要处理很多与母语不一样的细节。
凡是和母语发声方式不一样的地方，都是语音塑造的重点。
在语音中，最重要且最普遍被忽视的差异是：
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……
首先，英文的元音有长短之分，除了 6 个基础元音 ʌ、e、ə、ɪ、ʊ、ɒ 是短元音之外，剩下的十几个都是相对更长的元音；而亚洲语言的元音都是等长的。
除此之外，在英文中，当一个短元音处于重音音节的时候，会出现因强调而发生的短元音变长的情况。比如，你可以试着说一下 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 sɪ 也会稍微变长一点点（你可以把 s 拉长）……
而英文的音节构成也相对更为复杂，元音前有可能是两个辅音。亚洲语言的音节（字）几乎没有两个辅音作为开头的情况，在英文中这种情况却非常普遍。亚洲语言的音节同样没有两三个辅音作为结尾并且还要发声清晰的情况，在英文中这种情况同样非常普遍。每个辅音都要发声清晰的话，就会占用一定的时长。比如，flexed, flekst，虽然整体上只是一个音节（ccvccc 的结构），可即便这个音节中的元音 e 是短元音，整体发声时它也比任何一个亚洲语言中的 “字”（同样是一个音节）都长。
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 —— 这造成的结果就是，说英文的时候，舌头比说其他语言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 —— 不是长一点点，而是长很多。
音节上的长短差异会造成语音在韵律和节奏上的巨大差异。
若是忽视了这一点，那么，在节奏韵律上的巨大差异会形成一个无法逾越的障碍。很多人压根就不知道这里有一个巨大的障碍，于是，从来就没有可能跨越它 —— 请问，你如何跨越一个你不知其存在的障碍呢？
还有另外一个比较隐蔽的却也同样重要的差异：
英语的自然语音中有大量的塞音存在于音节之间。这些音我们虽然听不到，也看不到发声器官的动作，但这些动作却是完整完成的 —— 也就是说，它们也是占用时长的。
还没有完…… 记得吗？两个元音直接连在一起的时候，还有可能存在加音（ʲ/ʷ），以及很常见的 l 之前的加音 ᵊ……
所有这些细节加在一起，造成了一个格外普遍的现象：
亚洲人讲英文的时候速度都过快……
常常把长元音和双元音，以及美式英语特有的半长元音读成更短的版本（尤其是 æ），很多辅音没有清楚地发音，很多实际存在的微妙停顿（比如塞音）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，反过来常见的加音却实际上缺席……
整体结果就是，同样一句话，亚洲人总是能够做到更快、很快、甚至太快地讲完。可问题在于，从理解的角度来看，在英文母语使用者耳中，几乎所有的韵律和节奏全都是错的。用错误的韵律节奏，讲的速度越快，就越难以被理解。
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，更微妙，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，不习惯的韵律和节奏，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，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，同样微妙，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。
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。
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
- 上下文足够丰富
- 符合习惯
- 逻辑清晰
- 语法正确
- 措辞准确
- 发音
- 节奏
- 停顿
- 轻重
- 缓急
- 韵律
- 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。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？
5.2. 情绪
学习语音的唯一有效方法只有模仿。在模仿的时候，最难模仿的，其实并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、音量都不一样…… 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，这个要求多少的确有点过份……
然而，的确有确实可以模仿的 —— 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！