为什么你的英语听起来像 Slack 消息

在美国科技公司，发音如何悄悄决定非英语母语开发者的晋升

本文专门讲发音，也就是「语言天花板」的第二层。对很多在美国科技公司工作的非英语母语开发者来说，真正卡住的地方就在这里。

你已经在读字里行间了

你的 tech lead 发来一条消息：“ok thanks.”

你看了两遍。她是不高兴了吗？还是只是忙？你往上翻。上一条是你的设计方案。没有 emoji。没有补充。就一句 “ok thanks.”

你打开同事的 DM：“你觉得她是不是有点生气？”

这种事每天都在发生。Slack 里的消息经常两种意思都说得通。一个 “sure” 可能是真同意，也可能是不情愿。一个笑脸，在别人那里可能是友好，但你在这个公司里已经学会把它读成阴阳怪气。一个没有感叹号的回复，也会让你觉得哪里不对。你发消息前会反复检查。为了保险，你会加上 “(joking!)”。你会在脑子里反复播放那些短回复，试图听出语气。

你其实很清楚这里发生了什么。文字是一条有损通道。字面意思传过去了。但语气、讽刺、温度、紧迫感、自信感，大部分都在键盘到屏幕之间被压缩掉了。所以大家都在补偿：emoji、标点、明确说明 “no rush”，或者 “just my two cents” （idiom：只是我的个人意见，你可以采纳，也可以不采纳）。这些都是在给缺失的维度打补丁。

这里有一个很多非英语母语者没有意识到的点。

当你在会议里说英语时，即使你很流利，即使词汇量很强，同样的压缩也在发生。不是因为你用错了词，而是因为承载语气、讽刺、温度、紧迫感和自信感的那一层还没有完全调好：发音、prosody （technical term：语音中的节奏、重音和语调），以及你组织句子节奏的方式。字面意思传过去了。你这个人的其他部分没有完全传过去。

你的同事未必会有意识地注意到这一点。但他们会像你读 Slack 消息一样，自动填补缺失的信号。而他们填出来的结论，不一定是你希望他们得到的结论。

这篇文章讲的就是这条缺失的通道：上面到底有什么信号，为什么它比大多数非英语母语者想象得更重要，为什么单纯更努力学习解决不了它，以及什么方法真的能解决。

在咖啡馆很可爱，在站会上很吃亏

你有没有听过外国人说你的母语？很多时候挺可爱的。你会欣赏对方的努力。对方用错一个词，或者把一个习惯表达用得有点偏，可能还会很好笑，甚至让整段对话变得更有意思。在轻松场景里，“他想表达什么”和“他说出来什么”之间的差距，本身就是体验的一部分。

工作不是轻松场景。

在会议里，速度很重要。说得慢会被读成不确定。犹豫会被读成不知道答案。一个同事身上的停顿可能会被理解为“在认真思考”，但同样的停顿发生在你身上，就可能被读成“没有明确立场”。表达不够精准，会让人以为你没有完全理解系统。语气太平，会让人以为你自己都不太相信你说的话。

冲突场景最容易暴露这个差距。有人挑战你的设计。一个 senior engineer 对你的估算 pushes back （phrasal verb：提出挑战、反对或要求重新考虑）。PM 想重新打开一个已经定下来的决定。你需要在几秒内回应。你需要听起来克制，而不是防御。你需要 hold your ground （idiom：在压力下坚持自己的立场），但不能显得固执。你需要表达不同意，但不能听起来有攻击性。这些东西都靠语气、节奏和用词承载，而它们恰好是你用第二语言工作时最容易被压缩掉的部分。

不只是冲突。还有会议开始前的闲聊。还有让紧张气氛松一下的随口玩笑。还有一句 “good point” 要说得像是真心认可，而不是像你在让步。还有加入一个已经高速运转的讨论，而不是一直等一个永远不会出现的停顿。所有这些时刻里，技术上正确还不够，你还必须 sound right。

当非英语母语者没有经过发音和 prosody 训练就用英语工作时，同样的 Slack 式压缩会发生，只是声音更大，代价更高。字面意思传过去了。其他东西，信心、权威感、温度、群体归属感、社会位置、以及“这个人属于这个房间”的信号，都在到达听者之前被剥离或扭曲了。话传到了。但“这个人值得认真对待”的信号，经常没有完全传到。

英语母语者不是在有意识地做这个计算。他们只是像你读 “ok thanks” 一样，根据自己甚至没有意识到的线索补全缺失的通道。而当这些线索被削弱时，他们拼出来的你也会被削弱。不是因为他们有意识地歧视你，而是因为通道有损，大脑会做大脑一直在做的事。

这就是语言天花板第二层的具体形态。不是你的英语差，而是你的英语里负责广播 你是谁 的那一层，也就是训练过的发音和 prosody，还不够强，无法覆盖缺失信号造成的印象。

晋升真正发生的隐形层

工作不只是把事情做完。工作也是在一张关系、层级和潜规则组成的网里行动。岗位是正式层：组织架构、职级、汇报线。这只是 tip of the iceberg （idiom：冰山露出水面的一小部分）。

水面下面还有很多东西。谁的影响力超过了 title。做困难决策时谁会被拉进房间。VP 会先问谁的意见。出问题时谁能得到 the benefit of the doubt （idiom：在情况不清楚时先给予信任），谁必须先解释自己。这些都不会写在文档里。但它们都真实存在。

晋升真正是在这一层决定的。而在这一层，what 你说了什么，往往不如 how 你怎么说重要。一个正确答案，如果说出来没有确信感，会像猜测。一个半成型想法，如果表达得有判断力，会像领导力。单靠能力不会自动让你 move you up （phrasal verb：让你晋升、把你往上提）。能力加上投射权威感的表达，才会。没有从外部经历过这件事的人，常常完全看不见它正在发生。

这正是 Wharton 和 UC Irvine 那项研究在测量的东西。

评估者听的是同一份求职面试稿，由英语母语者和带非母语口音的人朗读。词一样，资历一样。带非母语口音的候选人，被推荐进入管理岗位的概率低了 16%。在后续研究里，带非母语口音的创业者获得融资的概率低了 23%。

关键细节是：评估者并没有认为非母语者更难听懂。理解度没问题。他们给非母语者打低分的地方是 “political skill”，也就是影响、说服和处理人际关系的能力。

带着 Slack 的类比再读一遍。

评估者在拼出这些候选人在政治层里是什么样的 operator。他们用的线索和人们平时用的一样：语气、节奏、停顿、重音和语调里携带的微小自信感，以及那些听起来“属于这个群体”的声学信号。当这些线索被压缩或扭曲时，拼出来的画像就会偏掉。不是“这个人听不懂”，研究里明确不是。更像是“这个人听起来还不太像领导者”。

这个差距，也就是实际说了什么和评估者得出了什么结论之间的差距，就是缺失带宽在起作用。它是当发音和 prosody 这一层没有训练好时，从英语口语里被剥离出去的东西。它也决定你会不会被拉进真正做决定的房间。

最不舒服的地方在于，大多数做出这些判断的人并不知道自己在判断。你的经理不会在校准会上想：“这个人 prosody 不好，所以不该晋升。”他们会说：“我不确定他准备好进入下一级了”，或者“我还没有看到领导力”。机制对他们来说是隐形的，所以没人会把它明确说给你听。你可以是团队里最强的工程师，却每周都在政治层的解读里悄悄失分。

为什么更努力学习不会 move the needle

（idiom：带来可衡量的改善）

想想一个篮球运动员是怎么变强的。

两件事同时发生，而且它们几乎互不相通。一件是研究比赛：看录像，读战术手册，学习面对 2-3 联防该叫哪套战术，记住对方中锋的球探报告。这些都可以坐在沙发上完成。你会像学任何知识一样进步：多读，多想，记笔记。

另一件事是投一万次 jumpers （basketball：跳投）。脚步。出手点。肘部角度。手腕最后那一下。靠读书不会让这些变好。你必须去做，投丢，调整，再做。教练看着你说：“你的辅助手在推球。”你试着改。你又以新的方式投丢。再调整。几千次之后，动作开始自动化。

现在想象一个球员只做第一部分。他会成为一个非常懂球的分析师，但做不了一个有对抗的上篮。他知道该投什么球，但投不出来。

语言也有同样的分裂。甚至这两部分住在大脑的不同区域。

Declarative learning （technical term：陈述性学习） — 你可以有意识学习、回忆和解释的知识。事实、规则、词汇。主要存储在海马体和皮层中。通过阅读和复习提升。相当于研究比赛。

Procedural learning （technical term：程序性学习） — 身体在无意识中执行的运动模式。通过带反馈的重复建立。存储在运动皮层、基底节和小脑中。不能靠阅读提升。相当于反复投跳投。

这些不只是不同技能。它们住在大脑的不同区域。它们遵循不同规则。提升其中一个，不会自动提升另一个。

这就是为什么大多数语言教育会让人卡在你现在卡住的位置。

App、教材、课程、背词卡，主流语言学习里几乎所有东西都在 declarative 那一栏。它容易评分。容易规模化。可以用选择题测试。可以在 dashboard 上展示清晰进度。所以市场就会优先做这些东西。你可以在词汇 app 上坚持 500 天，考过 C1 阅读，仍然用一种会让 VP 下意识把你 “political skill” 打低的方式说英语。

更努力学习，只会把 declarative 那一栏拉满。它几乎不会改变 procedural 那一栏。你可以读完世界上所有语法书，但你的舌头仍然不知道一个你母语里不存在的 English /r/ 该放在哪里。

Procedural 这一栏，就是 Slack 类比里缺失的带宽。它也是评估者会不会把你读成领导者的那一部分。而几乎没有语言项目真正在训练它。

如果学习本身不能推动发音，那什么能？

程序性一侧可能坏在三个地方。 你可能不知道嘴巴应该为母语里不存在的声音做什么动作。你可能听不出母语者版本和你自己版本之间的差距。或者你的单个音已经接近了，但节奏和语速暴露了你。本文末尾有一个 30 秒自测，可以帮你判断自己是哪一种。现在先看能修复它们的机制。

真正训练发音的东西：重塑你的大脑

Motor learning。带反馈的重复。答案就这么简单。

而且这已经不只是比喻了。脑成像现在可以让研究者实时看到，一个人在练习发音时，程序性一侧是如何重塑自己的。三十年前看不见的机制，今天可以在扫描里看见。

Neural rewiring （technical term：神经重塑） — 学习带来的大脑线路物理变化。神经元之间形成新连接；已有连接变强或变弱；包裹快速信号通路的白质变厚。可以在 fMRI 中表现为激活模式变化，也可以在弥散成像中表现为结构连接变化。也叫 neuroplasticity。不是比喻。是真正的硬件重写。

一项 2023 年的 fMRI 研究扫描了英语母语者学习阿拉伯语音对比的过程，训练持续 三天，总共大约三小时。三小时后，研究者已经能看到额下回和小脑出现可测量变化：这些正是程序性系统相关区域，激活更强，底层白质结构也出现变化。三小时专注练习。扫描上可见的重塑。不是隐喻。是 MRI 机器捕捉到的真实神经重组。

它之所以有效，是因为 motor learning 运行在一个反馈闭环上，而这个闭环已经被映射到具体脑区。Boston University 的 Frank Guenther 实验室花了二十年构建并用 fMRI 验证一个叫 DIVA 的语音运动控制计算模型。这个模型说的其实很简单：当你发出一个音时，大脑会把你本来想发出的声音和实际发出的声音进行比较，从差距中生成 error signal，然后调整下一次尝试。经过成千上万次重复，运动指令会被调到“想发出的”和“实际发出的”对齐。这个闭环，就是重塑发生的地方。

你也可以在扫描中看到这个闭环闭合。在一个实验里，研究者通过耳机把说话者自己的声音播放回去，但偷偷改变了音高。说话者的大脑在毫秒级注意到了变化。大脑的 auditory error 区域活动增强，随后在不到一秒的时间里，运动区域会调整下一次发声来补偿。说话者并没有意识到自己在这样做。这个闭环在意识之下运行。你当初学会说话靠的就是它，而它也是唯一能在第二语言中重建发音的机制。

由此推出三件事。

第一，没有反馈的重复没用。如果大脑无法比较目标和实际，就没有 error signal；没有 error signal，就没有调整。只是多说英语并不会自动修复发音。很多人在英语国家生活三十年，口音还是刚来时的样子。瓶颈不是重复次数，而是反馈。

第二，反馈必须足够精确，闭环才能使用。“你听起来有点不对”不会生成可操作的 error signal。“这个元音里你的舌头太靠后了”才会。这就是为什么受过语音训练的老师、录下自己并和母语者对比、或者能可视化 pitch 和 formants 的软件有效，而好心的母语者说一句 “almost!” 通常帮助有限。

第三，它可以移动得很快。阿拉伯语研究里，三小时就产生了可见的神经重塑。刻意训练发音的人，即使每天只练十五分钟，通常几周内也会开始听出自己身上的变化。程序性系统比陈述性学习慢，但不是冰川。它只是需要正确输入。

所以，训练右边那一栏，具体长什么样？

真正训练程序性一侧的三种技术

大多数发音建议只会告诉你 practice more。这就像告诉篮球运动员多投 jumpers。技术上没错。但如果不说清楚什么样的练习能闭合反馈回路，就没什么用。

有三种技术可以。它们并不新。语音学家、口音教练和认真的语言学习者已经用了几十年。新的地方在于，脑成像现在解释了为什么它们有效，也解释了为什么很多 app 提供的替代练习效果有限。

每种技术训练闭环中的不同部分：概念地图、输入侧和输出侧。

训练单个声音

你的运动系统首先需要一个精确目标：它到底要产出什么。模糊的目标不可执行。“English /r/” 并不会告诉你的舌头该去哪。“alveolar approximant：舌尖靠近但不接触上齿龈后方，没有接触，没有摩擦” 才能。前者只是标签。后者是你的舌头可以执行的指令。

这就是 articulatory phonetics 给你的东西：用口腔里哪个位置发音、舌头和嘴唇在做什么、声带是否振动、气流是否经过鼻腔，来描述语音。对于母语里不存在的声音，articulatory descriptions 会告诉你在发音前应该如何设置口腔。它给你的运动系统一个目标。

最常见的方法是学习一点 International Phonetic Alphabet (IPA)。这是一套每个符号对应一个声音的记音系统。真正有价值的其实不是符号本身，而是学习 IPA 会迫使你学习 articulatory phonetics。一旦你会了，就能精确阅读发音词典，而不是依赖 “kuh-WAH-sahn,” 这种重拼写。后者往往会把你的母语口音编码进答案里。

你不需要流利书写 IPA。你需要读懂到一个程度：看到英语里那些你母语没有的声音时，知道嘴巴该做什么。花几个小时看英语元音和辅音的 IPA 图表，就足够开始。

实际练法是：遇到一个不确定怎么读的词，不要只凭音频硬模仿，先查它的 IPA transcription。转写告诉你的运动系统目标，音频告诉你有没有打中。

调整输入侧

Minimal pairs （technical term：最小音对） — 只差一个 phoneme 的两个词。Ship 和 sheep。Rice 和 lice。Bit 和 bet。这类对比可能在你的母语里不存在，所以你的耳朵可能不会登记它。

成年学习者经常是真的听不出两个 phoneme 的区别，因为他们的第一语言把这两个声音当作同一类。你的大脑花了几十年按照母语的音位库存来分类声音，并过滤掉那些在母语里不重要的差异。日语母语者不一定稳定听出 English /r/ vs. /l/。西班牙语母语者容易合并 English /i/ 和 /ɪ/，也就是 sheep 和 ship 里的元音。普通话母语者则可能把母语音系不允许的辅音连缀压平。

如果你听不出对比，就很难稳定发出来。反馈闭环里的 error signal 依赖你的听觉系统注意到目标和实际之间的差距。如果你的耳朵已经被训练成忽略这个差距，闭环就闭不上。你可以重复一个词一万遍，发音仍然不动。

Minimal pair drills 会重新训练感知过滤器。你听两个词，判断听到的是哪一个，然后立刻得到反馈。足够多轮之后，类别会变清晰，你开始听见以前听不见的区别。关于日语母语者学习英语 /r/ 和 /l/ 的经典研究显示，感知训练会迁移到产出能力上。一旦受训者能稳定听出对比，他们自己发这些音的能力也会提高，即使没有单独做产出训练。调好输入侧，也会帮助调好输出侧。

实际练法是：每天几分钟，针对你母语里不存在的对比做 minimal pair 听辨练习。因为这些盲点可以从你的 L1 预测出来，日语、西班牙语、普通话母语者需要的练习并不一样，所以它最好放在围绕你具体盲点设计的课程里，而不是泛泛的 listen-and-repeat。

用母语速度训练输出侧

Shadowing （technical term：影子跟读） — 实时重复母语者说的话，延迟越短越好，理想情况下落后不到一秒。你不是暂停、翻译、分析，而是在语流发生的同时尽量镜像它，包括节奏、语调，以及词和词之间自然连在一起的方式。

Shadowing 有效，是因为它迫使你的运动系统跟上母语者的语速和自然 prosody。这是朗读和慢速仔细重复给不了你的。它也训练耳朵：要 shadow 得好，你必须真正解析输入，而不只是认出孤立单词。

Shadowing 能闭合反馈回路，是因为它把目标和实际实时叠在一起。你听到模型。你紧跟着产出自己的版本。大脑同时拿到两路信号，可以立刻计算差距。这就是 error signal。大多数语言练习不会生成它：你说一句话，但没有东西可以对比。Shadowing 让比较自动发生。

这也是为什么 shadowing 能训练 minimal pairs 和 articulatory phonetics 训练不到的东西：节奏、句子重音、连读中自然发生的弱化，比如 “didja eat yet?” 而不是 “did you eat yet?”。这些是 prosodic features，不是单个音段。它们就是 Slack 类比里缺失的带宽变成了可听见的东西：信心、时机、属于这场对话的感觉。你可以把单个 phoneme 发得很准，但因为节奏不对，整句话仍然听起来很“外国”。三种技术里，只有 shadowing 直接修这个。

实际练法是：选一段母语者录音，播客片段、视频、TED 演讲都可以。一开始开着 transcript。播放音频并 shadow，尽量贴近说话者。对同一段做几遍。之后关掉 transcript。边走路边做也有帮助，身体在动会让你少一点过度分析。每天五到十五分钟，几周内就能 move the needle。

为什么是这三种，而且是这个顺序

这三种技术不能互换。它们训练同一个闭环的不同部分，并且可以叠加。

训练单个声音给你概念地图：你的嘴巴应该做什么。Minimal pairs 调整你的感知：也就是闭环的输入侧，让大脑能听出目标和实际之间的差距。Shadowing 训练母语速度下的输出侧：节奏、prosody，以及真实对话里闭合闭环所需的运动执行。

跳过第一个，你就在猜 intended。跳过 minimal pairs，你的耳朵算不出差距。跳过 shadowing，你可能能把孤立声音发对，但整句话仍然因为节奏不对而听起来不自然。

合在一起，它们接近一个完整的发音训练系统。而大多数学习者实际使用的语言 app 和课程，几乎完全缺少这些东西。

你的闭环坏在哪一段？

在三种都练之前，先知道你现在最弱的是闭环的哪一段，会更有效。这个诊断不需要教练。只需要三十秒和你自己的声音。

打开 GrokEnglish 中文首页 的录音器。听一个母语者说真实技术短语。录下自己说同一句。把两段放在一起听。然后看下面哪一种最符合你刚才注意到的问题：

你通常会发现至少两项都是真的。这很正常。从差距最明显的那一项开始。那就是你当前闭环最明显断掉的位置。

关于努力这件事

这件事不容易，也不快。

大多数语言 app 不会告诉你这一点。它们的商业模式依赖于出售“我在进步”的感觉：连续打卡、徽章、“你的西班牙语已经 73% 流利” 这样的 dashboard。真正的程序性改变不适合这个模型。它更慢，不够好看，也更难游戏化。所以市场上大多数产品会悄悄跳过它，把 declarative 的工作包装成你需要的一切。

你在自己的专业里应该很熟悉这种模式。成为强工程师也不快。你读论文。你凌晨两点 debug。你搭系统，系统失败，再重建。你不会期待一个 15 分钟教程把你变成 staff engineer。你知道真正的技能需要真正的工作，而且你愿意做，因为目标值得：晋升，自主权，以及那种付钱让你思考难题的岗位。

发音也是同一种技能。每天十五分钟，几个月会动。每天五分钟，几周也会开始动。但不存在一种版本是不需要你出现并运行这个闭环的。

GrokEnglish 建立在这个假设上。我们不会承诺你周五前就像母语者。我们提供的是一个足够容易运行闭环的工具，面向那些已经知道如何做刻意练习、只是需要知道该把努力放在哪里的人。重复由你完成。机制由我们提供。

这周该做什么

你不需要彻底改造自己的学习计划。你只需要开始运行闭环。

最重要的转变，是每天哪怕只拿出十五分钟，从 declarative 一侧挪到 procedural 一侧。从背词卡，挪到带反馈的重复。从阅读英语知识，挪到真正产出英语并和模型对比。这就是关键动作。其他都只是剂量问题。

下面是最简单的闭环，今天就可以做：

1. 选一句你工作里真的会说的话。 不要选教材句。选你会在 standup 或和 stakeholder 沟通时说的话。比如：“Let's circle back （idiom：稍后回到这个话题） on this after the design review.” “I'd push back on that estimate.” “The root cause was a race condition in the caching layer.”
2. 听母语者说这句话。 不是听你自己的尝试，而是听目标版本。
3. 录下自己说同一句。 不要想太多，先说出来。
4. 并排听回放。 差距在哪里？某个元音不对？重音落错音节？节奏太平均、太平、太慢？你不需要教练才能开始注意到这些。差距会立刻出现。
5. 再来一次。 这就是闭环。母语者模型 → 你的版本 → 对比 → 调整 → 下一次尝试。前面说的反馈闭环，用手动方式跑起来。

每天对同一句做五轮，坚持一周，就足够让你开始以不同方式听见自己。这不是比喻。这就是程序性系统在得到真实输入时移动的速度。

最难的是持续做。大多数人跳过它，不是因为它难，而是因为它看起来太小。它确实小。真正不小的是复利。

更快版本的闭环

如果手动跑闭环的摩擦已经足够让你不想做，那就用工具替你处理摩擦。我们在 GrokEnglish 中文首页 做录音器，就是为这个目的：听母语者说真实技术短语，录下你说同一句，然后并排回放。三次点击，三十秒，差距立刻可见。

闭环是同一个。工具只是移除了大多数人会放弃的步骤：找模型、转写、设置录音、把两段音频放在一起。这个准备工作看起来很小，但正是这种摩擦会把 I'll do it tomorrow 变成 I never started。

如果你想直接练预置技术词，而不是自己挑短语，GrokEnglish dictionary 里有 100+ 个软件开发词汇，带母语者发音。点一下就进入同一个闭环：听、录、对比，而且练的是你工作里真的会用到的词。可以先试几个：

如果你想继续深入，前面三种技术是在这个闭环上叠加，而不是替代它：

• 对于你母语里不存在的声音，花一小时看 IPA 图表。录音前先知道嘴巴该做什么。
• 对于你听不稳定的 phoneme 对比，先做几分钟 minimal pair drills，再练包含这些对比的短语。先训耳朵，再训嘴巴。
• 对于节奏和 prosody，通勤或散步时 shadow 一段播客或 TED 演讲五到十分钟。紧跟说话者，不要暂停分析。

这些层各自解决基本 record-and-compare 闭环单独解决不了的问题。但这周你应该先从基本闭环开始，因为做一次，就是从 相信 procedural 这一侧可以改变 到 亲眼看见它开始改变 的差别。

周五前只做一件事

你已经读完了框架。你知道为什么更努力学习没有推动发音。你知道 motor learning 是什么，也知道什么样的反馈闭环能建立它。现在最难的部分，和 Language Ceiling article 结尾一样：关掉页面，然后真的做一件事。

所以就做一件。

录下自己说一句技术短语。和母语者版本对比。注意一个具体差距：一个元音，一个重音模式，一段节奏。再说一次。就这样。这就是完整闭环。你第一次运行它，procedural 这一侧就开始动。

阿拉伯语研究里，三小时专注练习就在扫描上产生了可见重塑。你不是在要求大脑做它不会做的事。你只是给它正确类型的输入。

这周开始。

本文短语

Idioms（习语）

• just my two cents — 只是我的个人意见，你可以采纳，也可以不采纳
• hold your ground — 在压力下坚持自己的立场
• tip of the iceberg — 冰山露出水面的一小部分，指更大问题的可见部分
• the benefit of the doubt — 在情况不清楚时先给予信任
• move the needle — 带来可衡量的改善
• circle back — 稍后回到这个话题

Phrasal Verbs（动词短语）

• push back — 提出挑战、反对或要求重新考虑
• move (someone) up — 让某人晋升、把某人往上提

Technical Terms（技术术语）

• prosody — 语音中的节奏、重音和语调
• declarative learning — 可以学习、回忆和解释的知识系统，比如词汇、语法和事实
• procedural learning — 通过带反馈的重复建立的运动技能，比如发音和 prosody
• neural rewiring / neuroplasticity — 学习带来的大脑物理变化
• articulatory phonetics — 用口腔和声道的动作来描述语音
• IPA (International Phonetic Alphabet) — 每个符号对应一个声音的记音系统
• minimal pairs — 只差一个 phoneme 的两个词，比如 ship / sheep
• shadowing — 以不到一秒的延迟实时跟读母语者音频

参考来源

1. Huang, L., Frideger, M., & Pearce, J. L. (2013). "The Price of Accent: Evaluator Accent, Persuasion, and Entrepreneurship." Journal of Applied Psychology, 98(6), 1005–1017. https://pubmed.ncbi.nlm.nih.gov/23937299/
2. Spence, J. L. et al. (2024). "A meta-analysis of accent discrimination in hiring decisions." Society for Personality and Social Psychology. https://spsp.org/news/character-and-context-blog/spence-accent-discrimination-hiring
3. Lev-Ari, S., & Keysar, B. (2010). "Why don't we believe non-native speakers? The influence of accent on credibility." Journal of Experimental Social Psychology, 46(6), 1093–1096. https://doi.org/10.1016/j.jesp.2010.05.025
4. Gluszek, A., & Dovidio, J. F. (2010). "The Way They Speak: A Social Psychological Perspective on the Stigma of Nonnative Accents in Communication." Personality and Social Psychology Review, 14(2), 214–237. https://doi.org/10.1177/1088868309359288
5. Hellbernd, N., & Sammler, D. (2016). "Prosody conveys speaker's intentions: Acoustic cues for speech act perception." Journal of Memory and Language, 88, 70–86. https://doi.org/10.1016/j.jml.2016.01.001
6. Mehrabian, A. (1971). Silent Messages: Implicit Communication of Emotions and Attitudes. Belmont, CA: Wadsworth.
7. Lapakko, D. (2007). "Communication is 93% Nonverbal: An Urban Legend Proliferates." Communication and Theater Association of Minnesota Journal, 34, 7–19. https://cornerstone.lib.mnsu.edu/ctamj/vol34/iss1/2/
8. Kruger, J., Epley, N., Parker, J., & Ng, Z.-W. (2005). "Egocentrism over e-mail: Can we communicate as well as we think?" Journal of Personality and Social Psychology, 89(6), 925–936. https://doi.org/10.1037/0022-3514.89.6.925
9. Squire, L. R. (2004). "Memory systems of the brain: A brief history and current perspective." Neurobiology of Learning and Memory, 82(3), 171–177. https://doi.org/10.1016/j.nlm.2004.06.005
10. Squire, L. R., & Dede, A. J. O. (2015). "Conscious and Unconscious Memory Systems." Cold Spring Harbor Perspectives in Biology, 7(3), a021667. https://doi.org/10.1101/cshperspect.a021667
11. Henke, K. (2010). "A model for memory systems based on processing modes rather than consciousness." Nature Reviews Neuroscience, 11(7), 523–532. https://doi.org/10.1038/nrn2850
12. Tourville, J. A., & Guenther, F. H. (2011). "The DIVA model: A neural theory of speech acquisition and production." Language and Cognitive Processes, 25(7–9), 952–981. https://pmc.ncbi.nlm.nih.gov/articles/PMC3650855/
13. Tourville, J. A., Reilly, K. J., & Guenther, F. H. (2008). "Neural mechanisms underlying auditory feedback control of speech." NeuroImage, 39(3), 1429–1443. https://pmc.ncbi.nlm.nih.gov/articles/PMC3658624/
14. Guenther, F. H. (2016). Neural Control of Speech. Cambridge, MA: MIT Press.
15. Simmonds, A. J., Wise, R. J. S., & Leech, R. (2011). "Two Tongues, One Brain: Imaging Bilingual Speech Production." Frontiers in Psychology, 2, 166. https://doi.org/10.3389/fpsyg.2011.00166
16. Alotaibi, S., Alsaleh, A., Wuerger, S., & Meyer, G. (2023). "Rapid neural changes during novel speech-sound learning: An fMRI and DTI study." Brain and Language, 245, 105324. https://doi.org/10.1016/j.bandl.2023.105324
17. Reiterer, S. M., Hu, X., Erb, M., Rota, G., Nardo, D., Grodd, W., Winkler, S., & Ackermann, H. (2011). "Individual Differences in Audio-Vocal Speech Imitation Aptitude in Late Bilinguals: Functional Neuro-Imaging and Brain Morphology." Frontiers in Psychology, 2, 271. https://doi.org/10.3389/fpsyg.2011.00271
18. Lee, J., Jang, J., & Plonsky, L. (2015). "The Effectiveness of Second Language Pronunciation Instruction: A Meta-Analysis." Applied Linguistics, 36(3), 345–366. https://doi.org/10.1093/applin/amu040
19. Logan, J. S., Lively, S. E., & Pisoni, D. B. (1991). "Training Japanese listeners to identify English /r/ and /l/: A first report." Journal of the Acoustical Society of America, 89(2), 874–886. https://doi.org/10.1121/1.1894649
20. Bradlow, A. R., Pisoni, D. B., Akahane-Yamada, R., & Tohkura, Y. (1997). "Training Japanese listeners to identify English /r/ and /l/: IV. Some effects of perceptual learning on speech production." Journal of the Acoustical Society of America, 101(4), 2299–2310. https://doi.org/10.1121/1.418276
21. Hamada, Y. (2016). "Shadowing: Who benefits and how? Uncovering a booming EFL teaching technique for listening comprehension." Language Teaching Research, 20(1), 35–52. https://doi.org/10.1177/1362168815597504
22. EEOC. "Enforcement Guidance on National Origin Discrimination." https://www.eeoc.gov/laws/guidance/eeoc-enforcement-guidance-national-origin-discrimination
23. GrokEnglish. "The Language Ceiling: A Developer's Guide to Communication That Gets You Promoted." the-language-ceiling.html