语言：空耳现象有没有语言学意义？

在我上小学时候，每天早上7点，教室里的广播小喇叭就会传出一个声音：“同学们，早上好！狐狸精广播站现在开始广播啦！”我听了很久都不明白，后来终于才弄清楚，原来播音员说的是：

“红领巾广播站开始广播啦！”——这应该算是一种“空耳现象”了……

可以这样说，任何一种我们觉得新奇、有趣、费解或者习以为常的语言现象，其背后都有着一定的原理或者规律在起作用，区别只在于我们是否有了足够的研究与了解，是否透过这些表面的现象发现了隐含在其下的种种不为人知的秘密，而想对其进行一个完整而透彻的解答，往往需要多学科综合性的研究。

空耳现象当然有着一定的“语言学意义”（我个人理解为在语言学上具备研究价值，或者能从语言学角度进行分析解释），因为它涉及到语言感知（Perception of Language ）的问题。研究空耳现象，人们可以从语音学、心理语言学、认知语言学、病理语言学、社会语言学等语言学诸多分支中发掘出不少研究话题，乃至于透过语言和言语感知窥探到人类认知的某些奥秘。

就我个人看来，单单直接做空耳的语料分析（比如语义、语法等），其意义可能不大，重要的是范畴感知的过程和范畴感知边界的确认。为什么、在什么条件下会把一个音素听成了另一个音素是值得揭示的，比如vot达到零点零几秒会让感知的声学提示不同（这就属于语音学、心理语言学的研究）；或者，通过空耳的语料分析，能确认某个社团、群体样本所显示出的特征或倾向性（这就属于社会语言学的内容），以及等等。

这个回答主要是从心理语言学方面来分析空耳形成的原因，让人了解一下听到空耳时，人们对语言、对语音的处理经历了一个怎样的过程。至于有没有“语言学意义”，自行判断就好了。

1.语言感知

人们要使用语言来进行交际，首先必须接触和感受语言的外部形式，包括其声音和文字。语言感知包括口头语（即言语感知，Perception of Speech）和书面语（书面语感知，Perception of Written）。

空耳现象是典型的言语感知现象，言语感知又分为孤立音素感知（perception of isolated speeh）和连续性言语感知（perception of continuous speeh）。

在《语言本能》中提到了一个例子：心理学家罗伯特·雷米兹（Robert Remez）、大卫·皮索尼（Davis Pisoni）在《科学》上发表了一篇关于“正弦波语言”（sine-wave speech）的文章。他们将三个同时震动的声波进行合成，使之在物理上听起来不像人类的语音，但这三个声波遵循着与句子“where were you a year ago？”一样的语音频率和幅值。结果志愿者表示自己听到了某种“科幻的声音”或者“计算机的哔哔声”。实验人员找来第二组志愿者，并告诉他们这个声音出自一个损坏的语音合成器。结果，这一批志愿者能从中听出许多单词，其中1/4的志愿者可以完整地写出这个句子。

空耳很多时候就像“正弦波语言”一样，我们听起来像是在说话，而至于说的是什么内容，那可能要看我们的脑洞开到了什么程度。

2.孤立音素的感知过程

话说为什么会这样，我们可以先从孤立的音素感知过程开始说起。这个过程有三个阶段：

一，听觉阶段（the auditory stage）。在这个阶段，人们接触到语流，并把听到的声学信号分析为声学提示（acoustic cues）。这些声学提示提供一个音素的部分信息（什么“清音”，“鼻音”，“双唇音”等等），储存在听觉记忆里，供第二个阶段——语音阶段（the phonetic stage）使用。

二，语音阶段（the phonetic stage）。在这个阶段，我们把各种声学提示放在一起，从而辨认出一个个音素，然后把它们放在语音记忆里。在语音记忆理，保留的就是音素信息了，而不是上一阶段的声学提示。接下来进入第三个阶段。

三，音系阶段（the phonological stage）。这个阶段里，我们参照语言对音段系列的制约，对语音阶段所辨认的音素进行调整。以英语为例，我们听到的可能是[fpin]，但英语里没有这样的系列，于是就调整为[spin]。

人耳、人脑不是机器，这三个过程是很有可能出现偏差的，由此导致了空耳现象。

在第一个阶段里，声学提示有两种，一种是独立于上下文的，如[s z ʒ dʒ ʃ tʃ]等辅音不受临近元音影响；还有一种是依赖于上下文的，上述辅音以外的辅音都受临近的元音的影响（还有比如VOT，声音成阻时间，也是一个依赖于上下文的提示）。像slit这个词的[s]和[l]之间要是有一个短暂的停顿，我们就会听成split。

第二个阶段的主要作用是感知语音切分的成分（constituents）。而切分成分的辨认是范畴性（categorical）的。由于言语成分的声学特征变化甚多，而常有重叠，语音阶段必须把它们分成离散的范畴。这就涉及到所谓的范畴感知（categorical perception）。而不同的人的范畴感知边界未必是一样的，哪怕对于同样的声学提示（比如VOT吧），也许对绝大多数人来说，足够以此来区分双唇塞辅音中的清音和浊音，但仍可能有一小部分人对此根本不敏感，而无法将其分成离散的范畴。

在第三个阶段时，人们开始进一步使用语言的音系规则去处理语言。不同语言有不同的语音系统，如果非要生搬一个系统去硬套另一个系统，那么偶尔出现奇怪的东西一点也不奇怪。

3.连续性言语感知

前文我们说道：人们要使用语言来进行交际，首先必须接触接触和感受语言的外部形式，包括其声音和文字。当然，语言感知是个复杂的问题。我们不能只注意这些外部形式，我们的注意力还在于这些外部形式所传递的内容。人们在会话中注意的是消息的交换，而不单单是声音。故此，必须还要观察连续性言语感知。

关于连续性言语感知和孤立音素言语感知的关系，有着两种不同的看法。一种是认为前者是在后者的基础上发展起来的；另一种看法是，这两个过程基本上是不一样的。

上个世纪50年代，Miller等人（1951）让被试在不同噪音干扰下辨认单词，这些单词有的是孤立的，有的则是出现在由5个词组成的句子里。他们发现，在语音和噪音的响度（loudness）一样的情况下，被试可以辨认出70%出现在句子里的单词，但是孤立的单词却只能认出40%。因此他们认为，句子里的句法和语义制约有助于辨认单词。这是因为单词的上下文在起作用

Warren（1970）还通过实验发现一种所谓语音复原效应（phonetic restoration effect），被试在实验室里听到像这样的一句话的录音：

The state governors met with their respective legi*latures in the capital city。（州长们和各自的立法机关开会。）

在*号处，录音被切去0.12秒，而代之以咳嗽声。所以legislatures中的s实际上是被试听不到的。实验后，当被试被问到上述句子有没有缺少什么音素时，20人中有19人说没有少了什么，剩下的一个被试也没有说对。再问他们咳嗽是在句子什么地方发生的，谁也不能准确说出来，有一半人以为是在legislatures以外的地方发生的。甚至这个词中的更多的音素被嗡嗡声代替（如le***latures）时，被试仍然听不出来这个词是被打断的。如果没有咳嗽声和嗡嗡声，被试人就能马上听出无声处。

这种语音复原效应说明，建筑在上下文基础上的从上而下的过程十分强有力，让被试能够“听”到没有自下而上的证据支持的声音。这也说明，言语感知并非完全在声学提示的基础上进行的，而是言语的内容和输入的数据在相互起作用。

因此，简单说，之所以会出现空耳现象，是因为我们在言语感知的过程中，大脑会自发进行一定程度的调整或者“脑补”，在一堆可能只与语音有那么些许相似的声音中，听出一些内容。所谓“你想听到什么就能听到什么，而且越听越像”大致就是这个样子。而至于为什么人和人听得又不一样，有的比较污，有的比较玄，那可能是因为“淫者见淫，智者见智”吧。

主要参考资料

[1]桂诗春.什么是心理语言学[M].上海：上海外语教育出版社，2011

[2]（美）史蒂芬·平克 著，欧阳明亮 译.语言本能[M].杭州：浙江人民出版社，2015

[3]林焘，王理嘉.语音学教程（增订版）[M].北京：北京大学出版社，2013