问：
自己说话的声音与从录音机里放出的自己声音不一样，从神经和声学结构两方面解释这一现象。
答：
下面分 声学结构 与 神经环路 两条线，说明为什么“自己听到的声音”与“录音机播放的自己声音”会不一样。
1 声学结构：骨传导 + 气传导的混合比例改变
| 声音传递路径 | 主要介质 | 频率特性 | 说话时自己听到 | 录音/他人听到 |
|---|---|---|---|---|
| 气传导 | 空气→鼓膜 | 频率响应较完整 | ●（约占 30–50 %） | ●（≈100 %） |
| 骨传导 | 颅骨→内耳外淋巴 | 低频占比高，类似低通滤波 | ●（约占 50–70 %） | — |
- 骨传导的“低通”效应
颅骨振动传播声能时，高频部分衰减更大，相当于给自己的声音加了一层低频增强滤波，因此我们主观上感觉声音更厚实、低沉。录音只保留空气中传播的频谱，自然显得“尖”“薄”。(pmc.ncbi.nlm.nih.gov) - 自带的“体腔共鸣”
胸腔、咽腔及颅骨内部的反射与衰减，使得骨传导声在 400 Hz 以下有明显共振峰，进一步加深了低频感。麦克风位于体外，这部分共鸣几乎被“屏蔽”掉。(zhihu.com) - 麦克风与扬声器的频响/方向性
录音设备本身的拾音位置、频响曲线、压缩算法，以及播放设备的扬声器箱体声染色，都会再次改变频谱分布，使播放声与“现场声”有细微差异（尤其在中-低频）。这属于外部设备的声学重构，与生理路径无关，但加大了差异感。
2 神经环路：大脑“自声预测”与听觉抑制
| 环节 | 作用 | 对声音知觉的影响 |
|---|---|---|
| 发声运动指令（喉返神经） | 触发声带震动 | 大脑同时生成 efference copy（运动指令副本） |
| 中耳反射（镫骨肌反射） | 在声带振动前 ~ 20 ms 收缩，降低鼓膜 & 镫骨传递增益 | 自发声音在内耳的声压级被抑制 10–20 dB |
| 顶下回/颞上回预测 | 融合听觉反馈与副本，判断“这是我发的声” | 对自声进行神经滤波，主观上更稳定、更低沉 |
| 外部回放缺少副本 | 播放时运动皮层无对应指令，镫骨肌不收缩 | 同一声压级下，播放声音显得更高、更响、更陌生 |
- 内部模型（efference copy）
说话时，运动皮层把发声指令同时复制给听觉皮层；自声到达时被标记为“自我生成”，感知被抑制。回放声缺少这条副本，大脑当作外部声音处理，主观音色更“锋利”。(pubmed.ncbi.nlm.nih.gov) - 多模态自我识别
研究表明，若把同样的声音通过骨传导并提供相应的面部触觉振动，受试者更易把该声音辨认成“自己的”，说明骨传导-触觉信号与自我声音表征是绑定的，而普通录音缺乏这一通道。(pubmed.ncbi.nlm.nih.gov) - 情感与熟悉度加成
脑内语音记忆长期储存的其实是“骨+气”混合版。回放声与记忆声谱不匹配，容易被标记为“陌生”并引发轻微不适，这是一种高层语音情感对比效应，而非纯粹物理差异。(reddit.com)
3 小结与技巧
- 物理上，你的耳朵在“现场”收到 骨传导低频 + 气传导全频 的混合立体声；录音删除了骨传导低频部分，并被设备频响再次塑形。
- 神经上，大脑对自声有预测+抑制机制；播放声缺少运动副本和骨传导触觉，因此“失配”更大。
- 想让录音更接近自我听感，可尝试：
- 使用贴骨麦克风混录骨传导信号；
- 在耳机中对语音加微量低频 EQ（-3 dB@200 Hz 带宽 1/3 oct）；
- 讲话前轻触喉咙录制，与播放同步给予触觉反馈（研究级做法）。
了解这些差异来源后，重新听到“陌生”的自己声音，就能更自然地接受它—那确实就是外界听到的“真实版”你。
(chatGPT o3 model)
Leave a Reply