आप इस वाक्य को एक नज़र में पढ़ सकते हैं। आप अंग्रेज़ी नॉवेल मजे में पढ़ लेते हैं, अपनी सेकंड लैंग्वेज होने के बावजूद ऑफिस के कॉन्ट्रैक्ट्स समझ लेते हैं, और बिना अटके किसी लंबी बहस को फॉलो कर लेते हैं। लेकिन फिर कोई अमेरिकी सहकर्मी 15 सेकंड का वॉइसमेल छोड़ता है, या किसी टीवी सीरीज़ में कोई कैरेक्टर एक तेज़ लाइन बोलता है, और वह सब आपके लिए महज़ एक शोर बन कर रह जाता है। आप एक शब्द पकड़ते हैं, अगले चार छोड़ देते हैं, फिर एक और पकड़ते हैं, और जब तक आपका दिमाग उस एक शब्द को डिकोड करता है, तब तक पूरी लाइन खत्म हो चुकी होती है।
सबसे झुंझलाहट वाली बात यह है: अगर आप उसी वॉइसमेल की ट्रांसक्रिप्ट (transcript) सामने रखकर ऑडियो दोबारा सुनें, तो उसमें ऐसा कुछ नहीं होगा जिसे आप आधे सेकंड में पढ़ न सकें। उसका हर एक शब्द आपको पहले से आता है। आप इसलिए नहीं अटके कि आपकी वोकैबुलरी (vocabulary) कमज़ोर थी या आप बहुत धीमे सोचते हैं। आप इसलिए अटके क्योंकि आपके कानों में जो आवाज़ें पहुँचीं, वे उन शब्दों से मैच ही नहीं कर रही थीं जिनकी आपको उम्मीद थी।
तेज़ नेटिव स्पीच समझना मेल बैठाने की समस्या है, स्पीड की नहीं। आपका दिमाग स्पीच को इस तरह समझता है कि बाहर से आती आवाज़ को वह पहले से जमा ‘टेम्पलेट्स’ से मिलाकर देखता है। दिक्कत यह है कि आपने जो टेम्पलेट जमा किए हैं वे डिक्शनरी वाले एकदम साफ़-सुथरे शब्द हैं, जो एक-एक करके बोले जाते हैं। असली बोलचाल में वे साफ़ रूप लगभग बचते ही नहीं: शब्द आपस में जुड़ जाते हैं, धुँधले पड़ जाते हैं, और सिकुड़ जाते हैं। इसलिए कानों तक आने वाली आवाज़ कभी उस शब्द से मेल नहीं खाती जिसे आप ढूँढ रहे होते हैं, और आपके कान पीछे छूट जाते हैं। ऑडियो धीमा कर देने से असली समस्या ठीक नहीं होती — बस आपको उसी गलत मेल में फेल होने के लिए थोड़ा और वक़्त मिल जाता है। सही तरीका यह है कि इन सिकुड़े और जुड़े हुए रूपों (reduced और linked forms) को आप अपनी लिसनिंग वोकैबुलरी की तरह सीखें, ताकि कानों के पास मिलाने के लिए सही आकार मौजूद रहें।
सिर्फ शब्द जानना काफी क्यों नहीं है
सुनना इतना झटपट लगता है कि हम मान बैठते हैं कि यह आसान काम है: आवाज़ आई, आपने शब्द पहचाने, और बात समझ गई। लेकिन असल में जो होता है, वह एक तरह की खोज है। आपका दिमाग आवाज़ की उस लगातार बहती धारा को लेता है और सेकंड में कई-कई बार उसे उन शब्दों के ‘आकारों’ (shapes) से मिलाता है जो उसकी लाइब्रेरी में पहले से जमा हैं। जब मेल बैठ जाता है, तभी मतलब खुलता है। सिर्फ़ यही मेल बैठाने वाला काम नहीं चलता; कॉन्टेक्स्ट और अंदाज़ा (prediction) भी बहुत मदद करते हैं, और इसी वजह से कोई नेटिव स्पीकर उन सिकुड़े हुए शब्दों को भी पकड़ लेता है जो उसे किसी ने सिखाए ही नहीं। पर आपकी समझ ठीक इसी मेल बैठाने वाले हिस्से पर आकर टूटती है। यह पूरा प्रोसेस इतनी तेज़ी से और सोच के इतना नीचे चलता है कि नज़र तभी आता है जब फेल हो जाए।
और यह तब टूटता है जब आपके दिमाग में जमा आकार और कानों तक पहुँचने वाला आकार आपस में मेल नहीं खाते। हिंदी भाषी होने के नाते आपने ज़्यादातर अंग्रेज़ी शब्द साफ़ और अकेले रूप में सीखे हैं: यानी कोई शब्द धीरे-धीरे, अकेला, जैसे डिक्शनरी ऐप में या IPA में बोला जाता है — वही साफ़-सुथरा टेम्पलेट आपके दिमाग में दर्ज हो गया। लेकिन बात कोई भी इस तरह टुकड़ों में नहीं करता। बहती हुई बोलचाल में water का T एक झटपट टैप बन जाता है (इसी को flap-T कहते हैं), probably सिकुड़कर PRAH-blee रह जाता है, comfortable पूरा एक syllable गिराकर KUMF-ter-bul बन जाता है, और इनके बीच के छोटे शब्द इतने कमज़ोर पड़ जाते हैं कि लगभग बचते ही नहीं। आप जिस शब्द को ढूँढ रहे होते हैं और जो शब्द असल में आता है — दोनों दो अलग चीज़ें हैं।
इसलिए मेल कभी बैठता ही नहीं, और इसका नुकसान बढ़ता चला जाता है। आपके कान अभी उसी एक शब्द पर अटके होते हैं जिसे वे पहचान नहीं पाए, और तब तक अगले तीन शब्द बिना सुने गुज़र चुके होते हैं। आप अभी दूसरे शब्द पर हैं और स्पीकर सातवें पर पहुँच चुका है — और यह फासला बढ़ता ही जाता है, जब तक कि आप हार मानकर किसी ज़ोर देकर बोले गए (stressed) शब्द का इंतज़ार करने न लगें जिसे पकड़कर आप दोबारा पटरी पर आ सकें। तेज़ अंग्रेज़ी सुनते वक़्त यही हिचकोले खाता, कुछ-पकड़ा-कुछ-छूटा वाला अनुभव होता है। आपका दिमाग बिल्कुल ठीक है; बस खोज बार-बार चूक रही है।
यह उसी समस्या का सुनने वाला पहलू है, जिस पर हम बोलने वाले के नज़रिए से पहले ही लिख चुके हैं। हमारा connected speech वाला लेख उन पाँच तरीकों को खोलकर बताता है जिनसे अमेरिकी बोलते वक़्त शब्दों को आपस में गूँथ देते हैं: लिंकिंग, इंट्रूज़न, इलीज़न, असिमिलेशन, और छोटे शब्दों (function words) का कमज़ोर पड़ना। वह लेख बताता है कि यह धुँधलापन बनता कैसे है। यह लेख बताता है कि वही धुँधलापन आपकी समझ क्यों बिगाड़ देता है, और श्रोता की कुर्सी पर बैठकर आप इसके बारे में क्या कर सकते हैं।
ऑडियो को धीमा करना उल्टा क्यों पड़ता है
तेज़ अंग्रेज़ी जब दो-चार बार आपको पटखनी दे देती है, तो पहला ख़याल यही आता है कि स्पीड घटाकर 0.75× कर लें। लगता है इससे राहत मिलेगी, और एक बार के लिए सचमुच मिलती भी है। पर इसे सुनने का अपना रोज़मर्रा का तरीका बना लें, तो यह चुपचाप आपको पीछे रोके रखता है — और इसकी वजह सीधे उसी बात की ओर इशारा करती है जो असली हल है।
रोज़मर्रा की बोलचाल आपको उस एक-एक-शब्द वाली, सँभल-सँभलकर बोली गई स्पीच से तेज़ इसलिए लगती है क्योंकि उसमें शब्द आपस में जुड़ जाते हैं और बीच के पॉज़ कट जाते हैं — इसलिए नहीं कि शब्द सचमुच ज़्यादा तेज़ी से उड़ रहे होते हैं। अड़चन रफ़्तार नहीं, यह जुड़ाव (fusion) है। कोई न्यूज़रीडर बहुत धीमे, नपे-तुले अंदाज़ में भी ख़बर पढ़े, तब भी वह शब्दों को जोड़ और घिसा (reduce) रहा होता है — यानी जो चीज़ सचमुच आपको अटकाती है, वह हर रफ़्तार पर मौजूद है, सिर्फ़ तेज़ रफ़्तार पर नहीं। इसीलिए ऑडियो धीमा करने से बचाव नहीं होता: जो जुड़ाव आपकी समझ तोड़ रहा था, आप बस उसे खींचकर लंबा कर देते हैं। आप ख़ुद को आती हुई आवाज़ को एक ऐसे टेम्पलेट से मिलाने के लिए चंद और मिलीसेकंड दे देते हैं जो आपके पास है ही नहीं — यानी उसी चूकती खोज को दोहराने का थोड़ा और वक़्त।
एक दूसरी अड़चन यह है कि आप दरअसल अभ्यास किसका कर रहे हैं। प्लेयर पिच को कुदरती बनाए भी रखे, तब भी रिडक्शन तो अपनी फ़ितरत से ही एक झटपट घटने वाली घटना है; खींचकर लंबा कर दो तो वह उस रियल-टाइम आकार जैसी रह ही नहीं जाती जिसे आपके कानों को पकड़ना है। gonna को धीमा कर देने से उसे पहचानने का वक़्त तो मिल जाता है, पर सिर्फ़ एक ऐसी रफ़्तार पर जो असली बातचीत में कभी आएगी ही नहीं। 0.75× को आदत बना लिया, तो नॉर्मल स्पीड हमेशा एक दीवार बनी रहेगी — क्योंकि आप जो हुनर बना रहे हैं वह धीमी की गई स्पीच को डिकोड करने का है, उस स्पीच का नहीं जो लोग असल में बोलते हैं।
ऑडियो धीमा करने का बस एक ही ईमानदार इस्तेमाल है, और वह नीचे दिए तरीके में आता है: एक बार के औज़ार की तरह, ताकि आप उस सीवन को ढूँढ सकें जो आपसे छूट गई थी, और फिर उसे फुल स्पीड पर सीख लें। इसे एक टिकाऊ आदत बना लेना आपको सिर्फ़ एक बैसाखी का मोहताज बनाए रखता है और उस इकलौते कारगर तरीके को टालता रहता है: असली रफ़्तार वाली स्पीच को इतनी बार, और सही टेम्पलेट दिमाग में डाले हुए सुनना, कि मेल अपने-आप बैठने लगे।
Reductions असल में लिसनिंग वोकैबुलरी हैं
ज़्यादातर इंग्लिश लर्नर्स के सामने reductions पहली बार बोलने के विषय के रूप में आते हैं: कि ज़्यादा नेचुरल कैसे लगें, want to की जगह wanna कैसे बोलें। बात काम की है, पर इससे ज़्यादा ज़रूरी नुक्ता दब जाता है। ये रिड्यूस्ड फॉर्म आपको बोलने से कहीं पहले सुनने के लिए चाहिए, क्योंकि कानों को इन्हीं को पहचानना है। बोलना भी आप आगे चलकर चाहेंगे, पर समझने के लिए असल बात यह है कि जैसे ही कोई ऐसी आवाज़ आपके सामने से गुज़रे, आप उसे उसी पल पहचान लें — इससे पहले कि दिमाग उसकी स्पेलिंग दोहराने बैठे।
इसलिए इन आम reductions के साथ ठीक वैसा सलूक करें जैसा आप कभी वोकैबुलरी लिस्ट के साथ करते थे। हर रिडक्शन एक फ्लैशकार्ड की तरह है, बस फ़र्क यह कि इसके आगे की तरफ़ स्पेलिंग नहीं, एक आवाज़ है, और पीछे उसका मतलब। जिस पल आप पहली बार जान-बूझकर did-juh-eet की आवाज़ को did you eat से जोड़ते हैं, उसी पल आप दिमाग में एक टेम्पलेट दर्ज कर लेते हैं। अगली बार जब वही चीज़ असली स्पीच में कानों के आगे से उड़ेगी, दिमाग के पास उसे मिलाने के लिए कुछ होगा, और जो लाइन पहले महज़ गड्डमड्ड शोर थी वह एक साफ़ सवाल बनकर पहुँचेगी। सबसे पहले बिठाने लायक़ सबसे आम reductions ये रहे:
| लिखा क्या जाता है | आपके कानों में क्या पड़ता है |
|---|---|
| going to | gonna |
| want to | wanna |
| got to | gotta |
| let me | lemme |
| don’t know | dunno |
| kind of | kinda |
| did you | did-juh |
| have to | hafta |
यही बात उन दो तरीकों पर भी लागू होती है जो समझ को सबसे ज़्यादा चोट पहुँचाते हैं। पहला है लिंकिंग: एक शब्द कॉन्सोनेंट पर खत्म होता है और सीधे अगले शब्द के वावल में फिसल जाता है। इसी से an apple कानों में uh-NAP-ul बनकर पड़ता है और warm up war-MUP सुनाई देता है (पूरा पैटर्न SayWaader के consonant-to-vowel linking वाले पेज पर है)।
दूसरा है छोटे शब्दों (function words) का खोखला हो जाना। यहीं एक बात हम हिंदी भाषियों के लिए ख़ास तौर पर समझने लायक़ है। हिंदी में हम कमोबेश हर अक्षर को लगभग बराबर वज़न देकर बोलते हैं — एक सी ताल पर। अंग्रेज़ी ऐसी नहीं चलती; वहाँ ज़ोर कुछ ही शब्दों पर पड़ता है और बाक़ी उनके बीच दब जाते हैं। इसीलिए of, to, and, for, your, was जैसे शब्द कमज़ोर होकर श्वा (schwa) रह जाते हैं और मतलब ढोने वाले शब्दों के बीच की दरारों में सिमट जाते हैं। यही ऊबड़-खाबड़ बनावट — मतलब वाले शब्दों पर भारी ज़ोर और बीच का बाक़ी सब आपस में धुँधला — अंग्रेज़ी को उसकी रिदम देती है।
और यहीं से आपके सुनने के काम का दूसरा आधा हिस्सा खुलता है: कान का लंगर उन ज़ोरदार, साफ़ बोले गए ठहरावों पर डालिए, और कमज़ोर शब्दों को बीच में यूँ ही बह जाने दीजिए — हर अक्षर को बराबर तौलने की कोशिश में लगे रहे, तो पीछे छूट जाएँगे। यह सब आने की उम्मीद आपको कभी सिखाई ही नहीं गई, इसलिए कान आज भी उन पूरे शब्दों को खोजते रहते हैं जिन्हें भाषा कब का छोड़ चुकी है। हल वही है — शेल्फ भर लीजिए: अमेरिकी जिन्हें सबसे ज़्यादा बरतते हैं उन 17 reductions की हमारी लिस्ट इसी तरह बनाई गई है कि उन्हें पहले सुनने के निशाने की तरह और बाद में बोलने के निशाने की तरह सीखा जाए।
सबटाइटल्स कैसे पहले मदद करते हैं, फिर नुकसान पहुँचाते हैं
सबटाइटल ऑन कर लेना दुनिया का सबसे सहज काम लगता है, और कुछ समय तक ये सचमुच मदद करते हैं। इनसे आप शो का मज़ा भी लेते हैं, नए फ्रेज़ भी पकड़ते हैं, और जो आधा-अधूरा सुना था उसकी पुष्टि भी कर लेते हैं। दिक़्क़त इस बात में है कि ये उस लिसनिंग के साथ क्या करते हैं जिसे आप दरअसल बना रहे थे।
कैप्शन ऑन होते ही वह डिकोडिंग आपकी आँखें कर डालती हैं जो सीखनी आपके कानों को थी। समझ की जो कड़ी आवाज़ → मतलब होनी चाहिए थी, वह बनकर रह जाती है आवाज़ → अनदेखी → टेक्स्ट → मतलब। आपको सब समझ आ रहा होता है, सो लगता है प्रोग्रेस हो रही है, पर आवाज़ कभी सीधे मतलब से जुड़ती ही नहीं। यही वजह है कि बहुत से लर्नर पूरी सीरीज़ इस यक़ीन के साथ खत्म करते हैं कि “एक-एक लाइन समझ में आई”, और फिर स्क्रीन बंद करते ही पाते हैं कि एक मिनट की बातचीत भी नहीं पकड़ पाते। उन्होंने दस घंटे सुनने का अभ्यास नहीं किया; उन्होंने बैकग्राउंड में ऑडियो चलाकर तेज़ पढ़ने का अभ्यास किया।
इससे सबटाइटल दुश्मन नहीं हो जाते। ये एक काम का सहारा हैं; दिक़्क़त बस इन्हें हमेशा के लिए चढ़ाए रखने में है — कैप्शन हरदम ऑन रहें तो कानों को कभी डिकोड करना पड़ता ही नहीं। इन्हें सोच-समझकर बरतिए। पहले कोई सीन बिना कैप्शन के, ठंडा (cold) देखिए, और उसे मुश्किल लगने दीजिए। फिर कैप्शन ऑन करके जाँचिए कि क्या छूटा, और ठीक उन शब्दों पर निशान लगाइए जहाँ आवाज़ स्पेलिंग से अलग हो गई थी। इसके बाद उसी सीन को एक बार फिर, कैप्शन ऑफ करके देखिए — अब जब आपको पता है आगे क्या आ रहा है, कानों को वह जोड़ बनाने दीजिए जो पहली बार वे नहीं बना पाए थे। इस तरह कैप्शन डिकोडिंग की जगह लेने वाली बैसाखी नहीं, बल्कि डिकोडिंग में मददगार औज़ार बन जाते हैं।
डिकोड-देन-शैडो लूप (Decode-then-shadow loop)
सिर्फ़ थ्योरी जान लेने से एक भी टेम्पलेट दिमाग में नहीं बैठता। बैठते वे तब हैं जब आप असली ऑडियो की छोटी क्लिप पर एक कसा हुआ लूप चलाएँ, और उसे तब तक दोहराएँ जब तक पैटर्न अपने-आप पकड़ में आने न लगें। शुरू से आख़िर तक पूरा लूप यह रहा।
-
कुछ छोटा और असली चुनिए। बीस-तीस सेकंड की बिना स्क्रिप्ट वाली, नेटिव रफ़्तार की स्पीच, जिसकी ट्रांसक्रिप्ट मौजूद हो: किसी बातचीत वाले पॉडकास्ट की क्लिप, कोई इंटरव्यू, या किसी टीवी सीन का डायलॉग। कोई धीमा ESL लिसनिंग ट्रैक मत लीजिए — उसमें से reductions छीलकर निकाल दिए जाते हैं, और वह असली स्पीच के बारे में कुछ नहीं सिखाता।
-
एक बार ठंडा सुनिए, बिना ट्रांसक्रिप्ट के। जिस पल आपके कान फिसलें, ऑडियो ठीक वहीं रोक दीजिए। कोई धुँधली “समझ नहीं आया” वाली बात नहीं, बल्कि वह सटीक सेकंड जहाँ धागा टूटा। वही जगह है जहाँ एक टेम्पलेट कम है।
-
ट्रांसक्रिप्ट खोलिए और सीवन ढूँढिए। जो लाइन छूटी उसे पढ़िए, फिर सिर्फ़ उसी टुकड़े को शब्दों पर नज़र गड़ाए दोबारा बजाइए। आपको वह दरार खोजनी है जहाँ छपा हुआ शब्द और बोली गई आवाज़ अलग हो गए — जहाँ आवाज़ स्पेलिंग से छिटक गई।
-
बदलाव को नाम दीजिए। flap-T था? कोई कॉन्सोनेंट अगले वावल में फिसल गया था? कोई छोटा शब्द (function word) गिर गया था? या did you घुलकर didja बन गया था? नाम दे देना ही उस एक-बार के धुँधलेपन को ऐसा पैटर्न बनाता है जिसे कान दर्ज करके दोबारा बरत सकें। ये सारे लेबल आपको connected speech वाले तरीके दे देते हैं।
-
आँखें मूँदकर दोबारा सुनिए — तब तक, जब तक वह घुला-मिला रूप सीधे मतलब पर जाकर बैठ न जाए, जब तक did-juh-eet बिना मन-ही-मन स्पेलिंग दोहराए सीधे did you eat बनकर न पहुँचे। आवाज़ का सीधे मतलब से टकरा जाना ही वह पल है जब टेम्पलेट लॉक होता है।
-
उसकी शैडोइंग कीजिए। लाइन बजाइए और रिकॉर्डिंग के साथ-साथ बोलिए — स्पेलिंग की नहीं, उस जुड़ाव की नक़ल करते हुए। रिड्यूस्ड रूप को ख़ुद बोल देना ही उसे पक्का कील देता है: एक बार आपका अपना मुँह gonna बोलने लगे, तो कोई और बोले तब आपके कान उस पर नहीं ठिठकते। यही शैडोइंग का लिसनिंग वाला फ़ायदा है, और यह उसी परसेप्शन-बिफ़ोर-प्रोडक्शन वाले लूप पर चलता है, जहाँ जो आप सुन पाते हैं और जो आप बोल पाते हैं — दोनों एक-दूसरे को तेज़ करते हैं।
इस तरह ध्यान लगाकर बिताए दस मिनट, एक घंटे की ढीली बैकग्राउंड लिसनिंग से कहीं भारी पड़ते हैं — क्योंकि पैसिव लिसनिंग तो बस उन्हीं टेम्पलेट्स को पक्का करती है जो पहले से आपके पास हैं। नए टेम्पलेट यही लूप जोड़ता है।
कब और क्या सुनें
बहुत से इंग्लिश लर्नर्स इस नतीजे पर पहुँच जाते हैं कि उनसे यह होगा ही नहीं — सिर्फ़ इसलिए कि वे सीधे सबसे कठिन ऑडियो पर कूद पड़े: कई नेटिव दोस्त एक साथ, एक-दूसरे की बात काटते हुए बोल रहे हैं, और लर्नर उसमें डूब गया। यह आपकी काबिलियत पर कोई फ़ैसला नहीं है। यह सिर्फ़ आपके पड़ाव के लिहाज़ से ग़लत मटेरियल है। अपनी लिसनिंग को अपने मौजूदा पड़ाव से मिलाइए, और अगले पर तभी चढ़िए जब यह वाला पड़ाव जूझना बंद कर दे।
| स्टेज | क्या सुनें | यह क्यों सही है |
|---|---|---|
| बुनियाद (Foundation) | सिंगल-स्पीकर, स्क्रिप्टेड, साफ़ ऑडियो: ऑडियोबुक, नैरेटेड डॉक्यूमेंट्री, मोनोलॉग पॉडकास्ट, पढ़कर सुनाई गई ख़बरें | सारी असली reductions यहाँ मौजूद हैं, पर आपको एक साफ़ आवाज़, अंदाज़े लायक़ बनावट, कोई क्रॉस-टॉक नहीं, और स्टूडियो रिकॉर्डिंग मिलती है। हालात से जूझे बिना आप अकेले पैटर्न पर ध्यान दे सकते हैं। |
| बातचीत (Conversational) | दो लोगों वाले इंटरव्यू पॉडकास्ट, टॉक शो, स्क्रिप्टेड टीवी डायलॉग | असली बारी-बारी बोलना, तेज़ रफ़्तार, थोड़ी ओवरलैपिंग, आवाज़ों की चौड़ी रेंज। अब reductions किसी सधी हुई पढ़ंत में नहीं, सच की आवाजाही वाली बातचीत में आप तक पहुँचती हैं। |
| गहरा पानी (The deep end) | अनस्क्रिप्टेड मल्टी-स्पीकर ऑडियो: ग्रुप पॉडकास्ट, रियलिटी टीवी, बिना कैप्शन वाले सिटकॉम, असली फ़ोन और वीडियो कॉल, स्पोर्ट्स कमेंट्री | ओवरलैप, स्लैंग, अधूरी शुरुआतें, बैकग्राउंड शोर, अलग-अलग एक्सेंट, और बातचीत की पूरी रफ़्तार। यही असली निशाना है। यहाँ से शुरू मत कीजिए, और यहाँ की शुरुआती हार को अपनी हद मत मान लीजिए। |
यह क्रम किताबी मायने में मुश्किल बढ़ाने का नहीं है। यह इस बात का है कि आपके कानों को एक साथ कितना सँभालना पड़ रहा है। हर पड़ाव पर वही घुली-मिली, घिसी और जुड़ी हुई स्पीच चलती है। आप बस स्पीकर, रफ़्तार और बिखराव तभी-तभी बढ़ाते जाते हैं जब आपकी मेल बैठाने की क्षमता इतनी भरोसेमंद हो जाए कि यह बोझ उठा ले।
अक्सर पूछे जाने वाले सवाल
क्योंकि पढ़ना और सुनना दिमाग में जमा अलग-अलग रूपों पर टिके हैं, और आपने ज़्यादातर पढ़ने वाले रूप ही बनाए हैं। आपका दिमाग स्पीच को इस तरह समझता है कि आती हुई आवाज़ को वह इस बात के टेम्पलेट से मिलाता है कि शब्द सुनने में कैसे लगते हैं — और ज़्यादातर लर्नर ने डिक्शनरी वाले साफ़ रूपों के टेम्पलेट जमा किए हैं, जो एक-एक करके बोले जाते हैं। क़ुदरती बोलचाल में वे साफ़ रूप मुश्किल से ही मिलते हैं: शब्द आपस में जुड़ जाते हैं, आवाज़ें गिर जाती हैं, और छोटे शब्द सिकुड़कर श्वा (schwa) रह जाते हैं। इसलिए कानों तक जो आवाज़ पहुँचती है वह कभी उससे मेल नहीं खाती जिसे आप ढूँढ रहे होते हैं। आपकी पढ़ने की वोकैबुलरी बड़ी है; पर connected speech में वही शब्द असल में कैसे सुनाई देते हैं, उसकी आपकी लाइब्रेरी छोटी है। पूरी समस्या यही फ़ासला है, और यह और ज़्यादा पढ़ने से नहीं, सिकुड़े और जुड़े रूपों को कानों से सुनकर सीखने से भरता है।
थोड़ी देर के लिए यह मदद कर सकता है, पर असली समस्या ठीक नहीं करता। धीमी क्लिप पकड़ना आसान होता है और उसे फॉलो करने में थकान कम होती है, इसलिए एक बार जाँचने-भर के लिए यह सचमुच काम का है। जो यह नहीं कर पाता वह है वह कमी पूरी करना: तेज़ अंग्रेज़ी आपको इसलिए चकमा देती है क्योंकि शब्द आपस में घुले और घिसे हुए होते हैं, इसलिए नहीं कि वे आपकी सोच से तेज़ निकल जाते हैं। ऑडियो धीमा करने से वह जुड़ाव ज्यों का त्यों बना रहता है और आपको बस उसी ग़लत मेल में फेल होने का थोड़ा और वक़्त मिल जाता है। 0.75x पर पकड़ा गया कोई फ्रेज़ फुल स्पीड पर काम नहीं आता, और ज़रूरत आपको फुल स्पीड पर ही पड़ती है। इसलिए इसे सिर्फ़ इतना ढूँढने का औज़ार बनाइए कि आप कहाँ चूके, फिर उस पैटर्न को फुल स्पीड पर सीखिए; रोज़ की आदत बना ली तो यह आपको एक ऐसी रफ़्तार का मोहताज बना देता है जो असली बातचीत कभी देती ही नहीं।
क्योंकि सबटाइटल आपकी आँखों से वह डिकोडिंग करवा देते हैं जो सीखनी आपके कानों को थी। कैप्शन ऑन रहें तो समझ का सिलसिला आवाज़ से टेक्स्ट और फिर मतलब तक चलता है — आवाज़ कभी सीधे मतलब से जुड़ती ही नहीं, सो आप अपनी लिसनिंग को बिना सानें पूरा शो समझ लेते हैं। यही वजह है कि कई लर्नर पूरी सीरीज़ देखकर ख़ुद को फ्लूएंट मान बैठते हैं, और स्क्रीन बंद होते ही एक मिनट भी नहीं पकड़ पाते। सही तरीका सबटाइटल को सोच-समझकर बरतना है: पहले सीन ठंडा, बिना कैप्शन के देखिए और उसे मुश्किल लगने दीजिए। फिर कैप्शन ऑन करके जाँचिए कि कहाँ चूके और कहाँ आवाज़ स्पेलिंग से अलग थी। आख़िर में कैप्शन ऑफ करके फिर देखिए, ताकि कान आख़िरकार वह जोड़ बना लें।
आम reductions को अपनी लिसनिंग वोकैबुलरी की तरह मानिए और असली स्पीच की छोटी क्लिप पर इन्हें रटिए। बीस-तीस सेकंड का कोई अनस्क्रिप्टेड, नेटिव रफ़्तार वाला ऑडियो लीजिए जिसकी ट्रांसक्रिप्ट हो, एक बार बिना ट्रांसक्रिप्ट के सुनिए और ठीक वहाँ निशान लगाइए जहाँ कान फिसले। फिर ट्रांसक्रिप्ट खोलकर वह सीवन ढूँढिए जहाँ आवाज़ स्पेलिंग से छिटक गई। बदलाव को नाम दीजिए — flap-T हो, कोई लिंक्ड कॉन्सोनेंट, कोई गिरा हुआ छोटा शब्द, या “did you” का “didja” बन जाना। फिर तब तक दोबारा सुनिए जब तक वह घुला-मिला रूप सीधे मतलब पर बैठ न जाए, और आख़िर में रिकॉर्डिंग के साथ-साथ बोलकर उसकी शैडोइंग कीजिए। इस लूप के ध्यान लगाकर बिताए दस मिनट एक घंटे की पैसिव लिसनिंग पर भारी पड़ते हैं, क्योंकि पैसिव लिसनिंग तो बस उन्हीं टेम्पलेट्स को पक्का करती है जो आपके पास पहले से हैं।
यह इस पर निर्भर करता है कि इनमें से कितने सिकुड़े और जुड़े पैटर्न आप पहले से पहचानते हैं। पर बहुत से लर्नर महीनों नहीं, रोज़ की फोकस्ड लिसनिंग के कुछ ही हफ़्तों में यह महसूस करने लगते हैं कि कुछ ख़ास पैटर्न क्लिक करने लगे हैं। यह तुलनात्मक रूप से जल्दी इसलिए हो सकता है क्योंकि समझना पहचानने का हुनर है, बोलकर बनाने का नहीं: आपको बस कानों से पैटर्न मिलाना सीखना है, जो अपने मुँह को उन्हें बोलने की दोबारा ट्रेनिंग देने से कहीं तेज़ है। प्रोग्रेस आमतौर पर एक छलाँग में नहीं, पैटर्न-दर-पैटर्न दिखती है — कोई एक रिडक्शन जो पहले महज़ शोर था, अचानक शब्द बनकर सुनाई देने लगता है। और असली स्पीच पर रोज़ के छोटे सेशन कभी-कभार के लंबे सेशन से तेज़ी से आगे ले जाते हैं।
मटेरियल को अपने मौजूदा पड़ाव से मिलाइए और जब वह आसान लगने लगे तभी अगले पर बढ़िए। शुरुआत सिंगल-स्पीकर, स्क्रिप्टेड, साफ़ रिकॉर्ड किए ऑडियो से कीजिए — ऑडियोबुक, नैरेटेड डॉक्यूमेंट्री, मोनोलॉग पॉडकास्ट, या पढ़कर सुनाई गई ख़बरें — जहाँ असली reductions तो होती हैं पर आपको एक साफ़ आवाज़ और अंदाज़े लायक़ बनावट मिलती है। इसके बाद दो लोगों वाले इंटरव्यू पॉडकास्ट, टॉक शो, और स्क्रिप्टेड टीवी डायलॉग पर जाइए, जहाँ बारी-बारी बोलना और तेज़ रफ़्तार आ जाती है। आख़िरी पड़ाव अनस्क्रिप्टेड मल्टी-स्पीकर ऑडियो है: ग्रुप पॉडकास्ट, रियलिटी टीवी, बिना कैप्शन वाले सिटकॉम, असली कॉल, और स्पोर्ट्स कमेंट्री — ओवरलैप और पूरी रफ़्तार के साथ। सबसे कठिन पड़ाव से शुरू मत कीजिए, और वहाँ की शुरुआती हार को कोई पक्की हद मत मान लीजिए।
तेज़ स्पीच ठीक उसी पल दीवार बनना छोड़ देती है जब आपके रटे हुए शब्द और लोगों के असल में बोले गए शब्द दो अलग चीज़ें रह जाना बंद कर देते हैं — और यह एक-एक पैटर्न करके होता है। हर वह रिडक्शन जिसे आप सुनना सीख लेते हैं, हर वह लिंकिंग और गिरा हुआ syllable जिसे ढूँढते हुए आप अब नहीं अटकते, कानों के लिए एक और टेम्पलेट बन जाता है जो आवाज़ छूते ही मेल खा जाता है। इस हफ़्ते कोई एक छोटी क्लिप चुनिए और उस पर यह लूप चलाइए: ठंडा सुनिए, सीवन ढूँढिए, बदलाव को नाम दीजिए, फिर सुनिए। इसे इतनी बार कीजिए कि जो ऑडियो पिछले महीने महज़ गड्डमड्ड शोर था, वह उसी पुरानी रफ़्तार पर साफ़ शब्दों में खुलने लगे।
