Light 和 right 聽起來變成了同一個字。Vote 變成了 boat。而 desk 則無端多出了英文裡根本沒有的母音：de-su-ku（デスク）。
如果你的母語是日文，上面這三種發音你肯定聽過，甚至可能就是你平時講英文的樣子。這不是因為你不夠用心或聽力不好，而是兩股力量疊加的結果。第一是結構上的差異：日文習慣了工整的「子音加母音」節拍，只有五個母音和一個流音（liquid），並且依賴音高（pitch）而非重音（stress），偏偏英文總是不斷要求你的口腔做出日語系統裡根本建構不出來的動作。第二股力量，是世界上其他語言罕見的規模：英文早就已經「住」在日文裡了。幾十年前，成千上萬的英文單字透過片假名進入日本，成為日常詞彙。所以當你想講一個英文單字時，大腦往往會搶先遞給你那個片假名雙胞胎，連發音都一應俱全、全自動輸出。其他語言的學習者是「唸錯」英文單字；日文母語者則是流利地唸出了「剛好長得很像英文」的日文單字。
這就是為什麼這篇文章的重點是「戒除」（unlearn），而不是「學習」。以下的發音模式都是日語在你腦中植入的習慣，其中幾項往往是口音最重的來源。
日文的音節結構是「子音加母音」，而且只有一個流音（英文有兩個），同時缺乏 /v/、兩個 TH 音，以及唇齒相觸的 /f/。 因此，遇到子音群時，日文往往會塞入多餘的母音（street 變成 su-to-rii-to）；light 和 right 雙雙變成了日文的閃音（tap）；think 聽起來像 sink，而 see 則偏向 she。此外，日語利用音高而非重音來區分單字，導致講出來的英文聽起來平坦且缺乏起伏。片假名更是將這些習慣當作預設詞彙深深鎖在記憶裡。要改善口音，請優先戒除「擅自加母音」和「節奏平坦無起伏」這兩個習慣，它們對口音的破壞力比任何單一子音都還要大。
為什麼日文會讓美式英文變得困難
讓我們先釐清幾個結構上的事實，這能解釋後續出現的所有現象。
日文的子音總是伴隨著母音。 日語的基本單位是「子音加母音」的節拍：ka（か）、mi（み）、to（と）。子音不會連在一起，而且單字只能以鼻音 n（ん）結尾。英文則完全相反，不僅有像 street 裡 str 這樣堆疊的子音群，單字幾乎可以用任何子音結尾（milk、desk、fifth）。當英文要求你發出一個日文無法建構的嘴型時，你的口腔就會用日語的方式「修復」它：發給每個子音一個專屬的母音。下面兩個最明顯的發音盲點，都是這個修復機制惹的禍。
日文只有一個流音。 ra、ri、ru、re、ro（らりるれろ）裡的子音，是舌尖快速輕彈的閃音（tap）。英文有 /l/ 和 /r/ 兩個流音，而且都不是閃音。這兩個音很容易被吸附到你已經習慣的那個日文音上，這也是為什麼英文課裡最常反覆操練的，就是這組最小對立組（minimal pair）。
有些英文子音根本不在日文的語音系統裡。 日文沒有 /v/，所以 vote 借用了 /b/；沒有 /θ/ 和 /ð/，所以 think 借了 /s/，而 this 借了 /z/。至於日語 fu（ふ）裡的 F，是雙唇之間輕柔的吐氣聲，而不是英文裡上齒咬下唇的摩擦音。
日文標記單字靠的是音高，不是重音。 東京腔光靠旋律就能分辨 HA-shi（箸，筷子）和 ha-SHI（橋）；這裡的大寫代表高音，而不是拉長或放大音量。每一個節拍的時間長度大致相等，沒有哪一個音節會像英文的弱化母音那樣被壓縮。英文的重音是一套更沉重的機制：重音音節會變長、變大聲，而周圍的音節則會收縮。如果把日文這種平穩的節拍帶進英文，就算每個子音都發得準確無誤，美國人聽起來還是會覺得節奏極其平坦。
片假名凌駕於這四個事實之上，並將它們固化。像 tee-bu-ru（テーブル，table）這樣的外來語，從小就是你熟悉的日常日語，那些「修復」早就內建好了。以下九個習慣都源自這套機制，我們將它們分為子音替換、音節修復，以及節奏三大類。
A 組：五個被替換的子音
1. L 和 R 雙雙變成了日文的閃音
Light 和 right 聽起來一模一樣。collect 和 correct、glass 和 grass 也是。
日文裡剛好只有一個流音：ra、ri、ru、re、ro 裡的閃音（tap）。發音時舌尖會輕彈上門牙後方的齒齦，然後瞬間放開。英文的 /l/ 和 /r/ 則是截然不同的生物。發 L 時，舌尖要抵住齒齦並停住，讓聲音從舌頭兩側流出。至於美式 R，舌尖什麼都不碰；舌頭往後上方隆起，嘴唇通常會微嘟。日文的閃音和 L 共享同一個發音位置，但它是瞬間彈開而不是保持接觸，結果就是英文的這兩個音雙雙被拉進了這個日文音裡。
不過，會發這個閃音其實是個好消息。美國人在唸 water 和 better 裡的 flap-T（/ɾ/）時，發的正是這個音。其他學習者得花好幾週才能建構出這個聲音，而你早就會了，只是它現在跑去兼差，客串了另外兩個子音。更深層的問題在於聽力：一輩子只聽過一種分類，導致這兩個英文音在你的大腦裡落入了同一個抽屜；聽不出差別，就無法穩定發出對比。最小對立組的聽辨訓練必須先行。L 與 R 的專文 對這兩個嘴型與聽力演練有詳細的拆解。
練習：拉長 L 的聲音，數一拍，llllight，感受持續的接觸；接著發 right，把舌尖放低、嘴唇微嘟。如果你感覺到舌尖輕彈了一下，代表你又切換回日文模式了。
2. V 退化成了 B
Vote 聽起來像 boat。Very 聽起來像 berry。Vest 聽起來像 best。
日文中沒有 V 這個音。片假名雖然有一個代表字母（ヴ），但大多數人還是把它唸成 /b/，日常拼寫甚至懶得區分：Venus 通常和 bonus 一樣寫在 b 行（ビーナス），共用同一個首子音。這兩個音的發音位置其實不一樣：發 /b/ 時雙唇緊閉再爆開；發 /v/ 時，上排牙齒輕咬下唇，帶聲帶震動的氣流從縫隙中擠出產生摩擦聲。V 與 W 專文 詳細探討了 V 的發音機制。
練習：交替唸 boat, vote, boat, vote，在唸 vote 時，讓上齒咬住下唇的震動聲持續整整一秒，再讓母音出來。
3. TH 往 S 靠攏
Think 變成了 sink。Three 變成了 su-rii（スリー），TH 被換成了 S，而 thr 子音群則被塞進了一個過渡母音（這點會在第 6 項說明）。至於 this 裡的有聲 TH，則會滑向 zis，有些講者甚至會發成 dis。
日文裡完全沒有 TH 音，日文音系裡最接近的嘶嘶聲就是 /s/（有聲版則是 /z/），這就是為什麼「thank you」變成片假名時會寫成 san-kyuu（サンキュー）。英文的 /θ/ 要求舌尖明顯地放在上下排牙齒之間或正後方，讓氣流流過，這是一種比銳利的 /s/ 更鬆散、更暗沉的聲音。TH 音專文 涵蓋了兩種 TH 音的詳細練法。
練習：拿面鏡子，一開始先誇張一點：在發 think 和 thanks 時，讓舌尖明顯伸出牙齒。如果你在鏡子裡看不到舌尖，就代表你退回到 /s/ 了。交替練習 sink–think，直到你能隨心所欲地切換位置，然後在正常語速下，把舌頭輕輕收回到牙齒後方。
4. F 變成了雙唇間的吐氣
Food 偏向了 hood。First 發出來可能帶著氣音、空空的。片假名裡的 coffee 是 koo-hii（コーヒー），這是一個很早期的外來語，F 被轉換成了 H。
日文 fu（ふ）裡的 F 是雙唇之間輕輕的吐氣聲，就像在吹涼熱湯一樣，而且在日語裡它只會接在 u 前面。英文的 F 則是上排牙齒和下唇之間的摩擦音，幾乎可以接任何音：fee, fa, fo, if, after。當日文的嘴型試圖發英文的 /f/ 時，會不自覺地用雙唇吐氣來代替，聽起來柔弱且沒有焦點。加上日文的 H 在接 u 時本來就會變成這個雙唇吐氣音，導致英文的 F 開頭和 H 開頭單字混為一談：food 和 hood 共用同一個片假名拼法（フード）。要修正這個問題其實很快，因為它純粹是機械操作。
練習：將上排牙齒輕放在下唇上，送氣直到你感覺嘴唇產生摩擦，然後釋放氣流發出 food, first, feel, coffee。
5. S 在 EE 和 I 前面弱化成了 SH
See 聽起來偏向 she。Sit 和 city 聽起來則會像開會時你不該講的髒話。
在日語裡，銳利的 /s/ 嘶嘶聲不能直接接在 ee 母音前面。sa-shi-su-se-so（さしすせそ）這一行的第二個音顎化了，所以 si 自動變成了 shi。片假名也直接把這種替換寫進外來語裡：cinema 是 shi-ne-ma（シネマ），system 是 shi-su-te-mu（システム）。只要 /s/ 遇上 /iː/ 或 /ɪ/，這個習慣就會被帶進英文裡。兩者的差別在於舌頭和嘴唇：發 /s/ 時，舌尖緊貼上門牙後方，嘴唇往兩邊咧開；發 she 裡的 SH 時，舌頭往後拉，聲音變得柔和深沉。
練習：咧嘴大笑，發出一個銳利悠長的 sssss，然後毫不妥協地滑進母音，不要讓嘶嘶聲變柔和：sssee。反覆練習 she–see, sheet–seat，直到在正常語速下也能保持這個對比。
B 組：日文塞進去的多餘母音
6. 子音群被拆散
英文裡只有一個音節的 Street，被拉長成了五個節拍：su-to-rii-to（ストリート），其中長音 rii 算兩拍。Strike 變成了 su-to-rai-ku（ストライク）。Glass 變成了 gu-ra-su（グラス）。
日語的子音通常帶著自己的母音，所以當英文把兩個或三個子音疊在一起時，日文的修復機制就會發給每個子音一個專屬母音。這個修復甚至有規則可循：用來填補的母音通常是 u（如 gu-ra-su），如果接在 t 和 d 後面則會換成 o（如 su-to-rii-to）。你可以在任何片假名外來語裡聽到這套系統運作。這種修復的代價很高，因為聽英文的人是靠「音節數量」來辨認單字的；一個帶著兩倍音節數量的單字，比只唸錯一個子音的字更難辨認，所以這個習慣對溝通的破壞力，甚至比 L/R 不分還要大。
練習：在發出聲音之前先用悄悄話的氣音唸子音群。拉長無聲的 sss 直接滑入 t 再滑入 r，中間不要有任何母音，直到抵達真正的母音才加上聲帶震動：ssstreet。
7. 單字長出了尾巴母音
Milk 變成了 mi-ru-ku（ミルク）。Test 變成了 te-su-to（テスト）。And 變成了 an-do（アンド）。
同樣的機制，只是發生在不同的位置。日文單字只能以鼻音 n 結尾，所以如果英文單字以其他任何子音結尾，尾巴就會被鎖上一個母音。英文幾乎可以用任何子音結尾，並預期你會在那裡停住。對美國人的耳朵來說，那個鎖在尾巴的母音聽起來就像一個完整的額外音節，而不是輕微的口音。
練習：唸出單字，然後僵在最後一個子音上。唸 milk 時，把舌頭封死在 /k/ 的位置上，維持靜音。如果在嘴巴閉合後還有任何帶聲音的氣流溜出來，那就是拖泥帶水的尾巴母音。
C 組：長度、音高與消失的重音
8. 用長度取代了嘴型的變化
在日文中，單靠長度就能改變單字的意思：bi-ru（ビル）是大樓，bii-ru（ビール）是啤酒。片假名把英文的母音對（vowel pairs）倒進了這個以時間長度計量的模具裡：sheep 獲得了長母音，成了 shii-pu（シープ）；而 ship 則是短音，並且雙寫了字尾子音，成了 ship-pu（シップ），這也是它藏在 rii-daa-ship-pu（リーダーシップ，leadership）裡的樣子。Full 變成了 fu-ru（フル），fool 變成了 fuu-ru（フール）。每一組都用「時間長度」來區分，母音的音質（嘴型）卻完全沒變。
你對母音長度的敏銳度是一大優勢；許多學習者根本聽不出這種差別。陷阱在於「只依賴長度」，因為這幾對英文單字的差異，嘴型的變化和時間的長短一樣重要。ship 裡的 短音 I /ɪ/ 下巴會稍微往下掉，舌頭和嘴唇放鬆；sheep 裡的 /iː/ 則是緊繃的，像在用力微笑。美國人的耳朵聽這兩者的音質差異，其重視程度絕不亞於持續的時間，所以一個縮短但依舊緊繃的母音，聽起來還是像 sheep。ship 與 sheep 專文 詳細解析了這兩個嘴型。
練習：從 sheep 開始，試著「放鬆」而不是「縮短」：下巴微降、把微笑放鬆，然後降落在 ship。交替練習 sheep–ship, heat–hit, fool–full，讓「嘴型」而不是「碼表」來主導差異。
9. 英文需要重量的地方，日文卻平鋪直敘
Banana 聽起來像 ba-na-na（バナナ），三個等長的節拍；而不是 buh-NAN-uh，一個重拍伴隨周圍塌陷的輕音。
日文確實用音高來區分單字，所以你對旋律的聽力沒問題。問題在於，音高是日文「唯一」改變的東西：HA-shi 和 ha-SHI 的旋律不同，但每個節拍的長度保持不變，每個母音都保留了原本飽滿的音色。英文的重音則是三件事同時發生：重音音節變得更長、更大聲、更飽滿，而輕音節則會向 schwa 弱化母音 /ə/ 收縮。如果把日文平穩的節拍套用進來，即使每個音節的發音都正確，講出來的英文還是會顯得平坦，而且讓美國人聽起來莫名費力。重音也是單字辨識的關鍵。如果你把 hotel 的兩個音節唸得一樣重，美國聽眾可能得花一秒鐘才能意會過來，因為他們預期聽到的是 ho-TEL。單字重音專文 和 節奏專文 對這個機制的正反兩面有詳細說明。
練習：挑出重音音節，長度拉長一倍，讓其他音節含糊帶過：buh-NAN-uh、ho-TEL、kuhm-PYOO-ter。這會讓你覺得很誇張，但比起每個音節字正腔圓、平平穩穩地唸，這其實更貼近道地的美式英文。
片假名濾鏡
為什麼這些習慣這麼難改？因為對你來說，它們根本不是「錯誤」，而是「單字」。
對多數學習者來說，每個英文單字都是外語。但對日語母語者來說，成千上萬的英文單字早已「內建」好了：table 是 tee-bu-ru，hotel 是 ho-te-ru，McDonald’s 是 ma-ku-do-na-ru-do。每一個都是完全正確的日文單字，從小就學會，提取起來和其他詞彙一樣毫不費力。這也是為什麼用美式腔調說 hotel 時，會覺得有些做作：明明記憶裡就住著一個現成的日文單字，刻意講英文好像在賣弄一樣。
真正該戒除的習慣，是把「片假名雙胞胎」當作發音指南。它其實是另一種語言裡的一個完全不同的單字，只是剛好和英文有同一個祖先而已。Ma-ku-do-na-ru-do 有六個節拍；McDonald’s 只有三個音節，而且重音在 DON 上。因此，把你最初透過片假名認識的英文單字，全部當成全新的字來看待。趁片假名版本還沒自動跳出來之前，用耳朵去記住它真實的音節數量和重音位置。聽力先於口說專文 深入探討了為什麼耳朵必須先行。
母語辨識軟體會聽出什麼
如果把你朗讀一段文章的錄音，丟給專門辨識「日文母語者講英文」的軟體，它大概會立刻抓出你塞進去的多餘母音（無論是字中還是字尾）、L/R 不分，以及平緩的節奏。第 2 到第 5 項的子音替換也會出現，但頻率較低；而塞進去的母音和節奏問題，幾乎每一句話都會發生。
這個排行其實也就是你該修正的優先順序。修正「塞進去的母音」是這份清單上投資報酬率最高的：把它拿掉不需要學任何新發音，只要單純「刪除」即可，這能一口氣消除幾十個日常單字裡多餘的假音節。平坦的節奏排在第二位，因為它會感染你說出口的每一句話。L/R 不分雖然最有名，但這是一個長期的聽力工程；現在就開始訓練耳朵，讓它在背景慢慢運作，同時先著手處理那些能快速見效的修正。
常見問題
日語只需要一個流音，所以受過日文訓練的大腦，會把接收到的所有 L 和 R 都丟進同一個以「日文閃音（tap）」為基礎的抽屜裡。嘴巴的動作其實相對簡單，瓶頸出在耳朵。除非透過聽力訓練教導大腦將這兩個英文聲音分進不同的抽屜裡，否則練再多舌頭位置，也只是在瞄準一個耳朵根本看不見的靶。先聽最小對立組（如 light/right、glass/grass），然後再加上嘴型上的對比：發 L 時舌尖抵住齒齦，發 R 時舌尖什麼都不碰。
日文的音節結構是「一個子音加一個母音」，所以英文的子音群或是字尾子音在日文裡沒有合法的容身之處。口腔會自動塞入過渡母音來填補空隙：desk 多了兩個母音（de-su-ku），而只有一個音節的 street 被拉長成了五個節拍（su-to-rii-to）。片假名把這些過渡母音寫進了英文單字的日文拼法裡，導致這些修復過的版本早在正式上英文課之前，就已經當成字彙背進腦海裡了。這就是為什麼即使是英文極好的日本人，也經常難以戒除這個習慣。
會的，而且影響非常具體：英文單字的片假名版本是道道地地的日語單字，早已被熟記且能自動提取，所以它們浮現的速度比從頭建構的英文發音還要快。解決之道在於，停止把片假名單字當作英文發音的指南。把 tee-bu-ru 和 table 當作兩種不同語言裡的兩個不同單字，並透過耳朵重新學習它的英文發音。
需要克服的子音清單並不長：主要是 L/R 區分、/v/、兩個 TH 音、接 ee 前 s 變 sh 的現象，以及唇齒摩擦的 /f/。而且日語母語者自帶兩個明顯優勢：可以用來當作美音 flap-T 的閃音，以及對母音長短極其敏銳的耳朵。真正艱鉅的挑戰在於結構：打破「子音加母音」的音節習慣，並從平穩、依賴音高的節奏，切換成英文的重音系統。這兩個問題貫穿了每一句話，這也是為什麼就算每個子音都發得很接近，日式英文腔調依然非常明顯的原因。
塞進去的多餘母音。在子音群中（唸 street 而不是 su-to-rii-to）和字尾（唸 milk 而不是 mi-ru-ku）把過渡母音拿掉，是罕見「完全不需要學習新發音」的修正方法。你只需要刪去英文根本沒要求發出來的節拍，就能瞬間改善幾十個日常單字。出於同樣的原因（影響遍及每一句話），重音位置是第二優先。L/R 不分固然重要，但那是一個緩慢的聽力工程；請把它當作並行任務，而不是首要任務。
如果要達到能穩定溝通、聽眾不再要求你重複的程度，大多數日語母語者只要專注處理「多餘母音」和「重音位置」，兩三個月內就能達標。L/R 的區分需要更長的時間，因為不只要訓練嘴巴，還要重新訓練耳朵；持續練習最小對立組，是以「月」而非以「週」為單位才能看出成效的。關於發音學習時程的專文 對各個階段有詳細解析。
這份清單看起來很長，但美式英文中最困難的兩件事其實並不在上面。你已經會發其他學習者得花好幾週才練得起來的閃音（tap），而且你天生就聽得出母音的長短。擋在你的英文和美國人耳朵之間的，絕大部分是需要「做減法」的東西。把自己朗讀一小段文章的聲音錄下來，算算看你塞進了幾個過渡母音：大多數人會發現，每個句子裡大概都有兩三個單字，帶著英文根本沒要求的節拍。只要花兩個星期把這些多餘的節拍刪掉，哪怕只在放慢速度、小心朗讀時做到，就足以大幅改變你整體口音給人的印象。再加以練習，日常脫口而出的對話自然也會跟上。
