為什麼你討厭自己錄音裡的聲音——以及為什麼你還是得錄音練習

有一種聲音，你這輩子天天都在用，卻幾乎從沒真正聽過。

通常要等到別人放出一段影片，或你點開一則早就忘了自己錄過的語音訊息，它才會浮出水面：一個用你的句子說話的陌生人冒了出來。比你想的還高、還單薄，或許帶點鼻音，聽起來比你心裡的自己更年輕，有一種說不上來的不對勁。每個人腦中冒出的第一個念頭，幾乎都是同一句：我講話才不是這個聲音。

可惜就是。這才是最刺的地方。錄音裡那個聲音，正是你身邊每一個人這輩子聽到的你；而你腦海裡那個比較低沉、比較圓潤、從你有記憶以來就一直陪著你的版本，反而幾乎沒有別人聽過。

對任何想改變口音、想調整說話方式的人來說，這就不只是愛面子的問題了。錄音是你手上最好用的工具，偏偏也是多數人最不敢碰的那一個。所以，搞懂自己的聲音為什麼聽起來這麼不對勁、這種感覺又為什麼終究會淡掉，很值得。熬過最初那一下的退縮，等在另一頭的，是你唯一能拿到的誠實回饋。

你的錄音聽起來不對勁，是因為你從沒用「別人聽你的方式」聽過自己。 你開口時，聲音會走兩條路進到耳朵：一條穿過空氣，這也是旁人聽見你的那條；另一條直接穿過頭骨。骨頭擅長傳低頻，於是你腦海裡的「內在聲音」聽起來比實際更深沉、更飽滿。錄音只收得到空氣那一條，所以放出來比你熟悉的聲音更高、更單薄。在這之上還疊了一層刺痛，那層多半來自自我認同，而不是聲學差異；只要你別再逃避播放，它很快就會退掉。而就改變發音來說，錄音是唯一一面不騙人的鏡子——因為你說話的當下，大腦聽見的是你「想發出的聲音」，不是真正發出去的那個。

錄出來的聲音，聽起來像個陌生人

這種反應屢試不爽，幾乎像是某種成年禮。第一次錄語音信箱的問候語，你重錄了六遍，因為每一遍都覺得哪裡怪。婚禮影片裡的你，聽起來像個素未謀面的遠房表親。一則語音訊息，還沒聽到第二句你就皺起了眉。大家形容錄音裡的自己，來來去去總是那幾個詞：更高、更單薄、鼻音更重，不知怎地更稚嫩，比平常那個侃侃而談的自己少了幾分篤定。

奇怪的是，這份確定感非常具體。你想的不是「我的聲音好像有點不一樣」，而是「這根本不是我的聲音」，那語氣，像是被人叫錯了名字一樣理直氣壯。而從一個很窄的角度看，這份直覺也沒說錯：你確實從沒聽過那個聲音——至少沒聽過麥克風收進去的那一版。你這輩子聽到的，始終是一個只有你自己聽得見的版本。

為什麼錄音聽起來比腦袋裡的聲音還高昂

你一開口，就成了房間裡唯一同時聽到兩種聲音的人。

第一種走的是尋常路線。聲音離開嘴巴、穿過空氣，再傳回你的耳朵。這條路叫「空氣傳導」，而它就是別人聽到的全部。麥克風收進去的，也正是這一版。

第二條路則很私密。當聲帶震動，那股震動會直接穿過頭骨和軟組織傳進內耳，完全不繞到外面。這叫「骨傳導」，它有個很明確的特性：骨頭傳低頻的本事，遠勝於傳高頻。於是，在你顱腔裡傳遞的那個聲音，等於被悄悄補上了一層低音，聽起來比空氣中的版本更深沉、更溫暖。

所以你熟悉的那個聲音，是一份全世界都收不到的混音：空氣傳導的部分，外加你的頭骨私下灌進來的一層低頻。把這層低音抽掉——錄音做的正是這件事——音色就往另一頭倒過去，在耳朵裡變得單薄而偏高。錄音並沒有說謊。一直以來，是你的腦袋默默在替你的聲音加料，給你說出口的每個字都墊上了一層厚實的低音。

這也說明了為什麼這份不適不會像一般的驚訝那樣，聽過一次就煙消雲散。因為你比的並不是「錄音」對「現實」，而是「錄音」對腦海裡那個更飽滿的內在版本——而錄音在結構上根本追不上它，因為那層由骨傳導補出來的低音，打從一開始就不存在於空氣裡，自然也無從錄起。

這關乎自我認同，不只是聲學問題

如果只是「不熟悉」，頂多能解釋那一下的退縮，卻說不通那股強烈的排斥、那個想「趕快關掉」的反射，甚至有些人是發自內心地討厭它。世上不熟悉的聲音多得是，可它們並不會逼你想奪門而出。

多出來的那股勁，來自你的自我感。早在 1966 年，心理學家 Philip Holzman 與 Clyde Rousey 就替這種反應取了名字：「聲音對峙」（voice confrontation）。這份不適不只是音高落差帶來的驚訝，更是你腦中認定的那個「我」，和別人一直以來接收到的那個「你」之間，一次小小的迎面相撞。錄音還會把那些你修不掉的表達痕跡——遲疑、平板、鼻音——原原本本攤開，遞給你一個你從沒打算示人的自己。多數人，是真的不想在一通語音留言裡撞見那個人。

有個實驗暗示，這份尷尬與其說在聲音裡，不如說在自我形象裡。研究讓受試者替一批錄音評打吸引力分數，並在他們不知情下，把他們自己的聲音也偷偷混了進去。結果多數人沒認出自己那一段，而他們給自己這段的分數，竟然比給其他聲音的還高。一旦「這是誰的」被藏了起來，聲音就得以憑自身被評斷。可見問題本來就不在聲音。同一個聲音，當成陌生人聽覺得毫無毛病，可一旦你知道「這是我」，瞬間就變得刺耳——這正是聲音對峙在發作。你聽見的所謂難聽，有很大一部分，其實是「這是我」三個字一落地，自我批評就跟著開機的聲音。

為什麼尷尬感最終會消失

這份不適是暫時的，而且消退並不是靠你說服自己去接受。

你的退縮，源於「你以為會聽到的」和「實際傳來的」對不上。你的大腦裡存著一套對自身聲音的細緻預測，這套預測是由你聽了一輩子那個「自帶重低音的內在版本」一點一滴養出來的，而錄音正好違反了它。預測這東西，你餵它新資料，它就會更新。多放幾次錄音，預測就會一步步往真實的聲音靠攏。這底下其實有一個被研究得很透徹的知覺現象在運作——「單純曝光效應」（mere-exposure effect）：一樣東西你接觸得越頻繁，往往就越喜歡它，理由無他，就是熟了。你的錄音也享有同樣待遇。對多數人而言，規律地聽自己一兩週也就夠了；它會不再像個陌生人，而是平平淡淡地，聽起來就是你。

這也是為什麼那些靠聲音吃飯的人——主持人、配音員，以及任何在自己的回放裡耗過好幾個鐘頭的人——很少喊那種尷尬。不是老天賞了他們更好的嗓子，而是他們老早就把那段「預期對不上」熬了過去，把耳朵重新校準到麥克風聽見的那一版。你當成判決書在讀的那種感覺，其實只是一個預測誤差，而磨平它的，就是一次又一次的重複。

錄音是唯一不會說謊的回饋

講了這麼多，這一切之所以要緊，是因為練發音時有一個很不方便的事實：你開口的當下，根本沒辦法準確聽見自己。

說話時，大腦裡早就握著你「想說成什麼樣」的那張圖，在搶著把它說出口的忙亂中，你會偏向聽見自己的意圖，而不是真正出口的聲音。只有最大的錯會撞破這層濾鏡被你逮到，比較小的失誤一個個溜過去，於是一句話講完，你還深信自己把某個字咬得漂漂亮亮，其實早就念漏了。這個盲點是現場說話天生就帶著的，也正因如此，「聽得出差別」和「做得出那個音」根本是兩種不同的能力。

錄音把這層遮掩掀了開來。回放時沒了那張可護航的藍圖，你聽見的是原始訊號，而不是意圖；你自己的產出，終於送到了那對平時評判別人發音毫不費力的耳朵跟前。多數人早早就能聽出別人嘴裡的某個對比音，卻要過好久才抓得到自己現場那一句裡的同一個音——而錄音，就是跨過這道落差的橋。它也是唯一能驗證的方法：你做的跟讀練習（shadowing），究竟是真的貼上了範本，還是只在當下感覺貼上了。

所以說，發音練習裡最誠實的那件工具，恰恰是尷尬把你推開的那一件。想把回放關掉的反射，其實就是想留在舒適圈的反射，而回饋偏偏不在舒適圈裡。一個只對著空氣練的人，等於在反覆排練一個自己聽不清楚的聲音版本，一遍又一遍，把錄音本來能替他逮到的那個錯，越練越深。

低門檻的起步方法

想克服這種退縮，靠「決定要勇敢一點」是沒用的。你得把賭注降到夠低，低到根本沒什麼好繃緊的，剩下的，交給曝光去磨。

從無聊又短的素材開始。別錄演出，也別錄一段你在乎的文章。對著手機念兩三句枯燥乏味的話，大概十秒，錄那種你刪掉也不會心疼的片段，有耳機的話就戴耳機回放。手機的喇叭幾乎放不出低音，會把你的聲音削得比錄音檔本身還單薄；戴上耳機，你聽到的才是比較公道的版本。第一週的目標不是回饋，純粹是讓自己的聲音多進你耳朵幾次，多到它不再像個陌生人。

回放時，只准自己盯「一件」事，而且要挑機械性的，別挑審美的。不是「我這樣好不好聽」——那是個陷阱，會把你一把拽回聲音對峙的深淵。要問的是這種：那個過去式動詞的 -ed 尾音，有念出來還是被吞掉了？那個長單字的重音，有沒有落在字典標的位置上？你最近一直在練的那個母音，這次有沒有發得夠清楚？一個具體的小目標，能把你的注意力釘在你正在改的那個音上，而不是飄到嗓子本身好不好聽。

接著，把它變成每天做、而且做得很小的習慣。每天錄個幾段十秒鐘，一舉兩得：重複帶來的單純熟悉感會慢慢磨掉尷尬，同一批片段又順手把你一直在躲的回饋迴路還給了你。錄完是存著還是當場刪掉，其實都無所謂；要緊的是，你「聽」了它們。

這些片段裡的聲音，永遠不會變回你腦海裡那個。那一版本來就算不上真的——畢竟除了你，誰也聽不見。真正會變的是：這個真實的聲音（別人一直以來聽到的那個），不再像是衝著你來的一句指控，而開始像一把你能親手調的樂器。至於一旦你願意開始聽，這把樂器要調多久，那份誠實的時間表，會自己給你答案。

FAQ

錄音裡的聲音，是你目前對「自己究竟聽起來如何」最準的一份讀數，因為它來自一個不會像你的頭骨那樣替你偷偷墊低音的源頭。最初那一下退縮是真的，但也很短。多聽幾次熬過去，它就會平息。剩下的，就只是那個身邊每個人一直以來都聽著的聲音——如今，你也終於聽得見了。