听自己的录音时，为什么会觉得自己的声音陌生？该录音声就是别人听到的你的声音么？ 第1页

@科言君从听觉原理上解释的非常通透了，那么我从声音的本质和人的主观感知来补充一下。

道不同，不相为谋

我们平时听到的自己说话的声音，是通过骨传导和空气传导进入到内耳，被大脑感知的。一个把骨头当成传递媒介传导，一个把空气当成媒介传导。关于人怎么听到声音高低和人耳的介绍，我之前在一篇回答里详细介绍过：

而把一个麦克风放到我们面前录音，声音只经过空气传导到麦克风中。这和一个人站在我们面前听我们说话是一样的，所以你听到你自己说话的录音，和别人听到你说话的声音，是一样的。所以当你播你自己录音的时候惊呼“我的声音怎么那么难听！”，旁边的人一般都会淡淡的说一句：你说话就这样啊。

为什么听到的不一样？

问题是，传导方式不一样，为什么会导致听到的声音不一样？

首先，人在听自己说话时，不管是哪种传导，听到的声音都有高频衰减。

空气传导：我们说话的时候嘴巴冲着前面，指向性向前，由于高频的绕射（衍射）能力不强，所以导致听到的低频成分减少。而低频绕射能力强，即使嘴巴冲着前面，也会有很大一部分又绕回到耳朵里。

骨传导：人头骨低频传导效率好于高频。

综上，我们听到自己说话的声音相对于录音发“闷”，更加低沉。

但区别并不仅仅在于此，其关键因素在于音色。当人在说不同话的时候，骨传导和空气传导的能力是不同的，同时又随频率变化。因此，导致两种传导叠加起来的声音在不同频率的增益有所变化，导致音色差异。比如发元音/a/“啊”的时候，骨传导较弱，空气传导占主导；发/i/“咦”的音，骨传导在2000赫兹会对声音有较强增益^[1]。

下边的图给出人在发出不同元音时候的响度频谱图。发出的声音在经过骨传导和空气传导叠加之后被自己耳朵感知，其频率不会变化，但是会引起共振峰（图中的各个尖峰）峰值高低的变化，从而导致音色改变。而如果在嘴巴前面放麦克风录音的话，除了整体略有衰减，并不会产生这一系列的变化。

共振峰峰值的变化引起音色的改变，可以用乐器来解释。闭上眼睛，我们能听出不同的乐器，即使弹同一个音。如果“弹同一个音”仅仅对应单频的纯音信号，那么确实很难区分。而现实是在发出一个音的同时，会有很多高频谐波出现。比如拨动吉他的琴弦，根音发出基频（下图左上角动图），描述了这跟弦的振动模式。但是除了这一种振动模式，还有图中其他五种，甚至更多高阶的振动模式。每一种振动模式对应一个频率的声音，并且频率呈倍数关系。

下面视频就解释了为什么弹同一个音，不同乐器呈现出来的音色完全不同。视频里面纵向的是频率，横向为时间。当然时域上的变化也会引起完全不同的听感，比如中提琴在时域上有很强的变化，声音更“颤”。这里我们只关注纵向频域上的变化。视频中，每种乐器弹得都是128Hz对应的音，可以看到不同乐器达到的谐波阶次不一样（在纵轴上越往上，谐波频率越高，达到的谐波阶次也越高），比如大提琴有很高阶次的谐波，这些也会导致音色的不同。由于高频能量不高，我们听到的声音大部分来自于低频的谐波。在低频的谐波中，我们会发现，不同的乐器谐波能量分布区别很大（颜色越深，能量越高），峰值不尽相同。所以即使时域的变化相同，谐波阶次相同，这些声音的音色也都是不一样的，从而导致听觉上的差别。这些谐波对应语音的共振峰，由于听自己说话和听自己的录音的共振峰峰值（能量）不同，所以听起来不一样。

视频来源：http://whatmusicreallyis.com/
乐器依次为：钢琴，大键琴（Harpsichord），古典吉他，印度西塔琴（Sitar），中提琴（Viola），大提琴（Cello），上低音萨克斯（Baritone saxophone），低音管（Bassoon），日本尺八（Shakuhachi），手风琴（Accordion）

需要注意的是：

前面都是在“无损音质”前提下的分析，还有一个原因是“有损录音”，比如微信的录音被严重压缩，所以听起来就更不一样了。可以看做被压缩更严重的MP3格式，严重到人能听出音质不同的程度。感兴趣的同学可以用微信和手机自带的录音软件录同一段声音，看看区别有多大。

我们为什么不喜欢？

听起来不一样，所以我们会感觉奇怪。但是为什么大部分人听自己的录音，感受到的不仅仅是奇怪，而是不喜欢甚至是讨厌呢？

我们的声音不仅仅是传达我们想说的话，更重要的是传达“我是谁”、“我从哪里来”等一系列高端信息。话怎么说出来，是信息能否被精准表达的关键因素，而我们的声音又是体现信息中细节的关键。

那么问题来了。

我们在说话的时候，大部分精力都用在思考我们要说什么。而当我们听自己的录音的时候，我们有更多的时间去分析我们说话的内容，注意到话是怎么表达的，自己的语音语调是否得体等等。这些大部分是我们在说话的时候注意不到的。当发现我们想表达的、想给人留下的印象并不是我们的本意时（时常发生），于是乎就扎心了。

不过这个解释也有局限性。对大部分人来讲，并不是经常回放自己说话的录音。但是对于政客、歌手、演员等，会经常看自己的视频，听见自己说话的声音，在自己声音不断曝光的过程，肯定会渐渐适应。而且公众人物会经常训练如何在公共场合理的表达，那么他们是否还会羞于听到自己的声音？

还有人是因为不喜欢听到录音里自己的方言，比如我的东北老乡，总以为自己说话和播音员一样标准，结果听到录音里一嘴的大碴子味儿一下就崩溃了。

另外，在智能手机盛行后出生的10后们，都有家长们给他们录了无数个G的视频。他们对于自己的影像和声音早已熟悉，那么他们是不是感受不到我们这些老叔叔老阿姨们的苦衷呢？

你们是怎么认为的？你们是因为什么不喜欢听、或者是喜欢听自己的声音呢？

我的声学专栏

公众号/今日头条：

子鱼说声学

声学相关文章：

主要参考：https://acousticengineering.wordpress.com/2018/12/21/why-do-we-dislike-hearing-a-recording-of-our-own-voice/

参考

1. ^ Reinfeldt, S., Östli, P., Håkansson, B. and Stenfelt, S., 2010. Hearing one’s own voice during phoneme vocalization—Transmission by air and bone conduction. The Journal of the Acoustical Society of America, 128(2), pp.751-762.