怎样解释有些人听到Yanny，其他人听到Laurel？
上次看到这个讨论，还是本宣美小学的时候（手动狗头）。
我们在2018年针对Yanny和Laurel做过一期研究所，顺便还研究了上古老梗——蓝黑和白金裙子、粉白和灰绿鞋子！
太长不看版结论：
听到“Yanny还是Laurel？”与年龄显著相关，在10-50岁年龄范围中，年龄越大的人，听到“Laurel”的比例越高。（所以听到“老肉”真的可能是老肉）
我们当时对于收集到的3061份有效调查数据进行了数据分析。
根据不***别统计后，得到以下结果：
由这张图，我们可以看出，大部分人都听到的是Yanny，约2/3的用户听见Yanny，1/5的用户听见Laurel。
经过卡方检验，发现性别对于这种分歧并没有显著差异（p值=0.10）。
为什么会有这种分歧？网友们对于听到“Yanny还是Laurel？”的现象有很多猜测，其中最为常见的一种猜测是：Yanny属于高频段声谱，而Laurel属于低频段声谱。随着年龄增长，人们的耳朵更难听到高频的声音，所以一般说法是年龄越大越容易听到Laurel。于是，我们对年龄这一影响因素进行了分析：
这张图虽然看不出什么差异，不过我们通过对选这两个选项的人做配对t检验发现，p值=0.028（小于0.05），这说明年龄有显著影响。
将10-50岁的年龄段挑出来进行分析，发现这个年龄段的年龄与Yanny/Laurel的选择存在类似线性关系：
做线性模型后，得到r^2=0.853，p值<<0.0001。
这表明，在10-50这个年龄段，随着年龄增加，听到Yanny的人越来越少。所以年龄大的人确实是有大概率听到Laurel的可能性，这一结论也从侧面验证了之前关于“Yanny还是Laurel？”的猜测。所以本宣美当然是（强行）听到了Yanny辣！
随后，我们根据不***别组分析年龄与Yanny/Laurel的关系，仍然没有发现性别对各年龄组的影响。另外，我们也分省份进行了这一选项的统计，并没有发现地域与这一选择的明显关联。
调查问题：下面这张图片，你看到的是蓝黑还是白金的裙子？
太长不看版结论：
看到“白金还是蓝黑”与年龄显著相关，年龄和裙子颜色的选择在10-50岁的年龄段近似存在二次关系。（一言难尽的结论……）
我们当时对于收集到的3719份有效调查数据进行了数据分析。
根据不***别统计后，得到以下结果：
约2/3的用户看见的是白金色的裙子，1/4的用户看到的是蓝黑色的裙子，而且不***别用户对于裙子颜色的选择并没有什么差异。
接下来，我们也对年龄因素进行了分析：
通过对不同年龄分组选择蓝黑/白金裙子的人进行分组，对两个选项的人数做配对t检验，得到p值=0.012（小于0.05），说明年龄对于裙子颜色的选择有显著影响。
那么年龄与裙子颜色的选择究竟存在怎么的关系？通过观察曲线发现，年龄和裙子颜色的选择在10-50岁的年龄段近似存在二次关系，所以我们做了多项式模型，得到和r^2=0.7301。
这个结果表明，在10-50岁的年龄区间内，年龄和裙子颜色的选择的比值是拟合二次分布的，在接近30岁的人中，将裙子颜色识别为蓝黑色的比例达到了峰值。至于为什么会形成这种奇特的关系，我们目前也尚且没法确定原因，但也不失为一个新发现，有待进一步探究。
接下来，我们分地域也对这一选择进行了研究，但并未发现任何显著差异。
调查问题：下面这张图片里，你看到的是粉白还是灰绿的鞋子？
太长不看版结论：
1.看到“粉白还是灰绿”与性别显著相关，男性用户看到灰绿的比例更高。（所以女性更喜欢小粉红，男性喜欢……绿？）
2.看到“粉白还是灰绿”也与年龄显著相关，在10-50岁年龄范围中，年龄越大的人，看到“灰绿”的比例越高，女性用户受年龄因素的影响更加显著。（女性看见粉红的比例随年龄波动更大，但男性绿得更稳定？）
3.对鞋子颜色的选择与裙子颜色的选择存在关联：选择裙子为蓝黑的人更倾向于选择鞋子为灰绿，而选择鞋子为粉白的人更倾向于选自裙子为白金。（自古蓝黑和灰绿出CP，粉白和白金出CP）
我们对于收集到的3719份有效调查数据进行了数据分析。调查的用户中，大部分都选择看到了灰绿：
从图表中可以看出，男性和女性用户对鞋子颜色的区分差异很明显，男性用户中选择灰绿色的人数占比更高。
经过卡方检验，p值=1.70e-13（小于0.05），说明性别因素对鞋子的颜色识别选择影响显著。
测完性别的影响后，我们又对年龄因素进行了分析：
通过图表可以看出年龄与鞋子颜色选择存在明显的线性关系，配对t检验得到p值=0.017，证明了不同年龄组对于鞋子的颜色选择存在显著性差异。
表中，年龄和鞋子的颜色选择在15-50的年龄段有类似线性的关系。
做线性模型后，计算出r^2=0.925，p值<<0.0001。这也证实了“年龄和鞋子的颜色选择存在线性关系”这一点，也就是说，年龄越大的人中，将鞋子颜色识别为灰绿色的比例就越高。好在Lily从始至终都只看到粉白色，在这一题上终于扳回一局，终于可以重回青春了！
接下来，考虑到性别对人们鞋子颜色的选择存在的影响，我们根据不***别分析各年龄组的差异，发现性别在各年龄组内，仍然对鞋子颜色的选择有显著性影响。
从图中就可以看出男女两组中近似线性关系的斜率存在明显差异：在女性用户中，年龄因素对于鞋子颜色的选择的影响更大。
最后我们再一次分不同省份，分析了鞋子颜色选择与地域的关系，在这次分析中，对年龄和性别因素进行了修正，但仍然没有发现地域的显著影响，就不展开讲了。
由于“蓝黑还是白金”和“粉白还是灰绿”都是对颜色辨认的分歧，我们也研究了人们对于裙子和鞋子的颜色选择是否存在关联，结果发现其中的关联：选择裙子为蓝黑的人更倾向于选择鞋子为灰绿，而选择鞋子为粉白的人更倾向于选自裙子为白金。
在这一轮研究中，我们发现了年龄与这三大宇宙级分歧存在的显著关系，其中对声音的识别和对鞋子颜色的识别与年龄成显著的线性关系。另外也发现了性别与对鞋子颜色的识别存在的显著差异。
怎样解释有些人听到Yanny，其他人听到Laurel？
（我这个2018年的回答为啥两年后又卷土重来了hhh）
首先，我是Laurel党～
要回答听到“Yanny”还是听到“Laurel”的问题，首先，我们可以把它拆成两个子问题：
Q1：客观上，Laurel和Yanny为什么会不同？导致不同的关键点在哪里？
Q2：主观上，为什么不同的人面对同一段音频，会听出不一样的结果？
先来说说我对上面两个问题的回答：
A1：Laurel和Yanny在声学上的不同，取决于二者共振峰（FormantFrequencies）的不同。
A2：对模棱两可的一段音频做出不同的感知，其实反映了人们在感知和处理音频信息时的一种方法：CategoricalPerception（范畴感知）。
这里，就涉及到两个概念：共振峰，范畴感知。
首先来看共振峰。
一、共振峰——区分两个语音音色的最关键因素
任何声音的音色怎样，都取决于这段声音的波形特征。波形有两种，要么简单，要么复杂。一个简单波（SimpleWave）只有一个频率，就像一个正弦函数；一个复杂波（ComplexWave）由许多简单波叠加和共振而成，其中，每一种频率的简单声波都有不同的振动幅度（强度）。比如下图中的复杂波，就是由三个振幅不同的简单波（1000Hz，1100Hz，900Hz）构成的。
而我们说话的语音就是一种复杂波，它也由很多个简单波共振而成，这些简单波各有各的频率，也各有各的振动强度。当某一些频率上的简单波的振动强度，就整个复杂波的平均水平而言达到了峰值，就构成一个共振峰。
共振峰出现的位置（即频率）的不同，决定了两个音音色的不同。比如下图中，/a/的第一个、第二个共振峰分别出现在约500Hz和1500Hz的位置，而/i/的共振峰出现在大约250Hz和2500Hz的位置，这就导致了/a/和/i/无论是发出来还是听起来，音色都是不同的。其中，我们把频率最低的共振峰称为F1，第二低的称为F2，以此类推。
一般对于语音中的元音和辅音来说，两个音的不同，除了F0（音调）的不同，关键看F1，F2和F3的不同。
所以回到Laurel和Yanny的问题：它们为什么不同？原因还是共振峰。下面给出Laurel和Yanny的语谱图（Spectrogram）：
（图片来源：https://www.nytimes.com/interactive/2018/05/16/upshot/audio-clip-yanny-laurel-debate.html）
由于辅音相比于元音，其区别特征更加明显，因此我们重点来对比两个词辅音的共振峰的不同。Laurel和Yanny中含有的辅音有，/l/，/j/，/r/，/n/。这里，我们采用PeterLadeforged“ACourseinPhonetics”书中列举的辅音共振峰常见频率，列表如下（单位：Hz）：
由此，我们可以发现，“Laurel”相比于“Yanny”，辅音上最大的区别在于前者（/l/和/r/）F3的频率远低于后者，这就说明，/l/和/r/的能量集中在更低的频率上。而且，语音学研究发现，/l/和/r/在更高频率（比如在/j/的2890Hz与/n/的3250Hz）上，振动强度会远远低于在F1-F3的振动强度。所以，综上可知，“Lauren”在较低频率的强度更大，能量更集中；而“Yanny”在较高频率的强度更大，能量更集中。
而我们之所以会模棱两可，也许是因为制作这段音频的人，故意把这个词整体的F1，F2和F3等的位置混合了，调整了这个词在高频和低频区域的振动强度，从而混淆了“Laurel”和“Yanny”两个词的音色特征。
下面说说第二个问题，为什么不同的人面对同一段音频，会听出不一样的结果？我自己的解释是，因为人们在范畴感知（CategoricalPerception）中的表现不同，具体表现在，每个人感知各个音素的范围界限不同。
==============================
（分割线，今天我又回来码字啦~）
==============================
二、范畴感知（CategoricalPerception）
人们能听到什么语音、怎样理解这些语音，把这些声音信号变成有意义的字词句，在语言学上被称为SpeechPerception（中文译作言语感知或者语言知觉）。SpeechPerception中有一个重要概念，叫做范畴感知（CategoricalPerception）。简单来说，范畴感知认为，人们之所以能把两个不同的音素（比如“/ɑː/”和“/uː/”）区分开来，是因为人们根据一定的依据，本能地把这些音素划归为了不同的类别（Category），即，人们是按一个音所归属的“类别”来理解语音的。而划分类别的依据，被称为“Acousticcue”（听觉线索）。共振峰就是一个非常重要的听觉线索。其他的听觉线索比如VOT（VoiceOnsetTime，輔音从除阻的一刻到声带开始振动，所经历的时间。是区分清、浊辅音和送气/不送气辅音的重要线索）。
这里需要指出的是，既然人们是按照自己听到的听觉线索来划分类别的，那么人们对这些听觉线索的敏感程度决定了这个类别的界限的位置以及容量的大小。举个例子，比如人们常常说某某人很“富有”，又说另一个人很“贫穷”，“富有”和“贫穷”就是两个类别，但它们之间的界限往往是因人而异的，比如已经把一个亿当成小目标的王健林，可能觉得1000万都不是区分贫穷与富有的界限，但相比之下，四线城市出生的我，可能觉得坐拥500万的人已经可以称得上富有了。
所以，回到Laurel和Yanny的问题，我觉得，人们之所以会面对同一段音频，会听出不一样的结果，其实只是因为他们对这个词里，不同的Acousticcues的敏感程度不同，从而导致了不同的人按照不同的界限和标准，主观地把同一个词归入了不同类别而已。
有点绕？其实写下刚才那段文字的时候我也有点晕，那么我们来上个图吧~
如下图，我们把Laurel和Yanny这两个词放在一个线段的两端。它们分别代表两个不同的类别。
现在指针所指的位置，就是这个问题的万恶之源——让我们傻傻分不清楚的Laurel/Yanny的原音频。
现在，让我们把指针向右慢慢移动，直到你第一次非常明确清晰地听到Yanny而不是Laurel为止。我的指针是在这儿：
现在，这个指针的位置，就是我的“Laurel”类别的界限。（好吧，这再次证明了我是彻底的Laurel党）
而当我让一个朋友做同样的实验，发现其类别界限是在这儿：
（以上三张图的图片来源：https://www.nytimes.com/interactive/2018/05/16/upshot/audio-clip-yanny-laurel-debate.html）
顺便啰嗦一句，关于这个“界限”有一个言简意赅的术语，叫做“JustNoticeableDifference”（JND，最小可觉差）。在这个例子里，JND就是图2或图3的指针位置，相比于图1的指针原始位置之间的距离长短。它一定程度上反映出了你对这两个词发音差别的敏感度。
那么第三个问题来了，不同的人为什么会有不同的“界限”呢？或者说，不同的人为什么会对同样的听觉线索表现出不同的敏感度？以及，为什么有人能同时听到“Laurel”和“Yanny”？
我觉得，这里又要用一个概念来解释了：CriticalBand。
和发音系统类似，我们的听觉系统也可以看做一个共鸣器。这个共鸣器（以及所有的共鸣器）和进入共鸣器的声音产生共振（Resonance），共振的结果是，这个声音（复杂波）的波形特征会变得和共鸣器的波形特征相同。一个简单的比方，共振器好比杯子，从外面进来的声音好比水，水进了杯子，就变成了杯子的形状，好似一个“过滤”的效果。这个“过滤”的效果会导致一些频率相近的声音不能被我们的耳朵给区分出来。这些不能被耳朵区分出来的声音的频率范围，就是“criticalband”。
所以，假如同时播放两个音，A和B。
如果A或B的频率在CriticalBand里，A和B会被人们认为是同一个音。
如果A或B的频率在CriticalBand外，A和B会被人们认为是两个不同的音。
所以，听出Laurel还是Yanny，本质上是因为耳朵这个共鸣器把这个声音做了处理，有的耳朵强调了高频段的响度，削弱了低频段的响度，就听到了Yanny；反之，就听到了Laurel。
那些同时能听到Laurel和Yanny的人，有可能因为这两个音中的一个或两个，它们当中有些简单波的频率在CriticalBand之外。
总结一下，我个人觉得，Laurel与Yanny之别，一定程度上反映出我们怎样感知和处理听到的语音：
我们倾向于把听到的声音归入事先划分好的不同类别中，划分的标准是听觉线索。共振峰是重要的听觉线索。对听觉线索的敏感程度，会受到耳朵的“听觉过滤”效果影响，也会受到的CriticalBand的影响。除了以上三点之外，肯定还有其他的原因。在此不赘述了。最后给自己打个广告，想要提升英语发音的童鞋可以关注我的知乎live：
感谢，笔芯～
推特上的诡异音频有人听到 yanny 有人听到 laurel 是为什么呢？
(1)这段音频是由64岁的JayAubreyJones（歌剧演唱家，等同于中国的高水平的相声演员，在发音方面有天赋且经验丰富）上传到vocabulary.com网站上的，目的是示范Laurel一词的发音[1]。所以，「标准答案」毫无疑问是Laurel了。(参见：
王赟Maigo日语、语言、机器学习等6个话题的优秀回答者，的专栏《10978Yanny还是Laurel？共振峰骗了你》)。——王赟Maigo没有注明的是“JayAubreyJones不是一个不会说美国普通话的农村老头，而是一个地道的话剧演员或歌唱家”，所以，JayAubreyJones应该精通发音的技巧,应该知道“不同地区本土美国人的口音”。
(2)“YannyorLaurel”快速地进入英文Wikipedia词条，且在英文Wikipedia词条的“YannyorLaurel”辅助音频中明确发音是Laurel的['lɔrəl]，说明，这是一种高超的推销。
（3）从“通信的基本要素：准确、及时、高效、保密”的原则来看，YannyorLaurel在英文网站的传播应该有3个信源。第1个信源，是Yanny及其音标为['j?ni]的音频;第2个信源，是Laurel及其音标为['lɔrəl]的音频;第3个信源，是“经过歌剧家或演唱家将Laurel的发音通过技巧演变为Yanny的发音，之后，经过音频技术专家进行特别剪接或者由调音师经过精心调制而成”。——从这个角度分析，“诡异”有2点，一是“同一网址，有人打开的是第1信源；有人打开的是第2信源。不同人打开的信源不同”；二是，同一个人在特定时间段内打开的是第3个信源，在不同瞬间听到了“先Yanny后Laurel“或“先Laurel后Yanny”的音频。第二种诡异在有线电通信中叫做“串频”，属于典型的“wiretap”;在无线电通信中叫做“干扰”，类似于“radiointerference”。
（4）该发音不属于美国方言问题。在方言中，经常混淆（互相转换）的发音是2个或多个发音相似的音节，如th与s;g与h;i与a;o与u；b与p;m与n;t与d与tr;L与r等。而Yanny与Laurel两者，“Y”对应的是“J”，“L”对应的是“R”，而Yanny第1音节中的Y与Laurel第1音节中的L风马不相及，Yanny音中的关键音节N与Laurel音中的关键音节R也是风马不相及，所以，这应该是明显的“歌唱家”与“音频技术专家”密切合作的“高水平营销手段”！是一次成功的广告营销！
推特上的诡异音频有人听到 yanny 有人听到 laurel 是为什么呢？
据说听到laurel的人听力不好
