词尾的 b 和 p：元音会替它说话，但只说一半 cab 和 cap 的最后一个音很难靠辅音本身分辨：词尾的清塞音不送气，浊塞音在词尾也常常只剩很轻的振动。英语里有一条规律替它们说话 —— 浊辅音前面的元音更长。问题是这条规律有多可靠：这一页量了六对，cab / cap 只差 10 毫秒，bag / back 差 80 毫秒，而同一个 d/t 换一个词，能从 70 毫秒掉到 1 毫秒。
六组：三个部位，各两组
每一组是同一个元音加不同的词尾辅音，左右由同一个发音人读。数字是该词里那个元音的真实声学时长。
三件事，缺一件就听不出
词尾的清浊不是「声音大小」的差别。
词尾的清塞音不送气
词首的 /p/ 有送气（pin 有一小股气），词尾的 /p/ 没有（cap 几乎不呼气）。所以「说得响一点」不解决问题 —— 词尾的对比不靠送气。
浊辅音前的元音更长 —— 但幅度很不稳
英语有一条贯穿整个音系的规则：同一个元音，在浊辅音前比在清辅音前长。本页六组都是同一个元音，只换词尾辅音，所以差值可以直接归给清浊。
词尾浊音不是「加一个 ə」
/b/ /d/ /ɡ/ 在词尾仍然是闭塞的浊音，不能在后面补一个元音。cab 不是「cab-uh」。补元音会把一个音节变成两个，重音位置跟着变。
发音动作（侧剖面）
只画一个发音人、一个瞬间的舌位与唇形。褐色圆圈是「该看哪儿」，图下的文字说明它和另一个音差在哪里。
拼写对应：这一页反而是拼写最有预测力的一页
差别不在元音本身，在它后面那个辅音 —— 而那个辅音在拼写上从来不会被省略。
前面那个元音更长。拼写上的 b d g 就是提示：看到它们，元音可以放心拉长。
前面那个元音更短，收得也更急。词尾的清塞音还会带一点送气，这是第二条线索 —— 但本页只用时长的数据说话。
拼写上加的是同样的字母，读法却取决于前面那个音是清还是浊。完整规则在「-ed / -s 词尾」那一页。
中文母语者最常走错的四条
根子大多在同一处：汉语拼音的 b/p 是送气对立，不是清浊对立。
把清浊当成送气对立
汉语拼音的 b 与 p 区别在送气（不送气 / 送气），而英语的 /b/ 与 /p/ 区别在声带振动。用送气去模仿词尾清浊，词首会变样，词尾仍然分不开。
本页的语料全是词尾，正好避开词首送气这个干扰 —— 你可以专心听元音长度。
两个词的元音读得一样长
这是最直接的一条：只要元音等长，听者就只能靠辅音分辨，而词尾辅音本身就很难分辨。于是两个词在对方耳里就变成同一个。
本页的差值就是这一条的直接测量。但也别把它当成一把尺子：差值只有几十毫秒，比一个音素还短，听的时候要刻意去找。
词尾浊音读成清音
汉语音节以元音或鼻音收尾居多，词尾的 /b/ /d/ /ɡ/ /v/ /z/ 容易被清化成对应的清音。清化之后，bag 就成了 back。
自检：发词尾浊音时手按喉结，应该有振动；振动断了，就是清化了。
在词尾补一个元音
补元音是为了让辅音「发得出来」，代价是音节数变了。英语的 cap 是一个音节，读成两个音节会破坏句子的节奏，重音也会跟着移位。
这条与音节板块的「词尾辅音」同一根源，那里有更详细的对照。
词表
这一页分组按的是词尾清浊，不是位置：浊音结尾、清音结尾，外加一组词中做对照。27 个词，点词即听，都是单独录的孤立词。同一对辅音放在词尾才靠「前面元音多长」区分清浊 —— 放到词中间，这个线索就没了，所以第三组听不出长短。
词尾浊音9
词尾清音9
词中（对照）9
这一页的三组不是「位置」，是词尾清浊：cab 与 cap 的结尾辅音本身都很短，区别主要在前面那个元音有多长。词中那一组是对照 —— 同一对辅音放到词中间，元音长度就不再是线索了，所以 happy 和 bigger 听起来并没有「长短」之分。
语料与声学测量
点击句中的任意单词可从该词开始播放；波形上方的浅黄区域是目标词的实测边界。
逐条数据
下表所有数值均由音频直接测量得出，非人工标注。
| 语料 | 口音 | 性别 | 目标词 | 词长 | 元音时长 | 基频 | 音高幅度 | 谐噪比 |
|---|
数据是怎么来的
这一节说明每个数字的计算方式，便于复核。
语料：12 条英文句子，由语音合成引擎生成。这一页的每一对最小对立对由同一个发音人读 —— 差值才是这一页的教学点，换了人就混进了音色差异。
词边界：取自合成引擎输出的词级时间戳（WordBoundary），并逐条校正引擎时间轴与音频起始之间的固定偏移。
音素边界：用 MMS_FA 声学模型做强制对齐，把字符级时间戳经动态规划映射到音素序列，时间精度为模型帧长 20 毫秒（边界落在字界中点，实际分辨率约 10 毫秒）。它不是按经验权重在词内摊分出来的估计值。
基频：用 Praat 的自相关算法（to_pitch）逐帧计算，帧移 10 毫秒，搜索范围按整句估出的说话人音域自适应收缩，并剔除倍频误判。
关于本页的定位：本页展示的是这几个音在给定语料里的分布，不是发音标准。合成语音的时长规律与真人朗读接近，但不等同于真人；等接入真实语料后，本页数字会重算。
为什么只收了塞音：第一版还有 /v-f/、/z-s/ 两组摩擦音，六组里三组方向是反的。拿三个发音人各合成一遍去验，摩擦音的元音差只有 -1 毫秒和 -10 毫秒、方向 1/3 —— 不是运气问题：摩擦音自己的摩擦段很长，会把前面的元音压得差不多长，清浊线索根本不在元音上。只有塞音适合用这个指标。