长和短，不是拖长一点 sheep 和 ship 的差别不只是把 /i/ 拖住。真正变的是舌位和肌肉紧张度：/i/ 舌位更高、更紧；/ɪ/ 更低、更松。时长只是这个差别的副产品 —— 所以把短音读成「长音的缩短版」，听起来永远是错的。
六对并排
同一对的左右两格由同一个发音人读。数字是该词里目标元音的真实声学时长。
为什么 coat / caught 不在这张表里：它测出来是反的（coat 141 毫秒，caught 162 毫秒）。不是测错了，是这一对压根不是长短对立 —— /oʊ/ 是双元音、/ɔ/ 是单元音，长短不该由这条规律决定。我们试过，然后把它拿下了。换成 food / foot，让 u / ʊ 换一个词再出现一次。
另外两组要单独说：bad / bed 只差 10 毫秒，cart / cut 只差 0.1 毫秒 —— 后者比测量精度还小（对齐每帧 20 毫秒，音素边界取中点后细到 10 毫秒），所以那一行写「在测量精度以内」，不判谁长。这两对不是长短对立，是音质对立；数字照实显示，它自己在告诉你「这里别听时长」。cart 还有一层要交代：美音里 r 前面的 /ɑ/ 会被 r 染色，元音本来就会被拉长，这一对更不该拿来总结规律。
三处差别，一处比一处关键
先看数字，再看它们在口腔里对应什么。
时长：四对差一倍，另两对几乎没差
本页每一对都给出目标元音的真实声学时长，同一对的两个人由同一个发音人读。差距最大的是 pool 171 毫秒对 pull 50 毫秒（3.4 倍）；sheep / ship、food / foot、late / let 也都差 30 毫秒以上。
但 bad / bed 只差 10 毫秒，cart / cut 差不到 1 毫秒 —— 这两对里时长帮不上忙，你只能靠舌位。所以时长是「部分元音」的线索，不是「长元音」这个类别的定义。
音质：舌位高低 + 肌肉松紧
/i/ 舌面抬得很高、靠近硬腭，肌肉绷紧；/ɪ/ 舌位明显更低更中央，肌肉放松。把两者只按时长区分，会让 /ɪ/ 听起来像含糊的 /i/。
这一条是口型的事，不是时长的事 —— 先摆对舌位，时长会自己跟上。
双元音不是「长的单元音」
late 的 /eɪ/ 是两条轨迹（先 /e/ 后滑向 /ɪ/），不是把 /ɛ/ 拖长；/aɪ/、/oʊ/ 同理。把双元音读成单个元音，是这一组里最容易暴露口音的错误。
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：这一页不给字母对照表，因为那张表是假的
五个元音字母对应二十个左右的元音，同一组字母能读出三四种音。所以这里只给四条相对可靠的规律，其余靠词典。
同一组字母三个音：/uː/、/ʊ/、/ʌ/。这是英语拼写最不可靠的地方，只能逐词记。
相对可靠的一组，但例外不少：bread /bred/、friend /frend/、great /greɪt/。看到 ea 不要直接读 /iː/。
同一个字母在 bad /æ/、cart /ɑː/、late /eɪ/、about /ə/ 里是四个音。判断依据是词源和音节结构，不是拼写。
ship 与 sheep、pull 与 pool 的拼写差别很小，音却完全不同。这一页的六对就是为此选的 —— 只能靠听和记，没有字母规律可用。
中文母语者最常走错的四条
每一条都能在本页的语料里当场听出来。
把短音读成「长音缩短」
汉语的韵母系统里没有靠舌位高低对立的这一对，所以最容易的做法是「同一个音，快一点」。但 /ɪ/ 的舌位比 /i/ 低得多，缩短一个 /i/ 得到的是一个不存在的音。
自检：对着本页 ship 那一格反复听，注意 /ɪ/ 的舌头是放下来的，不是加快的。
/i/ 与 /ɪ/ 合并，意思就变了
这不是发音好不好听的问题：合并之后这两个词在听者耳里是同一个词。语料里 sheep / ship 就是一对，听错一个，句子意思整个换掉。
练习顺序：先在同一对之间来回切，听出差别；再去听它们在别的句子里出现时是不是同一回事。
双元音读成单元音
/eɪ/、/oʊ/ 的第二个成分不能省。省掉之后 late 就变成了 let，coat 变成了 caught —— 本页这两对正好把后果摆在了一起。
双元音的长度感来自滑动，不是来自拖住第一个音。宁可滑得快，也不要停在第一个音上。
/æ/ 与 /ɛ/ 不分
汉语的 a 偏中央，英语的 /æ/ 要低得多、口开得更大；/ɛ/ 则居中。中文母语者常把 /æ/ 读成 /ɛ/，于是 bad 听起来像 bed。
口型自检：/æ/ 的下巴要明显放下来，/ɛ/ 只要半开。对着镜子看下巴高度比听自己更可靠。
词表
按目标音在词里的位置分组，共 27 个词，点词即听。这些词是单独录的，不是从上面那些句子里切出来的 —— 切出来的词带着前后邻音，听起来永远比孤立词含糊。同一组用同一个发音人，所以听到的差别来自位置，不是嗓门。
词首9
词中9
词尾9
词尾组只有 i / u / eɪ / ɑ 四个音：ʊ、æ、ɛ、ʌ 在英语里几乎不做词尾（duh、meh 这类感叹词除外）。凑不出来的位置不硬凑 —— 拿一个不存在的例子充数，读者记住的会是那个错例子。
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。
音标写法：本页用美式转写，长元音不加长音符号 —— sheep 写作 /ʃip/，就是课本里标成 /ʃiːp/ 的那个音；pool 写作 /pul/。两个体系指的是同一批音，差别只在「长度算不算音位」。这一页之所以选不带 ː 的写法，是因为它下面要论证的正是长度不是这个对立的本质：短元音 /ɪ/ /ʊ/ 和长元音 /i/ /u/ 的区别在舌位与松紧，长度只是跟着走的。另外，语料里多数发音人是美音，/kɑrt/ 这种 r 前元音也不适合套英式的 ː。