三个音，一个位置 l、r、n 的舌尖都在同一片区域，区别只在气流走哪条路：从舌侧出、从舌面跨过、还是从鼻腔出。分不清不是听力问题，是这三个动作从来没有分开练过。
三个音各自的路
舌尖都靠近齿龈，区别只在气流出口。
/l/ · 舌尖抵住，气流走两侧
舌尖顶住上齿龈（和 /d/ 同一个位置），但不放开。气流从舌头两侧绕出去。词尾的 l（如 full）舌尖可以更松，舌后部抬高，听起来像元音收尾。
/r/ · 舌尖悬空，不碰任何地方
舌尖向上卷但不接触齿龈，舌中部下凹成槽。嘴唇略圆。整个发音过程舌尖不碰上颚 —— 一碰就变成 /l/ 或 /d/。
/n/ · 舌尖抵住，气流走鼻腔
舌尖同样顶住上齿龈，但口腔完全封住，气流从鼻腔出。捏住鼻子发不出 n，这一条可以自检。
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：三个字母各自稳定，麻烦在旁边
l、r、n 和字母基本一一对应。真正让人读错的是两种 l，和三个不发音的字母组合。
舌尖抵齿龈，气流从舌头两侧出去。中文的 l 基本就是这个音，所以词首的 l 不是难点。
暗 l：舌根同时抬起，听感像在尾巴上拖一个「o」。中文母语者常把它读成清晰的 l，或者干脆吞掉 —— milk 读成 mɪok 就是这个原因。
英语的 r 舌尖不碰任何地方。既不是拼音的 r（摩擦很强），也不是西语的颤音。这是这一页最容易走偏的地方：中文母语者会用拼音 r 去顶，听起来像在摩擦。
w 在 r 前、k 在 n 前、g 在 n 前都不发音。三个组合加起来覆盖几十个高频词。
词尾 -le 不写元音，但自己占一个音节（/ˈteɪ.bl̩/）。读成 /ˈteɪ.bəl/ 不算错，读成 /ˈteɪb/ 就少了一个音节。
为什么会混
如果你的母语里这三个音不在同一个位置上对立，它们就会被合并成一个。
/l/ 读成 /r/，或反过来
关键在于舌尖碰不碰。l 必碰（抵住齿龈），r 必不碰（悬空）。很多人两个都碰，于是都变成 l；也有人两个都不碰，于是都变成 r。
自检：发 l 时舌尖应该有抵住的实感；发 r 时应该完全没有。若两个感觉一样，就是走错了。
词尾 /l/ 丢掉
汉语音节不以 l 收尾，词尾的 l 常被省略或元音化。英语里词尾 l 是必须发出来的，只是舌尖可以更松、舌后部更高。
本页语料里的 glass、line、lamp 都把 l 放在词首，可以对照 light 里词首 l 的感觉。
/n/ 与 /l/ 不分
两个音舌尖位置相同、都是浊音，唯一的区别是气流走鼻腔还是走舌侧。捏住鼻子：n 会立刻发不出，l 不受影响。
日语母语者常把这两个音合并成一个（ら行），因为日语里 r 与 l 不对立 —— 这不是听不出来，是母语里根本没有这个对比。
把 /r/ 发成小舌颤音
西语、法语、德语母语者的 r 在喉部，英语的 r 在舌面。英语的 r 舌尖不颤、舌根不摩擦，是接近元音的一个近音。
如果喉部有摩擦感或颤动感，就不是英语的 r。英语 r 应该是「舌头悬空、喉咙完全放松」。
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
词尾组没有 r：英式发音里词尾的 r 不发音（car 读 /kɑː/）。这一页的发音人里有英国人，放进来你会听到一个「没有 r 的 r 词尾」，而那不是错，那是英式。想听词尾 r，去 /ɑ/ 那一页听 car。
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 | l / r / n 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，由语音合成引擎按 4 个美音音色（两男两女）生成，每句含一个以 /l/、/r/ 或 /n/ 开头的目标词。音频统一转为 22.05kHz 单声道 64kbps，每段截取目标词前 1.2 秒至后 1.5 秒。
词边界：取自合成引擎输出的词级时间戳（WordBoundary），并针对引擎时间轴与音频起始之间的固定偏移做了校正（逐条单独估计）。目标词在波形上以浅黄色区域标出。
音素边界：用 MMS_FA 声学模型做强制对齐得到的实测边界。做法是保留该句每个字符的对齐帧区间，用动态规划把字符序列映射到音素序列（th→θ、ng→ŋ、ck→k 这类多字一音），音素边界落在字界之间的过渡中央，词内覆盖率为 100%。时间精度是模型帧长 20 毫秒；音素边界取相邻字界的中点，所以实际分辨率约 10 毫秒。
这一条在 2026-10-19 改过一次：旧做法是查 CMU 词典拿到音素序列后，按经验时长权重在词内摊分 —— 那个做法测出来的其实是词长，不是音素长度。换成长短语料时它直接把 /u/ 与 /ʊ/ 的长短顺序测反了，于是整条链路改成了声学对齐。
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。表中「音高幅度」是词内基频最大值减最小值。
谐噪比：Praat 的 to_harmonicity_cc。l、r、n 都是浊音，谐噪比通常明显高于清辅音 —— 这一列在三个音之间差异不大，正好说明它们都是「有声」的，区别不在嗓音，在气流路径。