s 和 ʃ：一个亮，一个暗 汉语里有两个擦音一左一右夹着英语的 /ʃ/：拼音的 x（ɕ）比它更靠前、更亮，sh（ʂ）比它更靠后、更卷。所以「用 x 代替」和「用 sh 代替」都差一点 —— 前者听起来接近 /s/，后者带上卷舌色彩。这一页把区别拆成两条可以量的线索：亮不亮，长不长。
六对：同一个元音，只换开头的擦音
每一对只差一个音，左右由同一个发音人读。左边是 /s/，右边是 /ʃ/ —— 音标里的高亮就是这个词被测的那个音。
为什么把 >6k 占比也列出来：谱心更直观，但它会被后面的元音带偏 —— 同一个 /s/，在 sun 里是 8466 赫兹，在 sock 里只有 5293 赫兹。于是 shun 的 5887 比 sock 的 5293 还高，只按谱心排序会出现一次交叉。>6k 占比没有这个问题：/s/ 最低 49%，/ʃ/ 最高 44%，六对完全不交叠。
所以：看方向用谱心，看分界用占比。两个数都给，是因为单个指标单独看都会误导 —— 这是这一页唯一一处必须给两个数的地方。
两条线索，这一次指向同一个方向
上一页（词尾清浊）的线索逐词变化，只能逐对报数。这一页不是。
时长：ʃ 稳定更长，六对全对
每一对都由同一个发音人读，量的是目标擦音本身的时长。六对里 /ʃ/ 全部比 /s/ 长：/s/ 40–60 毫秒，/ʃ/ 70–91 毫秒，最长的一对差到两倍。
时长好测，但它不是主角 —— 两倍以内的差别，耳朵常常听成「语速不同」，而不是「两个音不同」。
亮度：真正分得开的那条
/s/ 是咝音，能量集中在 5 千赫兹以上；/ʃ/ 的收紧点更靠后、前腔更长，高频被削掉一大块。
本页给两个数：谱心（能量加权的频率平均）与 >6k 占比。后者更干净：/s/ 最低 49%，/ʃ/ 最高 44%，六对里没有一对交叠。
两条同向，所以这一页可以给结论
六对里 /ʃ/ 更长、更暗，无一例外。这正是它和词尾清浊页的分别：那一页的线索逐词变化，我们只能把每一对的数摆出来；这一页两条线索同向，可以直接说「往暗里走、往长里走」。
但「暗多少」仍逐词不同 —— 表里的数照实给，不给平均值。
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：/s/ 的写法有规则，/ʃ/ 的写法没有
s 的读法基本能靠规则推出来；/ʃ/ 有五六种拼写，只能按词记。
词首、词中、词尾都可能是 s。多数读 /s/，但两个元音之间常读 /z/（is、rose）—— 那是 z/ʒ 那一页的内容。
双写 s 稳定读 /s/，而且标记前面那个元音是短的。
c 在 e、i、y 前读 /s/，其他位置读 /k/。这条规则几乎无例外（球队名 Celtic 读 /k/ 是那少数几个）。
最可靠的一组，看到 sh 就是 /ʃ/。
tion 几乎总是 /ʃən/；ci 在元音前读 /ʃ/（special）；si 在元音前读 /ʃ/ 或 /ʒ/ —— vision 是 /ʒ/，属于下一页。
英语本土词里的 ch 读 /tʃ/，法语借词里读 /ʃ/。没有规则，只能按词记。
中文母语者最常走错的四条
根子在同一处：汉语有两个擦音，一左一右夹着英语的 /ʃ/。
用拼音的 x 代替
汉语的 x 是舌面音，收紧点在硬腭前部，比英语 /ʃ/ 更靠前 —— 也就是更亮，听感上接近 /s/。用 x 读 ship，容易被听成 sip。
这也解释了一个常见现象：很多人「有这个音」，只是位置偏前，所以自己觉得读对了、别人听着不对。
用拼音的 sh 代替
汉语的 sh 是卷舌音，舌尖上翘。英语 /ʃ/ 不卷舌：它是舌叶抬向硬腭，舌尖平放。用 sh 代替，暗是够暗了，但会带上汉语的卷舌色彩。
直接读成 s
最直接的一种，也是这一页六对存在的理由。区别不在「要不要拖长」，在摩擦能量本身：表里 /s/ 与 /ʃ/ 的 >6k 占比差到三倍以上。
把 /s/ 也读成 /ʃ/（反向）
有人学会 /ʃ/ 之后，把所有的 s 都往后挪。这一页的六对是双向的：sip 和 ship、sue 和 shoe 都在表里，两边都要能分开。
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
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 | 擦音时长 | 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。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）。
擦音频谱：只在对齐给出的那个擦音段上算，不用「整句找噪声段」的办法 —— 句子常有第二个擦音（ship 后面还有 sea），按整句找会量到别的音，而结果看起来只是「分不开」。取段后加汉宁窗做 FFT：谱心 = Σ(频率 × 幅值) / Σ幅值，>6k 占比 = 6 千赫兹以上能量除以总能量。采样率用原始 24 千赫兹，不重采样到 16 千赫兹 —— 那样会切掉 8 千赫兹以上，谱心整体下移，两个音的差距也被压缩。段短于 20 毫秒不测（频率分辨率不够，会得到一个由窗长决定的数）。
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。绝对值不要背 —— 同一个 /s/ 在不同词里能差 3000 赫兹。要看的是同一对里谁高谁低。
音标写法：本页用美式转写，长元音不加长音符号。这一页的两个音不涉及长短标记，不受影响。