z 和 ʒ：两个浊音，一个藏在拼写里
汉语里没有一个音等于 /ʒ/。拼音的 r 是卷舌浊擦音（ʐ），比它更靠后、更卷；拼音的 z 是塞擦音（ts），根本不带持续的浊流摩擦。/z/ 和 /ʒ/ 因此都要重新学，而不是找一个近似的汉语音顶上。
这一页的另一半在拼写上：/ʒ/ 几乎从不写成 z —— 它藏在 measure 的 s、beige 的 ge、vision 的 si 里。
六对：三对真对立，三对只是同位置
/ʒ/ 在英语里几乎不做词首 —— 找不到六个能配成严格最小对立的词。前三对是真的只差这一个音（bays/beige、ruse/rouge、composer/composure）；后三对只是元音与位置相同：easy/leisure、peasant/measure、zero/genre。
把这层说清楚，比硬凑六对更有用。
注意行头的「长 N 毫秒」说的是这个词里的目标音比同对另一个长多少，不是说 /ʒ/ 一定更长 —— 本页这个方向本来就是乱的，那正是证据本身。
为什么两个数都列：谱心更直观，但它会被后面的元音带偏 —— 同一个 /z/ 在 zero 里是 7889 赫兹、在 bays 里只有 4334 赫兹。绝对值不要背。
这一次，时长帮不上忙
上一页（s / ʃ）六对全是「ʃ 更长、更暗」。这一页只有后半句成立。
时长：六对里三对差不到 1 毫秒
六对里 /ʒ/ 相对 /z/ 的时长差依次是：−20、+1、−11、0、+10、0 毫秒。
第 2、4、6 三对分别是 1、0、0 毫秒 —— 这不是「差得小」，是这一对根本量不出差（测量分辨率约 10 毫秒）。剩下三对差 20、11、10 毫秒，方向却不一致：前两对是 /ʒ/ 更长，第三对是 /z/ 更长。
所以这一页不拿时长当线索。原因在清浊：/s/ 与 /ʃ/ 是清音，摩擦段的长短由发音动作决定；/z/ 与 /ʒ/ 带声带振动，浊段会和后面的元音连成一片，边界本身就模糊，量出来的长度被词形与语速带走。
亮度：仍然分得开，但幅度收窄了
同一发音人、同一对词里，/z/ 的 >6kHz 占比每次都高于 /ʒ/，六对无一例外。
但绝对值整体比上一页低一档。上界几乎没变（/z/ 86.5%，/s/ 86.8%），降下去的是下界：/s/ 最低 49.4%，/z/ 最低只有 31.9%；/ʃ/ 落在 14–44%，/ʒ/ 落在 11–44%。
浊音自带的低频周期能量会把能量分布往低处拉，这是浊音的本性，不是测量误差。
⇒ 这一页的数不能和 s / ʃ 页的数直接比。
所以这一页只能同人比较
跨发音人时会交叠：本页 /z/ 的最低 >6k 占比是 32%（Guy 读 bays），/ʒ/ 的最高是 44%（Aria 读 genre）。两个不同的人，数字可以一样。
同一对里比较就是 6/6 —— 差别确实存在，只是窄到经不起换人。
这也正是它和上一页的分界：s / ʃ 的六对跨发音人完全不交叠，可以撑起一句「往暗里走」；z / ʒ 只能给「同一个人把 z 换成 ʒ，方向一致」。
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：z 好办，ʒ 全在借词里
/ʒ/ 在英语里几乎不出现在词首，拼写也只有三四条，而且都和法语借词有关。
z 出现在哪里都读 /z/。双写 zz 同理。
两个元音之间的 s 多数读 /z/。这是 s 最不直观的一条 —— 只看拼写会读成 /s/。
x 在词首读 /z/（其余位置是 /ks/）。数量很少。
元音后的 -sion 与 -sure 常读 /ʒ/。同样拼写的 -tion 读 /ʃ/ —— 差别在清浊。
词尾 -ge 在法语借词里读 /ʒ/，本土词读 /dʒ/（bridge、age）。没有规则，按词记。
中文母语者最常走错的四条
两条来自「汉语里没有这个音」，两条来自拼写。
用拼音的 r 代替 ʒ
拼音 r 是卷舌浊擦音，舌尖上翘、舌尖后部收紧。英语 /ʒ/ 不卷舌：舌叶抬向硬腭，舌尖平放。
结果不是「读错一个音」，是整个词的音色都带上卷舌色彩，听起来像在说另一种语言。
按拼写读成 dʒ
这个错误是被英语自己的规则带出来的：ge / gi 在 age、giant 里确实读 /dʒ/，只有在一批法语借词里才读 /ʒ/。
所以 /ʒ/ 的难点有一半是词表问题，不是发音问题 —— 见到 measure、pleasure、treasure、leisure、vision、beige、garage、genre 这一批，要单独记。
把 z 读成拼音的 z
拼音 z 是塞擦音（ts），起头有一个闭塞再爆破；英语 /z/ 是纯浊擦音，气流从头到尾都在摩擦，没有那一下「破」。
汉语母语者常在词首自动补一个塞音，听起来像「dzoo」。
词尾 -s 一律读清音
复数、三单、所有格的 -s 在浊音后读 /z/，在清音后读 /s/。普通话没有浊辅音韵尾，很多人直接把词尾的 /z/ 清化。
这一条严格说不是 /ʒ/ 的问题，但和本页同一类：英语的浊擦音在词尾也要保住浊。
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
词首组只有一个 ʒ（genre）：/ʒ/ 几乎只出现在词中与词尾，词首的 ʒ 基本是法语借词。这一组不是漏了，是英语本来的样子。
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 | 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，加汉宁窗做 FFT，再取其能量加权的频率平均（谱心）与 6 千赫兹以上能量占比。
选词时还排掉了一批看着更漂亮的词：seizure、prestige、exposure 里 /ʒ/ 前面都有 /s/，按「词里第一个擦音」取段会先取到那个 s，量的就不是本页的音了。本页六个目标词里 /ʒ/ 前面都没有别的擦音。
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，尤其不要跨发音人比 —— 本页 /z/ 的最低占比（32%）与 /ʒ/ 的最高占比（44%）是交叠的。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（rouge 记作 /ɹuʒ/，教材多写 /ruːʒ/）。