Сприйняття мовлення: що це і як мозок розпізнає звуки, слова й речення
Оновлено: 2 години тому
Автор: Український психологічний ХАБ · Опубліковано: 18 вересня 2026 · Редакційна політика
Сприйняття мовлення — це сукупність перцептивних і когнітивних процесів, завдяки яким безперервний акустичний потік стає для людини впізнаваними звуками мови, словами, реченнями та смислом. Мозок не отримує готових «фонем» або слів із повітря: він аналізує спектральні й часові ознаки сигналу, зіставляє їх із набутими мовними категоріями, активує можливі слова, використовує контекст і постійно уточнює інтерпретацію. Класичний огляд Артура Семюела показує, що наука про сприйняття мовлення охоплює щонайменше два тісно пов’язані рівні: фонетичну обробку та розпізнавання слів у безперервному мовленні.
У сучасній українській науковій мові трапляються обидві форми — «сприйняття мовлення» і «сприймання мовлення». У цій статті основним терміном є «сприйняття мовлення», відповідно до канонічного запиту, а «сприймання мовлення» використовується як змістовий синонім. Цей процес є спеціальним випадком ширшого слухового сприймання: слухова система працює з усіма звуками середовища, тоді як сприйняття мовлення потребує ще й мовних знань — фонології, словника, граматики та знань про контекст.
Чому мовлення є складним сигналом
На письмі між словами є пробіли, а літери мають відносно стабільну форму. Усне мовлення влаштоване інакше. Рухи артикуляторів перекриваються в часі, тому акустичні ознаки одного звука залежать від сусідніх звуків. Темп, голос, вік, акцент, емоційний стан, гучність і акустика приміщення змінюють сигнал ще до того, як він потрапить до слухача. Голт і Лотто описують центральну проблему так: мовна система має віднести дуже мінливі акустичні реалізації до функціонально корисних мовних категорій.
Через коартикуляцію одна й та сама фонема не має єдиного незмінного акустичного «відбитка». Навіть знайоме слово звучить по-різному в різних мовців і контекстах. Завдання слухача тому полягає не у простому зіставленні сигналу з акустичним шаблоном, а в реконструкції найімовірнішої мовної структури за багатьма підказками одночасно.
Ще одна складність — сегментація. У природному мовленні межі між словами часто не позначені надійними паузами. Слухач використовує статистичні закономірності мови, наголос, фонетичні переходи, знайомі морфеми, словникові кандидати й синтаксичну структуру, щоб визначати, де закінчується одне слово і починається інше. Саме тому сприйняття мовлення найкраще розуміти як активне, поступове звуження множини можливих інтерпретацій.
Від звукової хвилі до мовної категорії
На найранішому рівні слухова система розкладає звуковий сигнал за частотою, інтенсивністю й часом. Для мовлення особливо важливі швидкі зміни спектра, тривалість, періодичність голосу, переходи формант, паузи та інші часово-спектральні ознаки. Ці параметри самі по собі ще не є словами, але вони створюють матеріал, з якого нервова система будує фонетичну інтерпретацію.
Далі акустичні відмінності співвідносяться з категоріями конкретної мови. У багатьох експериментах слухачам подають континуум між двома звуками, наприклад між двома приголосними, і просять визначити, який звук вони чують. Відповіді часто переходять від однієї категорії до іншої відносно різко. Це явище стало основою класичної ідеї категоріального сприйняття.
Сучасна картина точніша. Категорії справді організовують сприйняття, але мозок зберігає й використовує значно більше безперервної акустичної інформації, ніж припускала сильна версія категоріальної теорії. Боб Макмюррей у критичному огляді категоріального сприйняття показує, що різка категоріальна відповідь у лабораторному завданні не означає, ніби субкатегоріальні акустичні відмінності зникають із подальшої обробки. Людина може одночасно почути звук як представника певної фонеми й зберегти чутливість до тонших деталей вимови.
Як мозок розпізнає слова
Розпізнавання слова починається ще до того, як слово закінчилося. Перші десятки й сотні мілісекунд мовного сигналу можуть активувати кілька словникових кандидатів, які сумісні з уже почутим початком. З надходженням нових звуків частина кандидатів стає менш імовірною, інші посилюються, а контекст речення додатково змінює конкуренцію.
Модель Shortlist B, запропонована Деннісом Норрісом і Джеймсом Макквіном, формалізує розпізнавання безперервного мовлення як байєсівське зіставлення сигналу з лексичними кандидатами. Інша впливова традиція — інтерактивна модель TRACE Джеймса Макклелланда і Джеффрі Елмана — описує взаємодію рівнів ознак, фонем і слів через мережу збуджувальних та гальмівних зв’язків. Ці моделі відрізняються архітектурою, але обидві зробили центральною саму ідею динамічної конкуренції альтернатив.
Для читача практичний наслідок простий: коли ми слухаємо, мозок не чекає на кінець речення, щоб почати розуміння. Він обробляє мовлення інкрементально. Окремий канонічний матеріал ХАБу докладніше розбирає розпізнавання слів як процес перетворення звуків і літер на лексичні представлення.
Як із послідовності слів виникає речення
Після активації слів система має визначити, як вони пов’язані між собою. Порядок слів, граматичні форми, службові слова, інтонація та накопичений контекст допомагають будувати синтаксичну структуру й уточнювати значення. Обробка речення також відбувається поступово: нова інформація може підтвердити попередню інтерпретацію або змусити систему перебудувати її.
Саме тому сприйняття мовлення не закінчується на фонемах. Повне розуміння усного повідомлення потребує взаємодії фонології, лексичного доступу, синтаксису, семантики, прагматики, пам’яті та знань про світ. Це одна з причин, чому психолінгвістика розглядає сприйняття мовлення як центральний процес, що зв’язує сенсорний сигнал із мовною системою та мисленням.
Контекст і мовне прогнозування
Контекст допомагає системі працювати з невизначеним або неповним сигналом. Якщо слово акустично неоднозначне, зміст речення, тема розмови й попередні знання можуть змінити ймовірність різних інтерпретацій. Це особливо помітно, коли сигнал спотворений: знання того, яке слово або речення очікується, здатне зробити деградоване мовлення суб’єктивно виразнішим.
В експерименті Сохоглу, Пілла, Карлайона і Девіса попереднє знання про зміст підвищувало зрозумілість деградованого мовлення й змінювало мозкові відповіді, сумісні з інтеграцією сенсорної інформації та очікувань. Це не означає, що контекст довільно замінює звук. Точніше говорити, що мозок поєднує доступні акустичні дані з імовірнісними очікуваннями, а їхній внесок залежить від якості сигналу та конкретного завдання.
Такий механізм пов’язаний із мовним прогнозуванням: під час слухання контекст може заздалегідь підвищувати готовність до певних продовжень. Прогноз є одним із ресурсів системи, а не окремим «внутрішнім диктором», який визначає, що людина обов’язково почує.
Мовлення сприймається не лише вухами
Коли ми бачимо обличчя співрозмовника, рухи губ, щелепи й язика додають інформацію про те, який звук формується. Зорові підказки особливо корисні за шуму або коли акустичний сигнал неповний. Отже, природне сприйняття мовлення часто є мультимодальним: мозок узгоджує інформацію, що надходить через різні сенсорні канали.
Найвідомішою демонстрацією є ефект МакГурка, коли несумісний звук і відео артикуляції можуть породити змінене слухове враження. Водночас огляд Ван Енген та співавторів підкреслює важливе обмеження: лабораторна ілюзія з ізольованими несумісними складами не є універсальною мірою того, як люди інтегрують аудіовізуальне мовлення в реальній розмові. Для повсякденної комунікації інформативніші завдання зі словами, реченнями та природно узгодженими аудіовізуальними сигналами.
Що відбувається, коли мовлення звучить у шумі
У кафе, транспорті, відкритому офісі або під час групової розмови мовний сигнал конкурує з іншими звуками й голосами. Частина акустичної інформації може фізично маскуватися, а частина труднощів виникає через конкуренцію між кількома осмисленими звуковими потоками. Огляд Ван і Сюй розрізняє ці механізми та показує, що просторове рознесення джерел, відмінності між голосами й мовний контекст можуть допомагати виділяти потрібного мовця.
Зрозуміти мовлення й витратити на це мало зусиль — різні результати. Людина інколи правильно повторює майже всі слова, але робить це за рахунок значно більшої уваги та когнітивних ресурсів. Огляд Джонатана Пілла про зусилля слухання показує, що акустично складне мовлення може збільшувати когнітивне навантаження й погіршувати подальшу обробку або запам’ятовування почутого навіть тоді, коли базова точність розпізнавання залишається відносно високою.
Ширший огляд розпізнавання мовлення в несприятливих умовах Маттіса, Девіса, Бредлоу та Скотт описує взаємодію сенсорних, мовних і когнітивних чинників. Тому показник «скільки слів правильно почув слухач» не охоплює всього досвіду: важливими є швидкість, впевненість, втома, увага та те, наскільки добре зберігається зміст.
Як ми звикаємо до нового голосу, акценту або вимови
Система сприйняття мовлення пластична. Вона має бути достатньо стабільною, щоб упізнавати знайомі слова, і водночас достатньо гнучкою, щоб швидко пристосовуватися до нового мовця. Дорослі слухачі можуть змінювати межі фонетичних категорій після досвіду з систематично незвичною вимовою.
У огляді Семюела і Краліч ця перебудова описується як перцептивне навчання або переналаштування фонетичного простору. Дослідження Макквіна, Норріса і Катлер показало, що лексичні знання можуть автоматично спрямовувати таке переналаштування: знайоме слово дає системі підказку, як інтерпретувати незвичний звук.
Ця здатність пояснює частину повсякденного досвіду: перші хвилини розмови з незнайомим акцентом можуть вимагати більше зусиль, а згодом сприйняття часто стає легшим. Швидкість і межі адаптації залежать від типу варіативності, досвіду слухача, мови та умов слухання.
Як досвід мови перебудовує фонетичне сприйняття
Немовлята починають життя з широкою чутливістю до мовних контрастів, а протягом першого року сприйняття дедалі сильніше налаштовується на закономірності мовного середовища. Сучасний огляд Джанет Веркер підсумовує десятиліття досліджень перцептивної реорганізації: досвід змінює чутливість до фонетичних контрастів, а навчання включає статистичні й словникові механізми.
У дорослому віці попередній мовний досвід продовжує впливати на те, як сприймаються звуки нової мови. Огляд Баезе-Берк, Чандрасекарана і Рорк показує, що саме поняття стабільної «категорії» для звуків другої мови потребує обережного операційного визначення: поведінкові дані можуть відображати різні типи представлень, а навчання нової фонетичної системи не зводиться до механічного копіювання категорій рідної мови.
Які мозкові мережі забезпечують сприйняття мовлення
Ранню акустичну обробку підтримують слухові ділянки скроневої кори, а подальше мовне опрацювання залучає ширші мережі. Впливова двопотокова модель Гікока і Пеппеля описує вентральний потік, який пов’язує мовний сигнал із розумінням, і дорсальний потік, що особливо важливий для зв’язку між акустичними та артикуляційно-моторними представленнями. Вентральна система значною мірою організована двобічно, тоді як дорсальні мовно-моторні зв’язки мають вираженішу лівопівкульну латералізацію.
Ця картина важлива для корекції спрощеної популярної формули «мовлення сприймає ліва півкуля». Мовна обробка справді має функціональні асиметрії, але сприйняття усного мовлення розподілене між обома півкулями й залежить від взаємодії слухових, мовних, увагових та моторних систем. Докладніше сучасну організацію мовних мереж розглядає стаття «Нейролінгвістика».
Роль моторної системи в самому сприйнятті залишається предметом наукової дискусії. Метааналізи Перрона та співавторів 2024 року виявили залучення лобових і моторно пов’язаних ділянок у складних умовах слухання, але ці результати краще підтримують контекстно залежний внесок мовно-моторної системи, ніж твердження, що моторні команди є єдиним або обов’язковим механізмом розпізнавання кожного мовного звука.
Головні теоретичні підходи
Акустично-слухові підходи
Ці підходи пояснюють сприйняття через аналіз закономірностей самого акустичного сигналу та загальні механізми слухової категоризації. Їхня сильна сторона — можливість пов’язати мовне сприйняття з ширшими принципами сприйняття й навчання. Роботи Голт і Лотто є показовим прикладом сучасного категоризаційного погляду.
Моторні теорії
Історичні моторні теорії припускали, що слухач розпізнає мовлення через артикуляційні жести або моторні команди, які могли породити почутий сигнал. Ця ідея суттєво вплинула на дослідження, але сучасні дані підтримують більш диференційовану картину: моторні області можуть допомагати в окремих умовах, особливо коли сигнал складний, проте мовне сприйняття не зводиться до моторного відтворення.
Інтерактивні та ймовірнісні моделі
TRACE моделює взаємний вплив різних рівнів представлення, а Shortlist B демонструє, як конкурентне розпізнавання слів можна побудувати в байєсівській архітектурі без обов’язкового зворотного зв’язку від лексики до ранніх фонетичних рівнів. Суперечка між інтерактивними й автономнішими моделями стала продуктивною саме тому, що змусила дослідників формулювати точні передбачення про час і напрям інформаційного обміну.
Жодна одна модель не охоплює однаково добре всі рівні — від кохлеарної обробки й фонетичної категоризації до лексики, синтаксису, мультимодальної інтеграції та адаптації. Сучасний дослідницький підхід тому часто поєднує поведінкові моделі, нейронауку й обчислювальні методи замість пошуку одного універсального «модуля сприйняття мовлення».
Як досліджують сприйняття мовлення
Фонетичну категоризацію вивчають за допомогою континуумів між звуками, завдань ідентифікації та розрізнення. Так можна оцінити, де проходить межа між двома категоріями, наскільки вона стабільна і як її зміщують контекст, навчання або новий мовний досвід.
Розпізнавання слів досліджують через лексичне рішення, праймінг, поступове відкривання фрагментів слова, вимірювання часу реакції та рухів очей. Особливо інформативні парадигми, у яких на екрані є кілька предметів: траєкторія погляду показує, які словникові кандидати тимчасово активуються ще до завершення слова.
Сприйняття мовлення в шумі оцінюють через контрольовані зміни співвідношення сигнал/шум, кількості конкурентних мовців, просторового розташування джерел і наявності зорової інформації. Такі тести дають змогу відокремити різні компоненти складності слухання.
Електроенцефалографія та магнітоенцефалографія показують часову динаміку обробки, функціональна магнітно-резонансна томографія — просторовий розподіл активності, а методи стимуляції мозку можуть перевіряти причинний внесок окремих ділянок. Найсильніші висновки виникають, коли кілька методів сходяться на спільному механізмі.
Сприйняття і породження мовлення
Розуміння чужого висловлювання й планування власного мовлення мають спільні представлення, але виконують різні задачі. Під час сприйняття система відновлює мовну структуру з вхідного сигналу; під час породження вона рухається від задуму до добору слів, граматичного плану й артикуляції. Взаємозв’язок цих процесів видно в адаптації до вимови, фонологічному передбаченні та роботі дорсальних слухово-моторних мереж.
Окрема стаття ХАБу про породження мовлення розбирає протилежний напрям: як концептуальний намір перетворюється на слова й рухи мовного апарату.
Коли труднощі зі сприйняттям мовлення потребують оцінювання
Фраза «я погано розумію, що мені кажуть» описує функціональну скаргу, а не готовий діагноз. Подібний досвід може виникати через зниження слуху, складне акустичне середовище, труднощі центрального слухового опрацювання, мовні порушення, наслідки неврологічного ураження, особливості уваги або поєднання кількох чинників. Для клінічного висновку важливо встановити, на якому рівні виникає проблема.
Практичний портал American Speech-Language-Hearing Association про центральне слухове опрацювання наголошує на необхідності диференційної оцінки та на тому, що слухові, фонемні, мовні й когнітивні механізми можуть давати схожі повсякденні скарги. Базовим кроком за стійких труднощів зі слуханням є професійна перевірка слуху; подальший маршрут залежить від результатів і характеру симптомів та може включати фахівця з мовлення, невролога або нейропсихолога.
Якщо труднощі з розумінням мовлення з’явилися раптово разом із новими неврологічними симптомами — слабкістю, асиметрією обличчя, порушенням говоріння, координації або свідомості — це потребує невідкладної медичної оцінки. У такій ситуації завданням є не самоспостереження за «сприйняттям мовлення», а швидке виключення гострого неврологічного стану.
Сприйняття мовлення людиною і автоматичне розпізнавання
Системи автоматичного розпізнавання мовлення також перетворюють аудіосигнал на послідовність мовних одиниць або текст, тому інженерні й психологічні задачі частково перетинаються: обидві стикаються з шумом, варіативністю мовців, акцентами, сегментацією та неоднозначністю. Сучасні обчислювальні моделі можуть бути корисним інструментом для перевірки гіпотез про людське мовне опрацювання.
Функціональна схожість результату не встановлює тотожності механізмів. Точний машинний транскрипт показує успішне обчислювальне перетворення сигналу, але сам по собі не є доказом людського типу розуміння, свідомості, почуттів або суб’єктивного досвіду системи. У психології об’єктом окремого дослідження можуть бути людські реакції на спілкування з ШІ; висновки про внутрішній досвід самого ШІ потребують іншої доказової основи.
Що сучасна наука вважає найнадійнішим
Найкраще підтверджена картина сприйняття мовлення є багаторівневою. Акустичний сигнал аналізується безперервно; фонетичні категорії організовують, але не стирають усю тонку акустичну інформацію; слова активуються поступово й конкурують між собою; контекст і знання змінюють імовірність інтерпретацій; зорові підказки можуть поліпшувати сприйняття; слухова система адаптується до систематичної варіативності.
Так само добре встановлено, що мовлення не обробляється однією ізольованою «мовною ділянкою». Участь беруть взаємопов’язані слухові й мовні мережі обох півкуль, а внесок ширших когнітивних і моторних систем змінюється залежно від завдання та складності сигналу.
Найактивніші дискусії стосуються не того, чи впливають контекст, моторна система або категорії, а того, коли саме, через які обчислювальні механізми й на яких рівнях виникає цей вплив. Це важлива різниця між установленим фактом і конкретною теоретичною інтерпретацією.
Поширені запитання
Чим сприйняття мовлення відрізняється від слуху?
Слух забезпечує приймання й нервове кодування звукової інформації. Сприйняття мовлення використовує цей сигнал для побудови мовних одиниць і значення. Тому людина може мати достатню чутливість до звуків, але відчувати труднощі саме в складних мовних ситуаціях, наприклад у шумі; причину таких труднощів визначають під час оцінювання.
Чому ми розуміємо швидке мовлення, хоча між словами немає чітких пауз?
Мозок використовує одразу кілька типів підказок: знайомі послідовності звуків, імовірні слова, ритм і наголос, граматичну структуру та контекст. Сегментація виникає як результат їхньої взаємодії, тому стабільні фізичні паузи між кожною парою слів не потрібні.
Чи мозок «домислює» слова?
Контекст справді впливає на інтерпретацію неоднозначного або деградованого сигналу, але слово не виникає з одного очікування. Сприйняття є поєднанням сенсорних даних і попередніх знань. Чим надійніший акустичний сигнал, тим сильніше він обмежує можливі інтерпретації.
Чому мовлення в шумі так швидко втомлює?
Коли сигнал частково маскується, для виділення потрібного голосу й відновлення змісту доводиться залучати більше уваги та когнітивних ресурсів. Через це дві ситуації з однаковою кількістю правильно розпізнаних слів можуть відрізнятися за суб’єктивними зусиллями й подальшим запам’ятовуванням.
Чи можна звикнути до незнайомого акценту?
Так, перцептивне навчання дає змогу системі переналаштовуватися на систематичні особливості нового мовця або акценту. Ефект залежить від обсягу й типу досвіду, зрозумілості мовця, подібності до вже відомих варіантів і мовної компетентності слухача.
Чи ефект МакГурка доводить, що ми завжди читаємо мовлення по губах?
Ефект МакГурка демонструє, що зорова артикуляційна інформація може змінювати слухове сприйняття. Природна аудіовізуальна комунікація значно ширша за цю ілюзію: корисність зорових підказок залежить від шуму, видимості обличчя, матеріалу й індивідуальних особливостей слухача.