人能在多声源中选择性追踪一路
别名: 鸡尾酒会效应 · 选择性听觉注意 · dichotic listening
概念解释
在一个满是交谈声、音乐和杂音的嘈杂房间里，人仍然能挑出正在跟自己说话的那个人的声音，持续听懂对方在说什么，而把其余声音都推到背景里去——这就是鸡尾酒会效应（cocktail party effect）。它描述的不是"噪声不影响人"，而是人有能力在多个同时存在的声音里，主动选定并持续追踪其中一条。
容易被误解成单纯的物理降噪或听觉系统自动过滤掉了无关声音。实际上背景声并没有被真正"关掉"——如果背景里突然出现一个足够重要的词（比如自己的名字），注意会被立刻拉过去，说明未被选中的声音其实一直在被某种程度地处理，只是没有被当作主要目标。
机制
要谈"选择哪一路"，前提是耳朵送进来的混合声音已经先被组织成了几条相对独立的知觉线索——按音色、音高走向、位置这些线索把连续的声学信号切分成几条各自可以被单独追踪的听觉流，这一步是自下而上、不需要主动注意介入就会发生的知觉组织过程。
鸡尾酒会效应要解决的是下一层问题：这几条流已经分好了，注意力该往哪一条上放。这靠的是自上而下的选择性注意——听者根据一个"标签"（说话人的音色、音高高低、来自哪个方向）主动把注意资源投向匹配这个标签的那条流，持续对它做深度加工（识别词义、追踪语句），而对其余流只做浅层的物理特征监控，不追加工到语义层面。这也是为什么背景里的语义信息平时进不了意识，但一旦某个片段（比如自己的名字）匹配了某种始终在后台运行的重要性检测，就会突破这层监控被"拽"进注意的中心。
怎么研究
经典范式是双耳分听（dichotic listening）：两只耳朵各自播放一路不同的语音，要求被试只跟读（shadowing）指定一只耳朵的内容。测量指标包括跟读的准确率、对被忽略耳朵内容的记忆（通常极差，多半只记得物理特征如声音有没有变成纯音，记不住讲了什么词）、以及被忽略耳朵里出现关键刺激（被试自己的名字、与任务相关的词）时是否出现"突破"（注意被拉过去、跟读出现停顿或错误）。
常见自变量：两路声音的相似程度（声音、语速、内容类型）、目标流的可辨识线索强度、被忽略流中插入的刺激类型。 常见因变量：跟读准确率、突破发生率、切换注意所需的时间代价。
在界面与产品研究里，这套范式常用来评估多路语音同时呈现时用户能否保持对目标语音的追踪，比如语音助手在有背景媒体播放时的可懂度测试。
边界
- 选择性追踪需要一个能稳定区分目标流和干扰流的"标签"。如果多路声音在音色、音高、位置上都高度相似，可供选择的线索本身就弱，追踪会明显下降，这不是注意力不够努力的问题，而是可用线索不足。
- 能同时稳定追踪的目标流数量非常有限，通常只能维持在一路；号称能"同时听两路对话"的报告多半经不起严格的跟读测试。
- 未被选中的流并非完全没有被处理，但只停留在物理特征层面；把这条效应理解成"背景声音完全消失"是常见的误读。
怎么落地
- 需要用户在有背景声的场景下持续跟随一路语音（导航播报、语音助手回复）时，给这路语音一个稳定且区别于背景的"标签"——固定的音色或音高走向、相对独立的响度层级——让用户有明确的线索可以锁定，而不是让它和背景音乐、环境音在音色上高度接近。
- 不要设计成需要用户同时理解两路独立语音内容的场景（比如两条同时播报的通知语音）；如果必须并发，让其中一路降级为纯提示音而非完整语句，避免两路都要求语义级追踪。
- 关键信息可以利用"突破"现象兜底：在背景语音流里预置对当前用户有强关联的词（如姓名、账号后四位）作为唤醒锚点，但不能把这当成主要传达手段，只能当成注意力捕获的补充机制。
- 验证办法：用跟读任务测试——让用户在背景声存在的条件下复述目标语音的内容，统计准确率与漏听点，而不是只问"听起来清楚吗"这种主观笼统的问题。