数拍数出来的和感觉到的，不是一回事

数是有成本的

先承认一件事：数拍会占用你的脑子。

你可以自己试一下：一边心里数着「1 哒 和 哒 2 哒 和 哒」，一边听一段音乐，然后回答「刚才那句的旋律往上走还是往下走」。多数人会发现，数得越认真，听到的越少。

这在打游戏时是个真问题。节奏天国的很多关卡要求你同时做几件事：跟住节奏、识别这一句是不是变了、判断该按哪个键、还要留一点余量应付意外。如果「数拍」把你的预算吃掉了一大半，剩下的事就只能靠运气。

更麻烦的是，这个成本不是均匀分布的。它在你最需要余量的时候最高 —— 段落越难，你越会本能地数得更细、更用力，于是预算被吃得更狠，留给「应付意外」的部分反而更少。结果就是：越难的地方，你越容易被一个小意外整个打乱。这一章后面那条「难的地方要把粒度调粗」的建议，正是冲着这个来的。

先分清「数」和「感觉」是两件事

在讲怎么数之前，得先把这一章标题里那个区分说清楚。

「数出来的拍」是一个在你意识里被明确表示的对象。你知道自己在第 3 拍的后半，你能说出来，你能在被打断之后接着往下数。它精确、可查、可纠错。

「感觉到的拍」是另一回事。你跟着一首熟悉的歌点头，如果有人突然问你「现在第几拍」，你多半答不上来 —— 但你的头一下都没点错。

这两者的关系不是「一个粗一个细」，而是两条不同的通路：

看这张表就知道该怎么用了：陌生的、复杂的、容易丢的地方用「数」；熟悉的、快的、需要同时做别的事的地方用「感觉」。

而练习的目的，就是把一个个段落从左边那一列搬到右边那一列。

出声，比默念有效得多

如果这一章只能记住一句话，就是这句：出声念，不要在心里默念。

这不是玄学，有几个很具体的理由：

• 出声是一个动作，默念是一个念头。动作有明确的起点和终点，念头没有。你可以「大概念了一下」，但你没法「大概发出一个音」。
• 出声会产生声音，而声音会回到你的耳朵。于是你给自己造了一个外部参照 —— 你现在有节拍器了，而且是你自己发的。
• 嘴比手稳。说话是人类练得最多的精细运动，它的时间控制比大多数手部动作更稳定、更自动化。
• 嘴和手很难同时说谎。第 9 章那个自查就是靠这一点 —— 如果你念着「和」却打在最响的一下上，矛盾会立刻暴露。

练习的时候没人拦着你出声。打游戏的时候，如果环境允许，小声念出来同样有效 —— 很多打鼓的人一辈子都在小声念自己的谱子。

数到什么粒度

粒度的选择是一个注意力预算问题。数得越细，网格越密（好事），但花的注意力越多（坏事）。

一条实用的规则：练习时数细，打游戏时数粗。

练习的目的是把网格刻进身体，这时候慢一点、细一点、把注意力全花在这件事上是划算的。打游戏时你有别的事要做，这时候应该已经不需要靠数来维持网格了 —— 如果还需要，说明那一关你还没练到位，回去练。

为什么中文的口诀不太好用

顺带处理一个中文读者会遇到的实际问题：英文的节奏口诀比中文的顺口，这不是错觉。

「one-e-and-a, two-e-and-a」这套口诀之所以好用，是因为四个音节各不相同、都很短、而且都是单音节。你念它的时候，四个格子在嘴上是四个明确不同的动作。

中文的对应物就没那么理想。常见的「1 哒 和 哒」里，第 2 格和第 4 格是同一个字 —— 你念着念着，很容易分不清自己在第 2 格还是第 4 格。而「一、二、三、四」这样的数字本身也不都是单音节等长的。

几个能用的折中办法：

• 直接用英文那一套。不必因为它是英文就排斥 —— 你要的是四个不同的短音节，不是语义。
• 换成「哒-噔-和-噔」这类拟声。只要四个音节彼此不同、都短，就管用。
• 只在正拍上出声，细分格用气声或点头代替。「一 · 和 · 二 · 和 ·」，中间那几格不发音，但下巴或手指动一下。

选哪一套不重要，重要的是固定下来别换。口诀的价值来自它被念了几千遍之后的自动化程度，而不是它本身有多科学。换来换去等于每次都从头开始。

另一种数法：不数数字，数图形

还有一种口诀，很多鼓手在用，值得单独提一下 —— 不数位置，而是给整个图形起一个名字。

# 同一个节奏，两种念法

  按位置数： 1  ·  和  哒 | 2  ·  ·  ·
             打     打  打 | 打

  按图形念： 「哒-哒哒 —— 哒」
             整段作为一个声音单位记住

第二种念法丢掉了位置信息（你不知道自己在第几拍），但它有一个巨大的优势：它把四个音符压成了一个东西，注意力预算从四份降到一份。

这正是下一卷的主题。数字口诀和图形口诀不是二选一，而是两个阶段：先用数字把位置搞清楚，等图形熟了之后，把它整体打包，用一个名字调用。

成熟的做法通常是两层并用：用数字维持大格（我在第几拍），用图形处理小格（这一串是那个「哒-哒哒」）。这样既不丢位置，又不把预算耗光。

数字口诀有一个隐藏的好处

为什么口诀里要有数字（1、2、3、4），而不是四个一样的音节？

因为数字同时携带了「位置」信息。如果你念的是「哒 哒 哒 哒」，你知道自己在打拍，但不知道自己在第几拍；念「1 2 3 4」，你随时知道自己在小节的哪个位置。

这个差别在两种场合下会救你：

• 崩掉之后重新入拍（第 21 章）：你需要知道下一个「1」什么时候到，而不只是「下一拍」什么时候到。
• 识别结构：「这一句是第几遍了」这种判断，需要小节这一层的计数。

所以口诀的完整形态其实是两层的：数字给你位置，附加音节给你精度。「1 和 2 和」这四个音节里，数字负责「我在第几拍」，「和」负责「我在这一拍的哪一半」。

身体也可以「数」

数不一定要用嘴，也不一定要用脑子。身体本身就是一个很好的计数器，而且它有一个别处没有的优势：它不占用你的语言资源。

可用的身体计数方式，从粗到细：

身体计数还有一个第 4 章提到过的好处：它没有延迟。声音要经过设备、画面要经过屏幕，而你自己动作的位置，你是立刻知道的 —— 那条通路叫本体感觉，它是你身上唯一一条不经过外部世界的时间参照。

所以最稳的配置往往是三层叠加：脚（或点头）维持拍，嘴维持细分，手负责出手。三样东西各管一层，谁都不用同时干两件事。第 18 章会把这个分工讲透。

什么时候可以不数了

现在讲脚手架该什么时候拆。

判据不是「我觉得会了」，而是一个可以验证的东西：去掉数之后，那两个数（抖动、走位）有没有明显变差。

拆脚手架的验收流程

    1. 在第 2 章的三数测量器上，出声数着敲 32 拍 → 记下抖动和走位
    2. 同样的速度，什么都不数，只是跟着敲 32 拍 → 再记一次
    3. 比较：

       两次差不多       → 脚手架可以拆了。数已经内化。
       第 2 次明显更差   → 还需要数。继续搭着。
       第 2 次反而更好   → 你数得太细了，它在拖累你（见上面那个坑）

第三种情况比你想的常见。数拍数到把手挤掉，是过度使用脚手架的典型症状 —— 楼已经能自己立住了，你还架着一堆管子，反而进不去门。

卷 II 收尾：拍这件事的全貌

五章讲完，可以把这一卷的逻辑串一遍：

• 第 6 章：拍是你生成的，不是音乐给的。音乐只负责校正你。
• 第 7 章：把音乐拿走，量你剩多少。顺便把抖动拆成「钟」和「手」。
• 第 8 章：给网格加刻度。数细分，正拍就稳。
• 第 9 章：在网格的非默认位置上待住。这需要把身体分成两层。
• 第 10 章：数是脚手架。搭结实，然后拆掉。

这一卷处理的全部是「一个一个的时间点」。而从下一卷开始，视角要变了：

你不再一个一个地对付音符，而是把一串音符当成一个东西。这个转换是节奏能力的第二次跃迁 —— 它决定了你能不能记住一段四小节的谱面、能不能把它整体挪半拍、能不能在它变形之后还认得出来。

这个跃迁和刚才那张「数 vs 感觉」的表是同一件事的两面。一个音符一个音符地数，注意力预算是线性增长的：八个音符要八份注意力，你很快就爆了。而把它们打包成一个图形之后，八个音符只花一份 —— 于是你突然腾出了空间，去处理「这一句和上一句有什么不同」这种更高层的问题。

下一章会用一个 demo 让你亲眼看到这个上限在哪：播一个 n 个音符的图形，你原样敲回来。n 从 3 开始一路加，看你在第几个上散掉。那个数字就是你现在能一口吞下的图形长度 —— 也是这本书后半部分要往上抬的东西。