为什么听见自己的声音是学唱或学说话的一部分
人并非生来就知道自己语言的发音；人会把听到的声音内化，并通过感觉运动学习与整合，用这些声音来塑造自己发出的声音 [5]。鸣禽也是如此：来自自身发声的听觉反馈对发声学习是必要的，这一点与人类相同 [5]。通俗地说，耳朵像一位教练，把发出的声音与学习者想要模仿的声音作比较，两者的差距推动调整。
这种相似不只是行为层面的。鸣禽依赖一条连接前脑、基底神经节和丘脑的专门脑回路来学习、发出和感知鸣唱，破坏这条回路就会破坏习得鸣唱所需的感觉运动学习 [5]。鸟类和哺乳动物都有类似的回路，同一个基因 FoxP2 在人类和鸣禽的基底神经节中都有表达；在鸟类纹状体中降低它的表达，会导致鸣唱学习不完整、不准确 [5]。这种共有的机制，是研究者把鸣禽视为发声学习有用模型的原因之一。
这种比较涵盖什么，不涵盖什么
两者的重合之处在于以听觉反馈为参照的发声学习，而不是整个语言。人类把离散的声音组合成词和句子，具有受规则支配的递归结构，而鸣禽做不到这一点 [5]。有些鸣禽表现出有限的组合性——白冠带鹀能用较小的短语构成鸣唱，椋鸟能习得关于熟悉音型的抽象规则——但这些能力明显比人类类型的句法更有限 [5]。
这种比较对研究也有实际好处：鸣唱由一条离散、易于接触的神经回路控制，其基本细节已得到相当清楚的理解，因此可以对其使用全套神经科学方法 [5]。这使得鸟鸣成为一个便于检验机制的实验场，而这些机制在人类言语中更难直接探究。
声音学会之后，听见自己仍然重要
听觉反馈不只是发育阶段的支架。在成年说话者中，实时改变反馈的实验表明，人们会监控自己的言语并更新之后的发音，而不只是当场纠正错误 [1]。当研究者把词首辅音拉长、把其后的重读元音缩短时，说话者没有调整辅音，但会针对元音缩短而把元音拉长，而且这种拉长在反馈恢复正常后还会短暂延续 [1]。说话者还降低了辅音时长在总音节时长中的比例，这与他们关注比例时长而非绝对时长相符 [1]。
由此得到的要点是：监控系统追踪的是关系——一个声音相对于相邻声音有多长——并更新超出单个音段的计划单元 [1]。在鸣禽中，听觉反馈维持鸣唱的确切机制仍未完全清楚，尽管有大量证据表明这种反馈很重要 [4]。因此，共有原则是清楚的，而维持机制的细节在言语时间方面比在鸣唱方面建立得更充分。
相似性最强的地方
最明确的共同点是生命早期：人类和鸣禽都在生命早期学习复杂、有序列的发声，而且都有敏感期，早期学习能力要强得多 [5]。两者也都表现出学习正确声音和序列的先天倾向 [5]。因此，当比较聚焦于学习过程中听觉如何塑造发声、以及这种塑造如何得以维持时，最有说服力；而当它被扩展到意义、语法或语言的全部表达力时，最缺乏说服力 [5]。
本文引用的文献
听觉反馈用于言语时间中的适应与补偿
成年说话者在实时时间扰动下，会针对元音缩短而拉长元音（但不拉长辅音），并出现短暂后效，这表明他们会监控比例时长，并更新超出单个音段的计划单元。
听觉反馈对发声序列产生的影响
该论文将鸟鸣学习与言语发展相比较，包括听觉反馈和改变听觉反馈的作用。
鸟鸣与人类言语：共同主题与机制
人类言语和鸟鸣有许多共同特征，两种发声学习者都在早期发育中依赖听到自己和他人发出的声音。
鸟脑与婴儿脑：鸟鸣与言语习得的神经相似性
鸟鸣与言语习得之间存在神经层面的相似性，听觉反馈在两者中都感觉运动过程相互作用，不过维持鸣唱的确切机制仍未完全清楚。
语言与鸟鸣：专刊导论
人类和鸣禽都需要来自自身发声的听觉反馈来进行发声学习，都有敏感期和感觉运动学习，也都共有基底神经节回路和 FoxP2 表达，但鸣禽缺乏人类类型的组合句法。