为什么内心言语看起来像两种不同的东西
当你默默对自己说话时，似乎会发生两件事。一是带有类似声音的性质，仿佛你听到了词语却没有说出口；二是有一种微弱的动作感，仿佛你的言语肌肉正在准备，却没有真正行动。研究者长期争论这两者中哪一个才是内心言语的核心。一种观点把它视为听觉意象，也就是一种想象出来的听觉。另一种观点把它视为带有运动成分的语言过程，更接近无声的发音。
脑部证据并不迫使人们在这两者之间二选一。在一项研究中，言语运动区的活动会随参与者感受到的内心言语响度而增强，而听觉感知区的活动则下降[1]。这种模式符合一个同时生成运动计划并压低对听到它的感官预期的系统。运动成分并非附带现象；它与主观体验本身的某些方面同步变化。
心里的耳朵和内心的声音可以分开
反对把内心言语仅仅视为听觉意象的最有力论据，来自那些报告自己完全没有有意识听觉意象的人，这种情况被称为无听觉意象症。在一系列研究中，这些人在经典的各项工作记忆效应上都表现出完好的语音回路功能，包括语音相似性、词长和发音抑制[2]。通俗地说，即使没有任何听到词语的感受，用来在脑中保持词语的无声复述系统仍然正常工作。
这一结果提示，内心的声音并不只是“心里的耳朵”对准了词语。研究者提出了“词汇耳朵”机制，这是一种基于语言的通路，可以在没有生动听觉体验的情况下支持言语工作记忆[2]。一项对两千多人进行的大规模在线测试发现，听觉意象生动度低并不会影响言语或音乐工作记忆广度[2]。所以，内心言语那种被感受到的声音可以缺席，而它似乎承担的语言工作仍在继续。
运动区标记内心言语，但情况并不简单
神经影像学指向一个特定的运动区域，认为它可能是内心言语的候选标记。前辅助运动区是参与动作规划的一部分脑区，其活动与内心言语有关；一名缺乏内心言语的个案在该区域显示出活动显著降低[2]。更早的成像研究也发现，辅助运动区参与涉及内心言语和听觉言语意象的任务[3]。
关于言语运动意象的研究又添了一层复杂性：运动皮层是否被调动似乎取决于任务，一些结果提示，在某些条件下内心言语可以经由绕过运动皮层的通路进行[4]。一种认知神经科学解释试图调和这些发现，把内部语言描述为多感官且涉及运动的，将“心里的耳朵”与内部发声和发音结合起来，并把内心言语框定为一种预测性控制过程，而不是单一官能[5]。按照这种观点，运动方面和听觉方面是同一系统中的伙伴，哪一方占主导可能随任务而变化。
那么哪种描述更贴切？
证据支持一个带有明确权重的混合答案。内心言语的表现像一种通常包含运动成分的语言过程，它也可以带有听觉意象，但意象并不是语言功能所必需的[2][1]。运动活动会随内心言语感觉上的响度而变化[1]，这提示运动方面对体验有贡献，而不只是伴随体验；不过这仍是一种解释，而非已经确定的机制。
听觉意象观点与其说是错的，不如说是不完整的。它描述了内心言语中生动的一层，有些人这一层很强，有些人几乎没有，而底层的言语机制仍在运行[2]。运动观点捕捉到了成像研究检测到的无声发音特征[1][3]，但任务依赖性的发现意味着运动皮层并不总是在环路中[4]。最站得住脚的总结是：内心言语是一种带有运动成分的语言过程，它常常——但并非总是——包裹在听觉意象之中。
本文引用的文献
言语运动区皮层活动随内心言语的主观响度而增加
主观上更响的内心言语与言语运动区活动增加、听觉感知区活动减少相关。
绘制无声心灵：听觉意象生动度及其认知与神经相关物的研究
听觉意象分为针对外部声音的“心里的耳朵”和“内心的声音”，而缺乏有意识听觉意象的人仍表现出完好的语音回路功能，前辅助运动区被提出作为内心言语的神经标记。
内心言语与听觉言语意象的功能解剖
对无声发音和想象言语的PET成像发现辅助运动区参与其中，从而区分了内心言语的运动方面和听觉意象方面。
言语运动意象涉及的认知与神经机制
言语运动意象研究表明，运动皮层的调动随任务而变化，这有助于判断内心言语是否必然包含运动成分。
内部语言的认知神经科学观点
内部语言被描述为多感官且涉及运动的，在预测性控制框架中把“心里的耳朵”与内部发声和发音结合起来。