能听到声音，但是这种声音跟正常的声音是很不一样的，所以说做完植入人工耳蜗后的语言康复训练师很重要的。
语训的内容，主要是习惯耳蜗的声音，以及纠正、锻炼你的发音。
1、植入人工耳蜗之后听到的声音和之前自然声不一样
人工耳蜗的原理是外部处理器对声音进行处理，通过头件发送到皮下的线圈，通过电极刺激听神经，进而产生听觉。人工耳蜗虽然过去20年已经在循证医学的基础上被认为是成熟的人工器官，但远远比不上人耳的精细结构。
据一些语后聋患者反映，声音有些像水中听到的声音或者机器人声音。因此在植入耳蜗之后，需要一段时间去适应。
从声音的准确度来说，人工耳蜗的电极目前几个厂商都是在12-24个。1个或几个电极对应一个频率，可以形象的理解为钢琴的键。同样的频率范围，自然是键越多，每个键对应的频率就越精确。但限于制造技术和电源管理、布线(混合电路)，目前人工耳蜗还不能有过多的电极。也许未来能够有集成几百、几千、几万的纳米电极出现吧。
从声音处理来说。人工耳蜗声音处理器也是DSP芯片，和你的手机、MP3什么的是同类型的芯片。因为耳蜗和助听器都是小众的产品，所以目前芯片并不是最先进的，在运算速度、能耗等方面未来5-10年还有非常大的进步空间。
2、人工耳蜗是否是只解析言语声?
这个问题需要从需求来分析。对于一个重度极重度耳聋患者来说，最重要的是植入人工耳蜗之后能够听见声音，进而学会说话。更好的要求才是能欣赏音乐啦，噪声环境下有良好聆听效果啦。从目前的人工耳蜗设计理念来看，言语声是首要的，其次最近几年出现对非言语声的关注，从这个角度来看，不仅人工耳蜗的硬件还有进步空间，软件更有。
一般认为8个以上的电极已经有足够的刺激来辨别言语声。也能够说明多通道人工耳蜗出现的原因，也是满足最基本的要求——说话。
接下来从两个方面来分析以后的软件发展。
(1)降噪
无论耳蜗还是助听器，降噪是软件角度最需要的程序。噪声环境下的聆听效果，是比较差的。因此，在程序设计中如何识别噪声是目前的研究热点，为常见噪声建立模型。最新的产品热点是通过GPS确认用户所在地环境，判断噪声，建立模型，进行噪声控制。
(2)场景识别
比降噪更进一步的需求是场景识别的程序进行研发。在不同场景，使用不同的言语处理策略。比如欣赏音乐、多人会谈等等。
