第一节
绪论

【内容简介】 语音是由人类发音器官发出的、用于人际交流的、具有结构性特点的声音。“语音四要素”指的是听觉区分声音所依赖的四个物理/声学要素：音色、音高、音长、音强。 人类的发音器官包括肺、气管，喉头，口腔及鼻腔。 国际音标是目前世界上最通行的一套语音学的记音符号，它的基本原则可以概括为“一音一符，一符一音”。 现代汉语的普通话有严格的定义和标准。它指的是以北京语音为标准音，以北方话为基础方言，以典范的现代白话文著作为语法规范的现代汉民族的标准共同语。《汉语拼音方案》是对明末以来中外人士创制汉语拼音方案的经验总结。《汉语拼音方案》采用的是拉丁字母。

一、若干基本的概念问题

（一）语音、声音、嗓音是一样的概念吗？

在日常生活里，人们一般不大在意这几个词之间到底有无分别，但从语音学的角度来说，它们指的确实是不一样的东西。

先说声音。它指的是由某种振动或扰动 引起、并在某种媒介（通常是空气）中向周围传播的一种听觉可感的压力波。

当我们轻轻地敲击一张桌子，桌面的振动 就会使它周围原本作无规律运动的空气粒子受到挤压，开始做有规律的运动。因为空气粒子间有相互作用，就好像有无形的弹簧相连，于是一层推一层，空气粒子变得时疏时密，空气的压强变得时大时小。当我们的耳朵（听觉）捕捉到这种波动，也就听到了敲桌子的声音。一句话，声音就是听觉感知到的振动波 。在自然界、生活中，人所听到的一切都是声音。

而语音，简单地说，就是言语的声音，即人们说话的声音。语音属于声音的一种，但是有三个特点使得它与一般的声音不同：（1）它是人类发音器官发出的声音；（2）它主要用于人际交流，传达思想感情，具有社会性；（3）语音还具有结构性，可以分析出一个个的单位并可以进行重新组合。前两个特点好理解，这里想强调一下第三个特点，它实际是人类语言区别于其他生物语言的最重要的方面。

嗓音指的是声带振动或抖动而发出的音。嗓音所指的范围既比语音小，又比语音大——比语音小是因为有些语音，如［s］、［f］ ，声带不振动，所以不属于嗓音；比语音大是因为嗓音既包括说话的声音，也包括唱歌、哼曲，甚至包括故意发出的某种或模仿或做作的音调（如有的口技表演就涉及嗓音）。

（二）“语音四要素”说的是什么？

严格说来，所谓的“语音四要素”应该叫做“声音四要素”。它指的是听觉区分声音所依赖的四个物理/声学要素：音色、音高、音长、音强。其中，音色表现为声音的质的方面的特点，所以音色也叫音质；其他三个表现为声音的量的方面的特点，偶尔也叫非音质的或韵律的要素。

由于声音从根本上说就是一种振动波，所以在具体讲四要素之前，还要约略说说有关波的几个基本概念：振幅、周期、频率。振幅指的是振动体或空气粒子离开平衡点的最大位移量。周期指完成一次振动所需要的时间。频率则是指一秒钟内振动的次数。频率的单位一般用赫兹（Hz）。

下面稍微具体地说说“四要素”。

先说 音色 / 音质 。它指的是声音的特色、本质，是一种声音（波）区别于另一种声音（波）的基本特征。仅有一个频率的音波叫纯音，它的波形是一个如上图所示的正弦波。然而现实生活中人们听到的几乎都不是纯音音波 ，而是复合音波。所有的复合音波都可以分析为是由若干个振幅、频率不同的纯音分波同时叠加、混合而成的。这些分音中，频率最低的叫做基音，其他的都是陪音。如果陪音频率和基音频率间有整数倍关系，它们混合成的音波周期性很明显，听起来也比较悦耳，可以称作“乐音”（参见图1.4）；如果它们之间无整数倍关系，它们混合成的音波就看不出周期，听起来也不那么悦耳，可以叫做“噪音”（参见图1.5）。

从声音产生的源头来看，一个音是乐音还是噪音？进而是乐音中的哪一个？或噪音中的哪一个？那是由振动/扰动体的材料、振动/扰动的方法及共鸣腔 的状态决定的。比如同样是演奏一小节｜3345｜，编钟的声音与磬的声音不一样，主要原因在于振动体的材料不同——编钟是金属做的，磬是玉石做的。同是小提琴的弦，拉和弹声音也不一样；这是因为振动的方式不同。同是弹拨的弦乐器，吉他与琵琶的声音也不一样，那主要是由于共鸣腔的形状、大小不同。

人之所以能发出许多不同的声音，也是因为人有下面三个条件或者说“本领”：第一，我们能控制呼吸和自己的声带，有时让它振动，有时不让它振动，这就造成了发音体的不同；第二，我们能控制口腔内的气流，有时让它爆发而出，有时让它摩擦而出，这相当于采用不同的振动/扰动方法；第三，我们的一些发音器官可以互相配合，从而形成各种各样不同形状的共鸣腔。

所谓 音长 说的是声音的长短，一般由物体振动的时间决定。例如我们敲鼓时，如果敲一下以后很快又把它按住，声音听起来就很短，消失得很快；如果不按它，声音听起来就比较长，消失得比较慢。在语言中，音长有很重要的作用。有的语言，如日语、泰语，音长可以直接用来区分不同的词。日语的［hodo］是“程度、范围”的意思，而［hodo:］ 却是“人行道”；泰语的［sut］是“最后的”, ［su:t］是“吸入”。在汉语里，轻声音节的感知很大程度上也要依赖音长。“试试（shìshi）”与“逝世（shìshì）”、“东西（dōngxi）”与“东西（dōngxī）”、“帘子（liánzi）”与“莲子（liánzǐ）”，它们在语音上的重要差别就是前面一个词的末音节比后一个的短。在句子层面，音长的变化会改变语气或被用来适应不同的场合——比如体育赛事转播和平常说话时字/词/句的长短、快慢就明显不同。

音高 就是声音的高低，通常专指乐音的高低，它由振动的快慢或者说频率所决定 。振动越快，频率越高，音高就越高。而振动体的大小、长短、松紧、厚薄、粗细都影响着振动的快慢。在其他条件相同时，小、短、紧、薄、细的物体振动得快，声音因此也就高。反之，声音就低。竖琴是一个最为明显的例子。人们可以通过弹拨竖琴不同长度的琴弦来演奏出高低不同的音符。在言语交际中，音高的重要贡献在于它是声调和语调最主要的物理表现形式。以普通话的四个声调为例，大体可以说：阴平音高较高，上声音高较低；阳平音高由低变高，去声则由高变低。在以后具体讲声调、语调的时候我们还会对音高进行进一步的讨论。

音强 指的是声音的强弱，它主要由振动的大小——振幅决定。在其他条件相同的情况下，使物体振动（或者使空气发生扰动）的力越大，振动的幅度就越大，声音也就越响。如果用力地拨一下琴弦，注意观察，我们就会发现：随着琴弦振动的幅度越来越小，琴声也变得越来越弱。音强太弱，人听不到声音，然而，音强太强，人耳又会受不了 。在正常的言语交际中，音强是必不可少的，但基本没有区别意义的作用——这跟音质、音长、音高不同。

（三）人的发音器官到底有哪些？

首先需要明确的是，我们这里所说的发音指的是发出语音，而不是声音。因为人体几乎所有部位都能发出声音，如拍手、跺脚、梳头、摩擦皮肤等等，但是跟语音产生有关的器官却只有：1．肺及气管；2．喉头及声带；3．口腔及鼻腔。人类的几千种语言都是用这些发音器官发出的。

肺及气管 它们是人类的呼吸器官，但同时也是发音器官的重要组成部分，正是呼吸的气流给人类的发音提供了产生振动的动力。呼吸主要是靠收缩和扩张肺来进行的。吸气时，肺部扩张，空气从人体外部经过口、鼻、咽喉、气管进入肺；呼气时，肺部收缩，气流从肺沿气管、咽喉、口、鼻呼出体外。语音就是当气流在出入上面这些管道的某个部位时，引起振动或摩擦而产生的。人类已知的语言，绝大多数是用肺里呼出体外的气流作为动力来发音的 。根据测算，人们在平静呼吸时，呼气和吸气的时间大约是相等的。但在说话时，这种情况发生了变化，吸气时间缩短，而呼气时间大大延长。之所以如此，是因为此时的呼气增加了一项任务：为说话提供动力。此外，每次从肺部呼出气流的多少与声音的强弱关系密切。每当我们大声说话时，就要呼出更多的气流。

喉头及声带 气管的上面是喉头，它由几块软骨以及与其相连的肌肉和韧带组成。喉头内有一对又薄又小的肌肉，两条肌肉的边上各有一条颜色发白的韧带，那就是声带。它们可随着肌肉和软骨的运动而打开或关上、紧张或放松。 声带是真正的发音器官，可以说除了发音，没有别的作用。在平静呼吸时，声带之间一般会形成一个三角形，空气可以自由出入，一般不会发出呼吸声以外的声音。当人们说话或歌唱时，声带常常会闭合，此时空气不断从肺部压出，迫使声带产生振动，发出声波。声带振动的频率和音高的关系最为密切。就像乐器的弦一样，声带振动得越快，声音就越高。前面已经讲过，普通话的四声就是由声带振动的不同频率形成的。只要把手轻压在喉部，分别发“妈”、“麻”、“马”、“骂”，我们就会感受到声带振动的快慢变化。

口腔及鼻腔 它们是分布在喉头以上的、可变的声腔 。它们组成了人类语音“乐器”的共鸣箱。口腔的变化非常丰富，并且常常影响到别的腔体。可以说，口腔是控制语音共鸣系统的关键。这与它的构造有关。

口腔主要分为上、下两个部分。

口腔的上面一部分包括上唇、上齿、（上）齿龈、硬腭、软腭和小舌，它们好像一块板，把口腔和鼻腔分成了两层。软腭和小舌可以上下活动，当其下垂时，空气就可能既进入口腔又进入鼻腔（比如我们正常呼吸以及发m, n时）；当其向上抬起并抵住咽壁，空气就只能进入口腔而不能进入鼻腔（比如当我们发s或a时）。

口腔的下面一部分包括下唇、下齿、（下）齿龈和怎么强调它的重要性都不过分的“舌头”。人类的舌头非常灵活，任何别的动物在这一点上都无法与人相比。在有的语言里“舌头”和“语言”可用同一个名词来指称，如英语的“tongue”。汉语中也有用“舌”来表示“说话”的词语——虽大多不是什么好词儿。例如“长舌”、“学舌”、“饶舌”、“张口结舌”、“三寸不烂之舌”等等。与舌头的运动有关的肌肉组织十分复杂，不但整个舌头可以上下前后地移动，而且一些部位还可以有特别的运动，如舌尖卷起。正是由于舌头的灵活调节才形成了多种多样的口腔共鸣器，并由此产生许多不同的声音。 KrZiIf8ijLL7pPJ5weNE77AlIOsKZcuvz0k4zOAnvDqmQTtQQHcA8HnxkzRiA6zz