语音学与国际音标

为什么普通字母不够#

同一个字母在不同语言、不同词甚至不同位置中可以表示不同声音。英语字母组合、法语拼写和汉语拼音各有历史形成的规则，它们服务于读写共同体，并不承担精确比较全世界语音的任务。

国际音标（International Phonetic Alphabet, IPA）试图提供一套跨语言转写工具。它的核心目标不是取代任何文字，而是让研究者能说明某个语音怎样发出、怎样听见，并与其他语言中的语音比较。

这套工具的来历本身值得一说。1867 年，苏格兰语音教师 Alexander Melville Bell——电话发明者的父亲——发表了“可视语言”（Visible Speech），用符号直接标示发音器官的姿态，初衷是帮助聋人学习说话；这是最早不依附于任何具体语言的通用记音系统之一。1886 年，以巴黎语言教师 Paul Passy 为首的一群英法教师成立了“语音教师协会”（会名最初就用自撰的音标拼写），1897 年改用今名国际语音学协会。第一版字母表 1888 年发布，骨架取自 Henry Sweet 的 Romic 字母，原则只有一个：一个可区别的声音，一个符号。

字母表此后经历过 1900 年和 1932 年两次大改，之后几十年基本稳定，直到 1989 年基尔大会做了一次系统修订，1993 年微调，2005 年增补了唇齿闪音符号。只有经协会理事会批准的修改才属于正式字母表；官方图表目前依据 2005/2015 修订体系发布，2025 年起改为每年重印并在图下注明所依据的修订版本，以 CC BY-SA 4.0 条款开放再利用。一套记音系统能活过一个半世纪还在缓慢修订，恰恰因为它是工具而非教条：新发现的语音类型（比如非洲语言里被重新认识的搭嘴音）会推动格子重新划分。

三种语音学视角#

发音语音学研究发声器官和动作，例如舌尖是否接触齿龈、软腭是否下降。how-speech-is-made从这条路径解释元音和辅音。

声学语音学研究空气压力变化形成的信号，包括时长、基频、强度、频谱和共振峰。它让“听起来接近”的判断变成可以重复测量的证据。这个分支的仪器史出人意料地短：声谱仪是贝尔实验室在二战期间为分析语音而开发的，战时处于保密状态，1945 年才随 Potter 在《科学》杂志上的文章公开，1947 年 Potter、Kopp 与 Green 出版《可视语言》（Visible Speech）系统介绍其用法——书名刻意呼应了八十年前 Bell 的那套符号，因为这一项目的初衷之一同样是让聋人"看见"语音。

听觉与感知语音学研究耳和大脑怎样把变化连续的信号归入语言类别。听者不是被动接收频率，而会结合语境、经验和预期进行分类。1957 年 Liberman 等人用合成语音做的经典实验显示：当声学参数沿连续维度逐步变化时，听者的辨别能力在音位边界处陡然提升，类别内部的差异反而难以分辨——这就是"范畴知觉"。后来的研究对"范畴知觉是语音独有的机制"这一更强的解读提出过质疑，因为类似现象也见于非语音声音甚至其他动物；但"连续信号被语言经验切成离散类别"这个基本观察，至今仍是理解语音感知的起点。

三个视角不能互相替代。相同发音目标可能因说话者身体不同产生不同声学值；相似声学信号也可能因语言经验不同被听成不同类别。

怎样读辅音表#

肺呼气辅音表把发音部位放在横向，把发音方法放在纵向。一个符号的位置因此编码了它主要在哪里、怎样阻碍气流。

成对出现的符号通常把清音放左、有声音放右。例如 [p] 与 [b] 都是双唇塞音，但喉部振动模式不同。现实语言还可能利用送气、喉化、时长等差异，所以基础格子不是完整描述。中文拼音里 b/p 的对立实为不送气与送气的对立，与英语的清浊对立只是部分重合——这是用 IPA 读自己母语时第一个容易踩的坑。

有些格子被标为不可能或极难产生，因为人体结构限制了对应动作。图表因此也是一张发音空间模型，而不只是符号清单。

非肺辅音、附加符号和变音符号扩展了描述能力。搭嘴音、内爆音、挤喉音，以及鼻化、送气、腭化等细节都可表示。这些机制并不 exotic：挤喉音广泛见于美洲原住民语言和高加索诸语言，内爆音见于许多非洲和东南亚语言，搭嘴音则是科伊桑诸语言的日常成分——把它们标成"非肺"只是按动力来源分类，不代表罕见。

怎样读元音图#

元音图近似表示舌位的高低和前后，同时用符号成对情况标示嘴唇圆展。它不是口腔的精确解剖截面，而是发音与听觉空间的约定模型。

元音常通过第一、第二共振峰进行声学比较，但共振峰与舌位不是简单一一对应。说话者的声道长度、音质、语境和发声方式都会影响测量。1952 年贝尔实验室的 Peterson 与 Barney 测量了数十名男性、女性和儿童说的十个美式英语元音，把每个元音画在第一、第二共振峰构成的平面上：不同元音占据不同区域，但区域之间大量重叠，儿童的共振峰位置整体高于成年男性。这张图成了语音学的经典教材插图，因为它同时证明了两件事——元音确实有稳定的声学目标，以及"声学信号直接决定元音"是错的，听者必然在做某种说话者归一化。归一化究竟怎样完成，至今仍是活跃的研究问题。

许多语言还区分元音长短、鼻化、咽化或声调。只写一个元音主符号可能不足以记录真正参与对立的特征；声调与重音、语调这类附着于更长片段的特征，由超切分符号处理，详见 声调与韵律。

宽式与窄式转写#

宽式转写保留与语言对立最相关的信息，常写在斜线 / / 中。窄式转写记录更具体的实际发音，常写在方括号 [ ] 中。

例如同一个音位在不同位置可能发生可预测变化。英语 pin 里的 /p/ 送气、spin 里的 /p/ 不送气，宽式转写把二者都记为 /p/，因为送气与否在英语中由位置决定、从不改变词义；窄式转写则写作 [pʰ] 与 [p]，显示送气、同化或弱化等细节。同一组符号换到普通话里就必须区别对待，因为"爸"与"怕"的对立正在于此。两种转写没有谁“更真实”；它们回答不同问题：宽式回答"这门语言把哪些差别当作有意义的差别"，窄式回答"这次发音实际上是什么样子"。

转写永远包含分析决定。研究者必须说明材料来自谁、在什么情境下录制、采用多细的层级，以及不确定之处。一个孤立音标不能代表整个社群的固定发音。

音标不是拼写答案#

IPA 的“一个符号对应一个声音”是工作原则，不意味着声波由离散颗粒拼接。真实语音连续且协同发音，转写把其中与研究问题相关的模式离散化。

IPA 也不是语言正确发音排行榜。口音差异可以被描述，却不能仅凭偏离某个标准口音就判定语言能力低下。标准发音往往与教育、媒体和权力制度相关：被当作"标准"的那一种口音，通常是掌握制度资源的群体的口音，而不是声学上更清晰的口音。语音学能描述差异，判定高低则是政治行为。

对于手语，IPA 不是完整转写系统。手语研究需要记录手形、位置、移动、方向和非手部标记，并处理多通道同时出现的问题，详见 手语结构。这再次说明：IPA 是口语语音工具，不是“所有语言本身”。

从测量到解释#

频谱图常把时间放在横轴、频率放在纵轴、能量以深浅显示。元音共振峰、塞音闭塞与释放、擦音噪声都能留下可分析模式。

但看见一条深色带不等于完成语言分析。研究者还需判断差异是否稳定、是否被听者利用、是否改变词义，以及是否受语速和说话风格影响。John Ohala 曾论证，许多语音演变的源头不在说话者而在听者：听者把协同发音造成的模糊信号重新归入了另一个类别，误听被重复千万次就成了音变。这个"听者作为音变来源"的视角把声学测量直接接上了 语言演化 的问题。

phonemes-and-sound-systems正是在这一层继续：一组可测量语音怎样成为某门语言中的对立、变体和组合限制。声学测量提供证据，音系分析解释证据在系统中的功能。

一个可靠的学习顺序#

先理解发音部位和方法，再学习符号；先听和观察跨语言实例，再尝试转写；最后把转写放回音位、词和句子的结构中。

单纯背表容易制造“符号就是声音”的错觉。更有效的练习是比较最小差异：只改变声带振动、送气、舌位或元音时长，观察听感、波形和词义是否共同变化。

设计交互 IPA 工具时也必须保留这一顺序。按钮不应只是播放音频，而要同步显示发音动作、声学线索、跨语言实例和音频来源，并为无法听音频的用户提供文字和视觉解释。

转写一致性怎样检验#

两名受训转写者也可能对快速、弱化或陌生语言材料作出不同判断。研究不能把音标排版得很精细就当成客观测量，而应说明转写训练、听取次数、录音质量和分歧处理方式。

一致性可通过重复转写和转写者间比较评估，但高一致不自动保证分析正确：两人可能共享同一偏见。声学测量、说话者判断和对立分布需要与听辨转写交叉验证。

对没有成熟书写传统的语言，音标还可能被社群用于教学或正字法讨论。研究转写与社群文字的目标不同；研究者不应让临时技术符号在未经协商时取代使用者偏好的书写方式。

音频实例需要怎样标注#

一段可点击音频应至少记录说话者同意范围、语言或变体、自我认同地区、录制语境和许可。只写“某语言的正确读音”会抹去内部变异，也无法判断样本来源。

单个录音还不能定义 IPA 符号。符号表示经过分析的语音类别，实际发音受周围音、语速和个体影响。教学工具应提供多个实例，并明确哪些是典型示范、哪些是真实词中实现。

无障碍设计同样属于知识准确性。音频需要发音描述、频谱或动画等替代线索；视觉图表需要可读文本和键盘路径。否则工具把某种感知能力误当作理解语音学的前提——讽刺的是，这套工具的两个源头（Bell 的符号与贝尔实验室的声谱仪）最初都是为聋人设计的。

IPA 与 Unicode 的接口#

现代 IPA 符号大多通过 Unicode 字符表示，附加符号可能使用组合字符。视觉上相同的序列未必有相同代码结构，搜索、光标移动和复制需要按字素簇而非简单代码单元处理。

字体缺字会显示空框，却不表示符号不存在。交互工具应检测字体覆盖并提供稳定回退，不应把音标转成不可选择的图片来掩盖实现问题。

输入系统还要处理变音符号的定位顺序。一个窄式转写可能在主符号上下叠加多个标记，视觉上可读不保证复制后仍保持同一字符序列。测试必须覆盖规范化、搜索和屏幕阅读器朗读，而不只检查截图。

当转写进入数据库时，原始字符串、规范化形式和人工显示形式应分开保存。这样既能稳定检索，也不会在清洗过程中丢掉研究者记录的细节。

跨域连接#

• 信号处理：声学语音学的整套工具来自信号处理——频谱图是短时傅里叶变换的可视化，共振峰是声道传递函数的极点。「元音 /i/ 和 /a/ 听起来不同」这句描述，在测量层面变成了「第一、第二共振峰的位置不同」，主观印象由此获得了可复核的数值形式。
• 声学语音学 与 语音的产生：IPA 的辅音表按发音部位与方法排列，本质上是一张发音生理的地图；声学测量则是同一现象在信号侧的投影。转写、生理、声学三者对不上时，通常是转写过粗，而不是测量出错。
• Unicode 与数字书写：IPA 符号在数字环境里的麻烦是真实的——同一个音标可能有预组合字符和「基字符 + 组合附标」两种编码，肉眼相同而字符串不等，这会让语料检索静默漏掉一部分数据。转写的一致性问题，一半在语音学，一半在字符编码。
• 音位与音系系统：IPA 记录的是语音事实，音位分析回答的是「这门语言把哪些差别当作有意义的差别」。宽式与窄式转写的选择，实际上就是在决定把多少音系判断预先写进记录里。
• 自然语言处理：语音技术需要在文字与音之间建立映射，而正字法与发音的距离因语言而异——英语需要庞大的发音词典，西班牙语几乎可以靠规则生成。一个语言的「拼写有多不规则」，直接决定了它的语音系统要多花多少工程。

参考文献#

• International Phonetic Association. Handbook of the International Phonetic Association. Cambridge University Press, 1999.
• Ladefoged, Peter, and Keith Johnson. A Course in Phonetics. 7th ed., Cengage, 2015.
• Ladefoged, Peter, and Ian Maddieson. The Sounds of the World's Languages. Blackwell, 1996.
• Peterson, Gordon E., and Harold L. Barney. “Control Methods Used in a Study of the Vowels.” Journal of the Acoustical Society of America 24(2), 1952: 175–184.
• Liberman, Alvin M., Katherine S. Harris, Howard S. Hoffman, and Belver C. Griffith. “The Discrimination of Speech Sounds within and across Phoneme Boundaries.” Journal of Experimental Psychology 54, 1957: 358–368. DOI
• Potter, Ralph K., George A. Kopp, and Harriet C. Green. Visible Speech. Van Nostrand, 1947.
• Ohala, John J. “The Listener as a Source of Sound Change.” Papers from the Parasession on Language and Behavior, Chicago Linguistic Society, 1981.
• Bell, Alexander Melville. Visible Speech: The Science of Universal Alphabetics. 1867.
• International Phonetic Association. The IPA Chart.
• International Phonetic Association. Links to Phonetics Resources.