破除误解
第一个误解：声调是"东方语言的特色"。
按《世界语言结构地图集》（WALS）第 13A 项的统计，在有记录的 527 种语言中，220 种具有声调，约占 42%；细分起来，307 种无声调（58%），132 种是"简单"声调系统（25%，两个音高层级），88 种是"复杂"系统（17%，三个及以上）。这些语言远不止东亚——撒哈拉以南非洲是全球声调语言最密集的地区之一，约鲁巴语、伊博语、班图诸语大多有声调；中美洲的奥托-曼格语系、北美的阿萨巴斯卡语系同样如此。无声调才是需要解释的那一半。
非洲声调系统还贡献了一个关键概念：下阶（downstep）。在许多西非语言里，一个高调如果跟在另一个高调后面、中间隔着低调（哪怕低调没有说出来），就会被压得比前一个高调低一点，整句话的音高像下行的楼梯。约鲁巴语有高、中、低三个平调，句子的实际音高轨迹由词汇声调与下阶共同算出来。这说明声调不是每个音节自带的一个标签，而是一套会跨音节运算的系统。
第二个误解：把声调想成"唱歌一样的抑扬"。声调是词汇性的：它区分词义，就像声母韵母一样属于这个词的身份。普通话的 mā（妈）、má（麻）、mǎ（马）、mà（骂）不是四种语气，是四个词。
声调到底是什么
声学上，声调主要由基频（F0，声带振动的频率）承载，听感上就是音高。相关测量方法见acoustic-phonetics。
但关键不是绝对高度。男声的"高平调"频率可能低于女声的"低降调"，听者仍能正确判断——因为声调是相对的，听觉系统会先对说话人的音域做归一化。
除了基频，很多声调语言还用其他线索：音节时长、发声态（如嘎裂声、气声）、韵尾类型。越南语的一些声调必须靠嗓音质地才能区分。
调类与调型
赵元任 1930 年提出的"五度标记法"至今通用：把说话人的音域分成 5 度，用数字描写调值。普通话的四声常记作 55、35、214、51。这套标记原本是为汉语方言田野调查设计的速记工具，后来成了整个声调研究的通用坐标——它把"听起来像什么"变成了可以跨语言对齐的数字。
声调系统的复杂度差别很大。WALS 把 42% 中的约六成归为"简单"系统（两个音高层级，也包括挪威语这类音高重音语言），其余约四成为"复杂"系统（三个及以上）。粤语通常分析为六个调（不计入声分化），部分苗瑶语与侗台语的调类更多。
两类语言处在"有声调"与"无声调"的边界上，值得单独看。日语是音高重音语言：词义不取决于每个音节的调，而取决于"音高从哪个音节落下"——东京话的 háshi（箸，筷子）与 hashí（橋，桥）音节材料相同，差别只在降调核的位置。瑞典语和挪威语则有一对"词调"（第一调与第二调），只在少数词对上有别义作用。这些系统提示"声调语言"可能不是一个有清晰边界的类，而是一根连续谱——这一点在文末的争议部分还会回来。
需要说明，Maddieson 本人指出这个比例可能被低估，因为样本在不同地区的密度并不均衡；他在 2023 年国际语音学大会的论文中也强调，声调既非人类语言的多数特征，也不是更"原始"的特征。
连读变调：声调会互相影响
孤立念出的调值，和放进句子里的调值往往不同。
普通话最著名的例子是两个上声相连时前一个变成阳平："你好"实际读作 ní hǎo。闽南语和吴语的连读变调规则更复杂，整个词组的调型可能由词首或词尾统一决定。厦门话里有一条著名的"变调圈"：除词组最末音节外，每个音节的本调都按固定循环换成另一个调，而一圈换下来恰好回到起点——本调不可直接听见，只能从变调位置反推。这类现象在汉语诸方言中分布极广，规则形态却各不相同，是比较音系学的一座富矿。
这类现象说明声调不是贴在单个音节上的标签，而是参与整个韵律结构的运算——和phonemes-and-sound-systems中的音系规则是同一类对象。
语调：不改词义，改说话意图
语调（intonation）作用于句子层面。它不改变词义，而传达疑问、强调、态度、话轮是否结束。
英语用升调标记是非疑问，是常见的教学说法，但语料库研究显示实际用法远比规则复杂。把语调从印象变成可分析对象的关键一步，是皮埃尔亨伯特 1980 年的博士论文：她把英语语调分析为一串离散的"高/低"音高目标，分别锚定在重读音节与短语边界上，中间的起伏只是目标之间的过渡——这套"自主音段-节律"框架后来发展为语音语料标注的 ToBI 标准，今天大部分语调计算模型仍在它的地基上工作。
汉语的挑战在于：语调必须叠加在词汇声调之上，二者共享同一个基频通道。研究发现两者是叠加而非替换关系——疑问语调整体抬高音域，但四声的相对格局仍然保留。
重音与节奏
重音语言用音强、时长和音高的组合标示突出音节。英语的 REcord（名词）与 reCORD（动词）靠重音区分词类。
传统上把语言分为"重音计时"（英语、荷兰语）与"音节计时"（法语、西班牙语），认为前者的重音间隔等长、后者的音节等长。但声学测量并不支持严格的等时性。目前更常用连续的节奏指标（如元音时长的变异系数）来描述，而不是二分类。
声调从哪里来：声调生成
声调不是从来就有的。历史语言学的一项重要发现是"声调生成"（tonogenesis）——声调可以从辅音演变而来。
这个机制的第一次完整论证不在汉语，而在越南语。奥德里古（André-Georges Haudricourt）1954 年发表的经典论文证明，古越南语的三个声调来自三类已经消失的韵尾：开音节与鼻音尾音节发展出平调（ngang-huyền），喉塞音尾音节发展出促调（sắc-nặng），擦音尾（来自更早的 -s）音节发展出问调（hỏi-ngã）。韵尾消失后，原先伴随的音高差别留下来承担了别义功能。他同年又把同样的思路用于汉语，提出中古的去声来自上古的 -s 后缀；梅祖麟后来进一步论证上声来自喉塞音尾——这套框架至今仍是上古汉语构拟中最有影响的方案之一，虽然细节仍在争论。
汉语的例子中证据最直接的是调类分裂。中古汉语有清浊声母的对立，浊声母会使后接元音的起始音高偏低。当浊音清化、清浊对立消失后，原先伴随的音高差别被"提拔"为区别性特征，一个调类因此分裂为阴阳两类。今天粤语调类比普通话多，很大程度上是这类分化保留得更完整。
藏语提供了一个对照组：拉萨话等中部方言已经从声母清浊发展出声调，而安多方言至今仍基本无声调——同一个语系内部，可以亲眼看到"有声调"与"无声调"两端的并存。
越南语、藏语的部分方言、以及一些非洲语言都记录到类似过程。这个机制说明，音系特征之间可以互相转化：失去的辅音对立，会在别处以另一种形式重新出现。理解这一点，也就理解了languages-change中"系统会自我补偿"的一般规律。
反向的过程同样存在——有些语言正在失去声调。这提醒我们不要把"有声调"当作某种永久属性。
手语里的韵律
如果韵律的载体是音高，那么手语该怎么办？
研究给出的答案是：韵律是抽象的组织层，不依赖具体的物理通道。手语用动作幅度、速度、停顿、面部表情和头部姿态来标记句法边界、疑问、话题与强调。
例如许多手语用眉毛抬起标记是非疑问、眉毛下压标记特指疑问，功能对应有声语言的疑问语调；句末的手形保持（hold）与放松，对应语音的句末延长。
这类对应为"韵律是语言的普遍层级"提供了有力证据，详见sign-language-structure。
儿童如何学会声调
声调习得开始得很早。研究显示，声调语言环境中的婴儿在出生后头一年内就对母语的声调对立敏感，而非声调语言背景的同龄婴儿则逐渐失去这种区分能力。一组设计干净的实验用泰语的声调对立测试了 6 个月与 9 个月大的华语与英语婴儿：华语婴儿在两个年龄段都稳定地区分，英语婴儿的区分能力在 6 到 9 个月之间明显衰退——这与first-language-acquisition中辅音元音的知觉重组遵循同一模式，只是时间表略有不同。
有趣的是，产出上的顺序与直觉不同：李讷与汤普森 1977 年对 17 名普通话儿童（1 岁半到 3 岁）的追踪发现，儿童常常能产出正确的调型而声韵细节尚未到位，声调整体先于复杂辅音串稳定下来——许多后续研究观察到普通话儿童在两岁前后已能可靠地区分产出四声。在习得顺序上，声调不像"附加在词上的装饰"，更像最早到位的骨架之一。
韵律怎么切分句子
韵律不只是修饰，它承担实实在在的语法工作：告诉听者哪些词属于同一个组块。
一个经典例子是英语的 "old men and women"——如果在 men 之后有停顿和音高重置，理解为"老男人 + 女人"；如果整串一气呵成，理解为"老的男人和女人"。同样的词序，两种意思，差别只在韵律。
汉语里也有类似情况。"下雨天留客天留我不留"这类句子的多解，本质上就是韵律边界位置不同造成的分组差异。
心理语言学的实验显示，听者在句子还没说完时就已经用韵律线索做出了句法预测；当韵律与最终的句法结构冲突时，加工会明显变慢。这说明韵律不是事后的润色，而是实时参与理解的信号，机制见psycholinguistic-processing。
为什么它对技术重要
自动语音识别、语音合成和语言教学都要处理声调。基频提取在噪声环境、耳语和歌唱中都不稳定，这是长期的工程难题。
对低资源的声调语言，标注数据稀缺使问题更严重——相关讨论见multilingual-ai。语言教学方面，成人学习者的声调习得困难，与二语习得的一般规律相关：声调对立若在母语中没有对应物，成人往往在"听辨"这一关上就卡住，纠正产出之前先要重建知觉。
争议
其一，"声调语言"是否是一个自然类。音高重音（如日语、瑞典语）与真正的词汇声调之间是连续谱还是本质区别，学界并未统一。
其二，声调对语言学习的影响。有研究报告声调语言使用者在音高辨别任务上表现更好，但这类结果是否说明声调经验会迁移到音乐能力，还是仅反映任务本身的相似性，证据尚不一致。被引用最多的是 Deutsch 等人 2006 年对中美两国音乐学院学生的比较：普通话母语组的绝对音感比例远高于英语母语组，而且两组各自都与"开始学音乐的年龄"相关——这提示存在一个与语言经验有关的敏感期，但由于样本都是音乐学院学生，选择效应与音乐教育强度的混杂始终无法排除。
其三，声调与遗传或气候的相关性。2007 年 Dediu 与 Ladd 在《美国科学院院刊》上报告，两个人群基因（ASPM 与 Microcephalin）的衍生等位基因频率与"该人群的语言是否使用声调"存在统计相关，并推测了基因偏置影响声调产生与丢失概率的机制；2015 年 Everett 等人又在同一刊物上提出，干燥空气会干扰声带的精细振动，因而复杂声调系统在干旱地区显著少见。两类主张都遭受了严厉的方法批评——语言特征在语系与地域上高度聚集，又经接触传播，极易产生虚假相关；《语言演化杂志》2016 年的一组评论指出，控制语言谱系与接触史之后，湿度效应基本消失。目前主流态度是谨慎存疑。
跨域连接
- 波与声学：声调的物理载体是基频，而基频与感知到的音高不是一回事——听者会根据说话人的音域自动归一化，因而同一个绝对频率在男声与女声中被听成不同的调。这条归一化机制解释了一个工程难题：声调识别不能直接用绝对基频，必须先估计说话人的参照框架。
- 自然语言处理：韵律承载的信息不进入正字法却改变意义（疑问、焦点、讽刺、话轮让渡）。这使纯文本训练的系统在对话中系统性地缺失一层信息，也是语音合成听起来"平"的根源——问题不在音色而在语调规划。
- 声学语音学：把声调从印象变成数据依赖可测量的参数（基频曲线、时长、音强），而这一测量本身规定了理论能问什么问题：当声调被表示为连续曲线时，"几个调类"就成了一个需要用聚类而非听感来回答的问题。
- 语言与大脑：声调在声调语言使用者中的偏侧化与非声调语言使用者不同——同样的音高变化，在承载词义时更多由左半球语言区处理，在承载音乐信息时更多由右半球处理。这说明偏侧化由功能而非由声学属性决定，是"脑区处理语言而非处理特定物理信号"的一条直接证据。
- 认知心理学：声调语言使用者中绝对音感的比例较高，这一相关被反复报告，而因果方向仍未确定——可能是早期的音高辨别训练，也可能是选择效应或音乐教育年龄的混杂。诚实的表述是：这是一个有稳定相关但机制未决的问题，而它恰好是语言经验能否重塑一般知觉能力的最佳检验场。
参考文献
- Maddieson, Ian. "Tone." In Dryer, Matthew S. and Haspelmath, Martin (eds.), The World Atlas of Language Structures Online, Chapter 13A. Max Planck Institute for Evolutionary Anthropology, 2013.
- Yip, Moira. Tone. Cambridge University Press, 2002.
- Ladd, D. Robert. Intonational Phonology. 2nd ed., Cambridge University Press, 2008.
- Pierrehumbert, Janet. The Phonology and Phonetics of English Intonation. MIT Ph.D. dissertation, 1980.
- 赵元任. "A System of Tone Letters." Le Maître Phonétique, 45, 1930, 24–27.
- Haudricourt, André-Georges. "De l'origine des tons en vietnamien." Journal Asiatique, 242, 1954, 69–82.
- Li, Charles N. & Thompson, Sandra A. "The Acquisition of Tone in Mandarin-Speaking Children." Journal of Child Language, 4(2), 1977, 185–199.
- Mattock, Karen & Burnham, Denis. "Chinese and English Infant Tone Perception: Evidence for Perceptual Reorganization." Infancy, 10(3), 2006.
- Deutsch, Diana, Henthorn, Trevor, Marvin, Elizabeth & Xu, Hong-Shuai. "Absolute Pitch among American and Chinese Conservatory Students: Prevalence Differences, and Evidence for a Speech-Related Critical Period." Journal of the Acoustical Society of America, 119(2), 2006, 719–722.
- Dediu, Dan & Ladd, D. Robert. "Linguistic Tone Is Related to the Population Frequency of the Adaptive Haplogroups of Two Brain Size Genes, ASPM and Microcephalin." PNAS, 104(26), 2007.
- Everett, Caleb, Blasi, Damián E. & Roberts, Seán G. "Climate, Vocal Folds, and Tonal Languages: Connecting the Physiological and Geographic Dots." PNAS, 112(5), 2015, 1322–1327.
- Maddieson, Ian. "Tone Is Not Predominant: Tone Is Not Primordial." Proceedings of the 20th International Congress of Phonetic Sciences (ICPhS), 2023.
延伸阅读
- Gussenhoven, Carlos. The Phonology of Tone and Intonation. Cambridge University Press, 2004.
- 朱晓农.《语音学》. 商务印书馆.