王紅巖，朱立剛，李笑通，Vincent J.J.P.van Heuven

（1.深圳大學(xué)外國語學(xué)院，廣東深圳，518060；2.石家莊郵電職業(yè)技術(shù)學(xué)院外語系，河北石家莊，050021；3.香港理工大學(xué)中文及雙語學(xué)系，香港；4.荷蘭萊頓大學(xué)語言學(xué)研究中心語音研究所）

語音表達(dá)在詞的層面上，音段起著傳統(tǒng)以來的核心作用。從音段的表達(dá)可以追溯拼音文字系統(tǒng)、音標(biāo)系統(tǒng)和音位理論的發(fā)展歷史。在音段之上的其它語音因素，如音高、音強(qiáng)、音質(zhì)、節(jié)奏等被概念為超音段信息。它們寓于較寬的音節(jié)及話語層面。音段信息在隨聲帶及發(fā)音器官的運(yùn)動(dòng)呈快速短時(shí)變化的同時(shí)，超音段信息則隨詞義、語義的變化在音強(qiáng)、音高、音質(zhì)上呈相對(duì)穩(wěn)定的長時(shí)變化。這些變化在言語態(tài)度和表情上起著相對(duì)重要的作用。

我們知道，不同的音段組合構(gòu)成單詞的讀音。如果一種絕對(duì)的CV型語言包括10個(gè)輔音音素和5個(gè)元音音素，那么原則上它應(yīng)該具有50個(gè)不同的音節(jié)。如果這種語言允許3音節(jié)構(gòu)詞，那么音節(jié)自由排列的話可能出現(xiàn)的單詞數(shù)量大概為50×50×50=125000個(gè)。這些就足夠滿足辭典需要。世界上接近一半的語言具有重音，即其中一個(gè)音節(jié)的強(qiáng)度大于單詞內(nèi)其他音節(jié)的強(qiáng)度①The World Atlas of Linguistic Structures《世界語言結(jié)構(gòu)大全》列出世界220種聲調(diào)語言和307種非聲調(diào)語言，502種重音語言中282固定重音及 220非固定重音。。重音具有所謂的峰值性，即只有其中一個(gè)音節(jié)可以獲得最強(qiáng)讀音。因此，在上述假設(shè)的語言中使用重音能夠增加的構(gòu)詞量達(dá)375000個(gè)。理想而言，僅僅采用聲調(diào)的最簡的形式，在聲調(diào)語言中單詞內(nèi)任何一個(gè)音節(jié)都可以帶有高或低的音高。在此機(jī)制作用下，這種語言的可能性構(gòu)詞增加到了100×100×100=1000000個(gè)。結(jié)論是詞匯層面的聲調(diào)對(duì)于增加語言構(gòu)詞比重音更加高效。一種語言如果偏好單音節(jié)構(gòu)詞（如在漢藏語系中），那么最有效的增加詞匯的方法就是使用詞匯層面的聲調(diào)。

在漢語系（普通話及其它漢語方言）中聲調(diào)變化極大。普通話具有4個(gè)不同的聲調(diào)，照慣例被標(biāo)注為55（高調(diào)），35（中升），214（下沉），51（高降）?；浾Z（廣東話）具有7個(gè)不同具有音位區(qū)分性的聲調(diào)，被標(biāo)注為55（高調(diào)），53（高降），35（中升），33（中調(diào)），23（低升），22（低調(diào)），21（低降）。重音和聲調(diào)都屬于超音段韻律特征，它們比言語中時(shí)時(shí)變化元音和輔音具有更廣的語言學(xué)意義。聲學(xué)參數(shù)顯示超音段特征隨時(shí)間發(fā)生緩慢變化，在音高 、響度和時(shí)長上超音段信息上所起的作用尤為顯著，超過了它對(duì)頻譜分布（共振峰）中每一個(gè)元音和輔音的作用［1］。這種現(xiàn)象好比兩者在言語交際中有著不同的勞動(dòng)分工。頻譜性質(zhì)的快速變化能夠讓我們區(qū)別元音和輔音，但是很容易受到噪音和失真的影響。變化緩慢的超音段特征（音高和音長）對(duì)于音段識(shí)別作用較小，但是對(duì)于噪音和失真的魯棒性卻較為突出。因此，音段和超音段在普通話和粵語的可知性上的相對(duì)重要性取決于交際環(huán)境。如果在語言交際環(huán)境中音段質(zhì)量受到影響，例如交際通道中的噪音（噪音，電子失真，電腦語音或外語口音），超音段的重要性就會(huì)增加。先前研究表明［2］，無論怎樣對(duì)其進(jìn)行低質(zhì)化或高質(zhì)化的過濾處理，普通話聲調(diào)識(shí)別均達(dá)到最好程度，而元音及輔音這些音段信息的識(shí)別則受到音質(zhì)的嚴(yán)重干擾?？梢?，聲調(diào)正如同其它超音段特征一樣在語音交際中具有更高魯棒性。當(dāng)把韻律特征在例音中濾除，之后使用加入噪音和單音調(diào)化的方式重新合成語音，詞的正確識(shí)別率則分別下降到24%（噪音化）和16%（單音調(diào)化），但是句子的正確識(shí)別率仍然為24%和33%。在對(duì)韻律不做處理的條件下，單詞和句子正確識(shí)別率提高到50%和73%；進(jìn)行中度處理后正確識(shí)別率為60%和90%。

當(dāng)前研究將在具有不同聲調(diào)數(shù)量的兩種漢語變體即普通話和粵語的語音識(shí)別中比較音段和超音段（詞匯層面的聲調(diào)）的相對(duì)表現(xiàn)。我們對(duì)實(shí)驗(yàn)材料進(jìn)行三種處理，即高質(zhì)音段，這樣超音段作用就是其次或者多余的；低質(zhì)音段，這樣超音段的詞匯聲調(diào)就是唯一的語音信號(hào)；中質(zhì)音段，削弱音段信息，這樣聲調(diào)就必須為語音識(shí)別提供重要依據(jù)。

我們假設(shè)，在聲調(diào)總藏更豐富的粵語中聲調(diào)在言語識(shí)別中表現(xiàn)出的重要作用，超過或相當(dāng)于它在聲調(diào)總藏少于粵語的普通話中的作用。

一、方法

實(shí)驗(yàn)采用1977年美國語言學(xué)家Kalikow等創(chuàng)造的噪音環(huán)境語音識(shí)別測驗(yàn)（SPIN）［3］。該材料已經(jīng)在漢語背景下的英語語音識(shí)別中使用［4］。我們對(duì)語音進(jìn)行處理后來測試語音可知性。實(shí)驗(yàn)材料為60個(gè)日常短句，我們將其譯成相應(yīng)的普通話和粵語。出生在北京和廣州的女性和男性且母語分別為普通話和粵語構(gòu)成兩組發(fā)音人，材料由兩組分別朗讀；語音由美國舒爾近講傳聲機(jī)錄音。

這些材料將發(fā)展成15種漢語方言研究項(xiàng)目的一部分［5，6］。噪音環(huán)境語音識(shí)別測驗(yàn)（SPIN）句子中，句末關(guān)鍵詞具有高度可預(yù)知性。一般來講，如果前面的單詞被識(shí)別出來，對(duì)句末的關(guān)鍵詞則判斷無誤。聽音人的任務(wù)就是簡單寫下來每句句末的詞（關(guān)鍵詞）。例如：“把窗戶打開好透透風(fēng)”（下劃線處為關(guān)鍵詞）。

我們用兩種方法對(duì)句子進(jìn)行處理，即聲調(diào)和音段光譜處理。在聲調(diào)處理上，我們設(shè)定基頻f0為100Hz，采用PSOLA分析與綜合法的方法在Praat軟件上處理［7］。這種處理濾除聲調(diào)信息，與聲調(diào)次要相關(guān)的時(shí)長和音強(qiáng)曲線均不受影響。在音段光譜處理中，我們對(duì)原始的錄音采用默認(rèn)常數(shù)為100Hz，采用低通濾波截取1000Hz或300Hz的范圍。1000Hz截取后音段的可知性被嚴(yán)重削弱，盡管大部分的詞仍然可以辨知（LP-1000 Hz）。300Hz處理將所有音段信息全部濾除，因而產(chǎn)生一個(gè)不可認(rèn)知的句子（LP-300）。我們對(duì)于音調(diào)和頻譜的處理，即聲調(diào)中度低度高度處理、音段低度中度處理，生成六種輸入聲源。

由十個(gè)句子組成的六組句子組合，每組均被生成六種聲源信號(hào)條件。60個(gè)句子（每組十個(gè)句子）以拉丁方塊方式設(shè)計(jì)，呈現(xiàn)給聽音人。每個(gè)聽音人每一類句子只聽到一次（不考慮信號(hào)的處理），收聽到60個(gè)句子的每一種情況均次數(shù)相同。在一組信號(hào)中一半句子由男性朗讀，另一半由女性朗讀，在第二組的聲音信號(hào)中，同樣的句子類型被另外的人朗讀，于是信號(hào)在各個(gè)句子中均勻分布。普通話句子播放給24個(gè)母語為普通話的聽音人，而粵語語音材料播放給18個(gè)母語為粵語聽音人。所有聽音人均是深圳大學(xué)學(xué)生，3個(gè)聽音人的語音材料組成一小組，采用高質(zhì)量的放音條件和語音室。對(duì)于每種語音，聽音人被分為兩部分，聽音單1和聽音單2。

二、結(jié)果

圖1顯示了60個(gè)普通話句子中關(guān)鍵詞的識(shí)別。表明60個(gè)句子在六種條件下，即音段信息的不過濾、低過濾及高過濾（unfiltered，LP-1000Hz and LP-300Hz），結(jié)合于聲調(diào)呈現(xiàn)及聲調(diào)隱蔽。

當(dāng)音段信息處最優(yōu)時(shí)（不過濾），句子識(shí)別機(jī)會(huì)最高，正確率為98%，同時(shí)是否濾除聲調(diào)信息并沒有對(duì)結(jié)果產(chǎn)生影響。當(dāng)音段信息處高過濾即LP 300 Hz過濾時(shí)，可知性最低，正確識(shí)別率平均值僅為17%，當(dāng)音段信息進(jìn)行中度處理，即LP1000 Hz過濾時(shí)，平均識(shí)別率為為68%，但此時(shí)聲調(diào)的處理對(duì)結(jié)果影響很大。當(dāng)基頻即聲調(diào)信息出現(xiàn)在語音信號(hào)中時(shí)，可知性沒有任何影響，正確率為88%。當(dāng)聲調(diào)信息在信號(hào)中被濾除時(shí)，正確識(shí)別率的百分比下降到47%。通過雙因素方差分析結(jié)果可知音段信息的質(zhì)量高低與韻律的影響非常顯著（ANOVA，F(xiàn)（2，54）=176.6（p<0.001，partial η 2=0.499），F(xiàn)（1，54） =25.1（p <0.001，partialη2 = 0.066）。 所有三種音段情況各有不同（Bonferroni posthoc test with p<0.05），結(jié)果的相互作用呈顯著性，F(xiàn)（2，54）= 12.8（p<0.001，partial η2 =0.067）。

圖1 普通話 60個(gè)SPIN測試句子關(guān)鍵詞的識(shí)別正確率。音段質(zhì)量（高中低）/及基頻（聲調(diào)呈現(xiàn)與隱蔽）。

圖2 粵語60個(gè)普通話SPIN測試句子關(guān)鍵詞的識(shí)別正確率。音段質(zhì)量（高中低）/基頻（聲調(diào)呈現(xiàn)與隱蔽）。

粵語部分的實(shí)驗(yàn)結(jié)果在圖2中呈現(xiàn)?；浾Z關(guān)鍵詞識(shí)別的結(jié)果同普通話的結(jié)果大體趨勢相似，但相對(duì)較弱。當(dāng)音段信息質(zhì)量較高和聲調(diào)呈現(xiàn)時(shí)，天棚效應(yīng)出現(xiàn)（平均值為95%）。

音段質(zhì)量的退化產(chǎn)生相應(yīng)弱化的語音識(shí)別值。聲調(diào)呈現(xiàn)與隱蔽時(shí)，中度音段質(zhì)量為76%和54%，低度質(zhì)量為44%和23%。音段信息質(zhì)量效果非常顯著，但與普通話組結(jié)果較弱，F(xiàn)（2，54）=24.1（p<0.001，partial η2=0.472）。所有三種不同質(zhì)量的音段信息呈現(xiàn)顯著差異，（Bonferroni posthoc test with p<0.05），聲調(diào)呈現(xiàn)與隱蔽結(jié)果顯著，F(xiàn)（1，54）= 4.7（p=0.034，partial η2=0.080）。音段和聲調(diào)兩者相互影響并未有顯著表現(xiàn)，F(xiàn)（1，54）<1。

三、結(jié)論

我們的預(yù)測“當(dāng)音段信息減弱時(shí)詞的韻律即聲調(diào)的作用將更重要”在本實(shí)驗(yàn)中得到了證實(shí)。當(dāng)音段信息高質(zhì)情況下濾除基頻（f0）無論對(duì)于普通話或粵語都未產(chǎn)生影響。當(dāng)音段質(zhì)量經(jīng)過低通處理而下降時(shí)，韻律信息保留與否則對(duì)識(shí)別結(jié)果產(chǎn)生顯著影響。當(dāng)音段信息呈中等質(zhì)量時(shí)，基頻對(duì)于正確率貢獻(xiàn)率最大。無論韻律（聲調(diào)）信息呈現(xiàn)與隱蔽，在音段質(zhì)量很差情況下語音識(shí)別幾乎不可能。我們的第二個(gè)預(yù)測是關(guān)于粵語中韻律信息的貢獻(xiàn)率。 由于粵語聲調(diào)信息較為豐富，我們預(yù)測詞匯層面的聲調(diào)對(duì)于詞匯識(shí)別的貢獻(xiàn)應(yīng)大于聲調(diào)在普通話中的作用。但我們的實(shí)驗(yàn)結(jié)果未支持這個(gè)預(yù)測。相反的，結(jié)果顯示，當(dāng)保留基頻，經(jīng)低通濾波（low-pass filtering）1000 Hz進(jìn)行中等質(zhì)量的音段信息語音識(shí)別仍然很好；當(dāng)濾除基頻，結(jié)果則低于可接受的50%。粵語測試結(jié)果呈現(xiàn)音段和韻律的交互影響顯著度較?。ńy(tǒng)計(jì)上可忽略）。由以上結(jié)果可知基頻對(duì)于言語識(shí)別的相對(duì)的貢獻(xiàn)程度并不取決于詞匯音調(diào)的總量。

該研究對(duì)于詞匯層面聲調(diào)對(duì)于言語可知性僅僅是一個(gè)初步的探索，對(duì)于漢語和其他有廣泛聲調(diào)的語種的實(shí)驗(yàn)檢驗(yàn)還有待進(jìn)一步深入。在所有實(shí)驗(yàn)完結(jié)前，否定我們的基本假設(shè)似乎有些為時(shí)過早。

［1］ Heuven，V.J.van，Sluijter A.M.C.Notes on the phonetics of

word prosody［M］//In R.Goedemans，H.van der Hulst，E. Visch（eds.）.Stress patterns of the world，Part 1：Background， HIL Publications.Holland Institute of Generative Linguistics，The Hague，1996：233-269.

［2］ Zhang Jia-lu，Qi Shi-qian，Song Mei-zhen，et al.漢語聲調(diào)在言語可懂度中的重要作用［J］.聲學(xué)學(xué)報(bào)，1981（4）：237–241.

［3］ Kalikow，D.N.，K.N.Stevens，L.L.Elliott.Development of a test of speech intelligibility in noise using sentence materials with controlled word predictability［J］.J.Acoust.Soc.Am，1977（61）：1337-1351.

［4］ Wang，H.，V.J.van Heuven.Mutual intelligibility of Chinese，Dutch and American speakers of English［J］//in P.Fikkert，L. Cornips（eds.）.Linguistics in the Netherlands（AVT Publica?tions，20）.Amsterdam/Philadelphia：JohnBenjamins，2003：213-224.

［5］ Tang，C.，V.J.van Heuven.Mutual intelligibility of Chinese dia?lects experimentally tested［J］.Lingua，2009：709–732.

［6］ Tang，C.Mutual intelligibility of Chinese dialects［J］.LOT dis?sertation series，228.LOT，Utrecht，2009.

［7］ Boersma，P.，Weenink，D.Praat，doing Phonetics by computer［J］.Report nr.136，Institute of Phonetic Sciences，University of Amsterdam，1996.