塞音范疇感知研究述評(píng)

劉江濤

(杭州電子科技大學(xué)信息工程學(xué)院，杭州 310023)

引言

語音感知(speech perception)是近半個(gè)世紀(jì)以來研究的熱門領(lǐng)域之一，許多不同研究分支的學(xué)者都參與其中，比如聽覺語音學(xué)，心理語言學(xué)，認(rèn)知及神經(jīng)科學(xué)等等。前人對(duì)語音感知范疇的研究大多關(guān)注范疇感知(categorical perception)現(xiàn)象[1，2]。人們很容易把聽到的語音按范疇歸類。具體而言，在塞音感知研究中，濁音起始時(shí)間(voice onset time，簡稱VOT)作為參數(shù)把塞音歸為不同的范疇。不同的語言可能區(qū)分不同的VOT范疇，因此跨語言塞音感知有時(shí)很困難。

本文主要綜述塞音感知的文獻(xiàn)，盡量不涉及言語感知的其他方面，如元音感知，其他類型輔音感知，聲調(diào)韻律感知等。方便起見，本文先介紹濁音起始時(shí)間，進(jìn)而綜述塞音范疇感知和感知訓(xùn)練的相關(guān)文獻(xiàn)。

一、濁音起始時(shí)間

Lisker＆Abramson[3]用濁音起始時(shí)間來指塞音除阻(release)到聲帶開始顫動(dòng)之間的這段時(shí)間。其目的就是想看用濁音起始時(shí)間這單個(gè)參數(shù)能否很好地區(qū)分幾種語言的塞音范疇。他們選了11種語言，并將其歸為三類:兩范疇語言，三范疇語言，和四范疇語言。他們的研究結(jié)果表明，用VOT來區(qū)分音位范疇(phonemic category)是很有效的。

VOT通常很短，要用毫秒來計(jì)量。盡管很短，對(duì)聽話人來說是極其重要的聲學(xué)音征(acoustic cue)。聽話人對(duì)它很敏感，用它來把聽到的塞音歸為清音或濁音[4]。VOT已被證實(shí)為區(qū)分塞音語音差異的有效聲學(xué)尺度[5-7]。

大多數(shù)語言都只區(qū)分三種以內(nèi)的VOT類型，因?yàn)槌^三種，人們?cè)诼犛X上很難區(qū)分。這三種類型是:正值VOT，零值VOT，和負(fù)值VOT。對(duì)應(yīng)而言，送氣清塞音(voiceless aspirated plosive)的VOT值為正，不送氣清塞音(voiceless unaspirated plosive)的VOT值為零(或略大于零)，濁塞音(voiced plosive)的VOT值為負(fù)。

先以漢語為例，吳宗濟(jì)[8]38-39錄了漢語普通話發(fā)音人的音，并測(cè)量了漢語塞音在不同元音前時(shí)的VOT值。/p/，/t/，和 /k/的VOT值接近零，而 /ph/，/th/，和 /kh/的VOT值均為正值，而且都在100 ms以上。換言之，/p/，/t/，和 /k/是不送氣清輔音，/ph/，/th/，和 /kh/是送氣清輔音。是否送氣區(qū)分了/p/和 /ph/，/t/和 /th/，以及 /k/和 /kh/三組。送氣(aspiration)是漢語塞音的區(qū)別性特征(distinctive feature)。通常認(rèn)為，漢語塞音都是清音，聲帶不顫動(dòng)，因而發(fā)聲(voicing)并非漢語塞音的區(qū)別性特征。

Lisker＆Abramson[3]測(cè)量了四個(gè)美式英語發(fā)音人。應(yīng)當(dāng)注意的是，詞首重讀位置元音前的/b/，/d/，和/g/是不送氣清塞音，VOT值接近于零，而相同位置的/p/，/t/和 /k/是送氣清塞音，VOT值是正值。因此可以說，詞首重讀位于元音前時(shí)，/b/和/p/，/d/和/t/，/g/和/k/的唯一區(qū)別在于是否送氣。送氣才是它們的區(qū)別性特征，而不是發(fā)聲。從這個(gè)意義上說，英語塞音和漢語塞音范疇是一致的。

下面以法語為例談?wù)務(wù)嬲齾^(qū)分清濁的情況。法語中/p/，/t/和 /k/是清塞音，當(dāng)出現(xiàn)在元音前時(shí)，就會(huì)失去送氣，成為不送氣清塞音;當(dāng)出現(xiàn)在半元音前、另一輔音前或位于詞尾時(shí)，就是送氣清塞音。/b/，/d/和 /g/在法語中永遠(yuǎn)是濁塞音。Caramazza ＆ Yeni-Komshian[9]的研究表明，VOT 在法語中是音位性(phonemic)的，也就是說，講法語的人要用VOT作為音征來區(qū)分清濁。他們還給出了講法語的人塞音VOT的分布情況。濁塞音/b/，/d/和/g/的VOT值在-150ms至0 ms之間，而不送氣清塞音/p/，/t/和 /k/的VOT值在0 ms至30 ms之間。

總結(jié)起來，在詞首重讀位置元音前時(shí)，漢語、英語和法語中的塞音都區(qū)分兩種范疇。但不同的是，漢語和英語都區(qū)分送氣清塞音和不送氣清塞音，而法語區(qū)分濁塞音和不送氣清塞音。因此，對(duì)于母語為漢語的中國人而言，習(xí)得英語塞音沒有難度，而習(xí)得法語塞音難度很大。這些研究對(duì)于跨語言塞音感知極為重要。

二、塞音范疇感知

范疇感知是塞音感知的重要特征。塞音范疇感知是指在感知塞音時(shí)對(duì)不同范疇的塞音很容易識(shí)別，表現(xiàn)出非此即彼的特點(diǎn)，而對(duì)于同一范疇內(nèi)聲學(xué)特征不同的塞音卻難以區(qū)分。人們?cè)诟兄獣r(shí)從一個(gè)范疇突然跳到另一個(gè)范疇，兩個(gè)范疇間的突然跨越(crossover)被稱作音位界線(phoneme boundary)。

范疇感知概念是由Liberman，et al.[2]首次提出的。他們的實(shí)驗(yàn)結(jié)果表明，從一個(gè)范疇到另一個(gè)范疇的感知轉(zhuǎn)換是突然的，不連貫的;音位界線處的區(qū)分能力明顯高于音位范疇之內(nèi)。

人們不禁會(huì)問:這種范疇感知能力是天生的還是后天從環(huán)境中習(xí)得的?Eimas，et al.[10]首先做了實(shí)驗(yàn)。他們讓一個(gè)月和四個(gè)月的美國嬰兒聽三對(duì)語音。結(jié)果顯示，同一對(duì)的第二個(gè)語音和第一個(gè)語音屬于同一范疇時(shí)，嬰兒的吮吸頻率沒有變化。當(dāng)同一對(duì)的第二個(gè)語音和第一個(gè)語音屬于不同范疇時(shí)，嬰兒的吮吸頻率急劇增加。這一結(jié)果說明，嬰兒的感知機(jī)制(perceptual mechanism)是天生的，且與語音的范疇一致。

接著，其他研究者[11，12]擴(kuò)展到對(duì)嬰兒跨語言語音感知的研究。這些研究最為有趣的一點(diǎn)是，嬰兒感知并不局限于母語中的音位對(duì)立，他們能夠感知其他語言的音位對(duì)立，卻感知不到母語中的。比如，Lasky，Syrdal-Lasky，＆ Klein[12]的研究說明，語言經(jīng)驗(yàn)(linguistic experience)對(duì)4-6.5個(gè)月的嬰兒在區(qū)分雙唇塞音范疇時(shí)幾乎沒有影響。換言之，這個(gè)年齡的嬰兒清濁界限位置尚未移至母語中的位置。因此可以說，這種范疇感知能力有些是天生的，有些是后天從環(huán)境中習(xí)得的。

其他研究者[13，14]比較了嬰兒和成人的跨語言語音區(qū)分能力。結(jié)果表明，對(duì)某些語音的區(qū)分能力會(huì)隨著年齡增長而下降。也就是說，嬰兒在接觸母語越來越多后，只形成了母語中的音位范疇，而把其他的范疇丟掉了。Werker＆Tees[15]的研究顯示，嬰兒的這種能力下降發(fā)生在一歲時(shí)。

后來，一些研究者[16，17]認(rèn)為這種變化并不是早期能力的完全消失，實(shí)際上是一種音位重組過程:嬰兒按照母語中的音位范疇把聽到的語音進(jìn)行歸類。那些不屬于母語任何一個(gè)范疇的語音就不受重組，因此區(qū)分能力并未下降。

Best[18]于 1995 年提出了感知同化模式(Perceptual Assimilation Model(PAM))。PAM主要研究人們?nèi)绾胃兄Z語音。PAM認(rèn)為，人們?cè)趯W(xué)習(xí)二語時(shí)，會(huì)根據(jù)二語語音和母語語音的相似和不同的程度把二語中的音位對(duì)立(sound contrast)歸為不同的范疇。如果與母語語音差異過大，無法同化，就歸為非語音(non-speech sound)。能歸為語音的二語對(duì)立再根據(jù)是否能同化到母語的范疇進(jìn)一步分為母語范疇和非母語范疇。如果二語音位對(duì)立能被同化為母語音位，則可進(jìn)一步分為以下三種同化類型:兩范疇同化(Two-Category Assimilation，簡稱TC)，范疇典型性差異同化(Category-Goodness Difference，簡稱CG)，以及單范疇同化(Single-Category Assimilation，簡稱 SC)。

感知同化模式在一定程度上解釋了為什么成人在學(xué)習(xí)二語語音時(shí)有時(shí)會(huì)難以區(qū)分二語中的音位范疇。就塞音感知而言，如果二語與母語區(qū)分不同的VOT范疇，就有可能在區(qū)分二語音位范疇時(shí)產(chǎn)生困難。

三、感知訓(xùn)練及其效果

一個(gè)密切相關(guān)且倍受關(guān)注的問題是:對(duì)學(xué)習(xí)二語中遇到的區(qū)分難度很大的塞音對(duì)立，成人能不能通過感知訓(xùn)練(perceptual training)重新區(qū)分開?Pisoni，Aslin，Perey，＆ Hennessy[19]的實(shí)驗(yàn)表明，只講英語的美國大學(xué)生，經(jīng)過簡單的訓(xùn)練，卻能夠區(qū)分詞首位置三種不同的塞音范疇:濁塞音，不送氣清塞音，送氣清塞音。對(duì)他們母語來說，詞首位置上只區(qū)分不送氣清塞音和送氣清塞音兩范疇，濁塞音和不送氣清塞音的對(duì)立并非音位性的。結(jié)果顯示，成人感知塞音范疇的機(jī)制是具有可塑性的，可以短期內(nèi)通過實(shí)驗(yàn)室訓(xùn)練改變。緊接著，McClasky，Pisoni，＆ Carrell[20]做了實(shí)驗(yàn)，說明這種訓(xùn)練效果會(huì)從一個(gè)發(fā)音部位遷移到另一個(gè)，比如只訓(xùn)練雙唇塞音的三范疇卻也能區(qū)分齒齦音的三范疇，反之亦然。

上世紀(jì)九十年代起，可以看作是感知訓(xùn)練的快速發(fā)展時(shí)期。這一時(shí)期，感知訓(xùn)練受到了第二語言習(xí)得和教學(xué)領(lǐng)域很多研究者的重視，并進(jìn)行了廣泛和深入的研究。主要發(fā)現(xiàn)可以總結(jié)如下:感知訓(xùn)練可以有效促進(jìn)輔音、元音以及漢語聲調(diào)的感知[21-23]，感知能力的提高可以改善發(fā)音[24，25]，而且訓(xùn)練的效果可以長期保持[26]。最近幾年，以感知訓(xùn)練為切入點(diǎn)探討大腦可塑性以及自上而下的音位加工和自下而上的聲學(xué)信息加工神經(jīng)機(jī)制的文章出現(xiàn)了不少[27，28]。

另外，感知訓(xùn)練的方法也開始多樣化，比如“高變異語音訓(xùn)練法”(high variability phonetic training)[21，25]、“適應(yīng)性知覺訓(xùn)練法”(adaptive training)[24，29]、“視聽知覺訓(xùn)練法”(audiovisual perceptual training)[30]等等。

結(jié)語

本文綜述了塞音范疇感知和感知訓(xùn)練的相關(guān)文獻(xiàn)。以往的研究表明，嬰兒在出生后不久就表現(xiàn)出某種范疇感知能力，這種能力與其母語經(jīng)驗(yàn)無關(guān)。嬰兒的音位范疇在大約一歲時(shí)才調(diào)整到與母語音位范疇一致，并且固定下來。成人在學(xué)習(xí)二語語音時(shí)，很容易把二語中的音位對(duì)立歸為不同的范疇。感知同化模式在一定程度上解釋了為什么成人在學(xué)習(xí)二語語音時(shí)有時(shí)會(huì)難以區(qū)分二語中的音位范疇。人們嘗試用感知訓(xùn)練的方法來建立新的音位范疇，取得了一定的效果，訓(xùn)練效果還可以長期保持。感知訓(xùn)練的方法也開始多樣化。這些研究對(duì)于二語語音習(xí)得和語音教學(xué)都具有良好的啟示。

[1]Harnad，S.Categorical perception:The groundwork of cognition[C].Cambridge:Cambridge University Press，1987.

[2]Liberman，A.M.，Harris，K.S.，Hoffman，H.S.，et al.The discrimination of speech sounds within and across phoneme boundaries[J].Journal of Experimental Psychology，1957，54(5)，358-368.

[3]Lisker，L.，＆ Abramson，A.S.A cross-language study of voicing in initial stops:Acoustical measurements[J].Word，1964，20(3)，384-442.

[4]Ashby，M.，＆ Maidment，J.Introducing phonetic science[M].Cambridge:Cambridge University Press，2005:92.

[5]Cho，T.，＆ Ladefoged，P.Variation and universality in VOT:Evidence from 18 languages[J].Journal of Phonetics，1999，27，207-229.

[6]Klatt，D.Voice onset time，frication，and aspiration in word-initial consonant clusters[J].Journal of Speech ＆ Hearing Research，1975，18，686-706.

[7]Lisker，L.，＆ Abramson，A.S.Some effects of context on voice onset time in English stops[J].Language＆ Speech，1967，10，1-28.

[8]吳宗濟(jì).漢語普通話單音節(jié)語圖冊(cè)[M].北京:中國社會(huì)科學(xué)出版社，1986.

[9]Caramazza，A.，＆ Yeni-Komshian，G.H.Voice onset time in two French dialects[J].Journal of Phonetics，1974，2，239-245.

[10]Eimas，P.D.，Siqueland，E.R.，Jusczyk，P.，et al.Speech perception in infants[J].Science，1971，171(3968)，303-306.

[11]Aslin，R.N.，Pisoni，D.B.，Hennessy，B.L.，et al.Discrimination of voice onset time by human infants:New findings and implications for the effects of early experience[J].Child Development，1981，52(4)，1134-1145.

[12]Lasky，R.E.，Syrdal-Lasky，A.，＆ Klein，R.E.VOT Discrimination by four to six and a half month old infants from Spanish environments[J].Journal of Experimental Child Psychology，1975，20，215-225.

[13]Trehub，S.E.The discrimination of foreign speech contrasts by infants and adults[J].Child Development，1976，47(2)，467-472.

[14]Werker，J.F.，Gilbert，J.H.V.，Humphrey，K.，et al.Developmental aspects of cross-language speech perception[J].Child Development，1981，52(1)，349-355.

[15]Werker，J.F.，＆ Tees，R.C.Cross-language speech perception:Evidence for perceptual reorganization during the first year of life[J].Infant Behavior and Development，1984，7，49-63.

[16]Best，C.T.The emergence of native-language phonological influences in infants:A perceptual assimilation model[A].In J.C.Goodman＆ H.C.Nusbaum(Eds.)，The development of speech perception:The transition from speech sounds to spoken words[C](pp.167-224).Cambridge，MA:The MIT Press，1994.

[17]Werker，J.F.，＆ Pegg，J.E.Infant speech perception and phonological acquisition[J].In C.A.Ferguson，L.Menn，＆ C.Stoel-Gammon(Eds.).Phonological development:Models，research，and implications[C](pp.285-311).Timoniun，MD:York Publishing Company，1992.

[18]Best，C.T.(1995).A direct realist view of cross-language speech[A].In W.Strange(Ed.)，Speech perception and linguistic experience:Issues in cross-language research[C](pp.171-203).Baltimore:York Press.

[19]Pisoni，D.B.，Aslin，R.N.，Perey，A.J.，et al.Some effects of laboratory training on identification and discrimination of voicing contrasts in stop consonants[J].Journal of Experimental Psychology:Human Perception and Performance，1982，8(2)，297-314.

[20]McClasky，C.L.，Pisoni，D.B.，＆ Carrell，T.D.Transfer of training of a new linguistic contrast in voicing[J].Perception＆ Psychophysics，1983，34，323-330.

[21]Logan，J.S.，Lively，S.E.，＆ Pisoni，D.B.Training Japanese listeners to identify English/r/and/l/:a first report[J].Journal of the Acoustical Society of America，1991，89(2)，874-886.

[22]Liu，J.A study of training effect on the perception of the voicing contrast in French plosives[D].Jinan:Unpublished M.A.thesis，Shandong University，2009.

[23]Wang，Y.，Spence，M.M.，Jongman，A.，et al.Training American listeners to perceive Mandarin tones[J].Journal of the Acoustical Society of America，1999，106(6)，3649-3658.

[24]McClelland，J.L.，F(xiàn)iez，J.A.，＆ McCandliss，B.D.Teaching the/r/-/l/discrimination to Japanese adults:behavioral and neural aspects[J].Physiology＆ Behavior，2002，77，657-662.

[25]Wang，Y.，Jongman，A.，＆ Sereno，J.A.Acoustic and perceptual evaluation of Mandarin tone productions before and after perceptual training[J].Journal of the Acoustical Society of America，2003，113(2)，1033-1043.

[26]Bradlow，A.R.Akahane-Yamada，R.，Pisoni，D.B.，et al.Training Japanese listeners to identify English/r/and/l/:Long term retention of learning in perception and production[J].Perception ＆ Psychophysics，1999，61(5)，977-985.

[27]Zhang，Y.，Kuhl，P.K.，Imada，T.，et al.Neural signatures of phonetic learning in adulthood:A magnetoencephalography study[J].NeuroImage，2009，46，226-240.

[28]Liebenthal，E.，Desai，R.，Ellingson，M.M.，et al.Specialization along the left superior temporal sulcus for auditory categorization[J].Cerebral Cortex，2010，20(12)，2958-2970.

[29]Golestani，N.＆ Zatorre，R.J.Individual differences in the acquisition of second language phonology[J].Brain ＆ Language，2009，109(2-3)，55-67.

[30]Hazan，V.，Sennema，A.，Iba，M.，et al.Effect of audiovisual perceptual training on the perception and production of consonants by Japanese learners of English[J].Speech Communication，2005，47(3)，360-378.