论言语发音与感知的互动机制

      语言交际涉及到说与听两方面。从说者的角度来看，说者首先要在言语认知的高级中枢——大脑运动皮层发出发音的运动命令、规划，然后主要运动皮层（primary motor cortex）再发出指令引起神经元（neuron）放电，相关神经元协调和牵动各种肌肉驱动发音体发声，共鸣体改变发出不同的音来。从传播的角度看，随着发音体与共鸣腔内的空气粒子压力发生变化，产生不同性质的声波，声波通过媒介传到听者的耳朵里。从听者的角度来看，声波传送到听者耳朵后，听音器官对外来的语音会有选择性地放大、缩小来提取声学信号再转换成神经脉冲放电，生理电信号传入大脑中枢来重新解码，从而完成一次语言交流过程。发音、语音传播、语音解码三个阶段形成语言链中三个不同的阶段。在语音学里对应于这三个阶段分别形成三个不同的语音学分支：发音语音学（articulatory phonetics）、声学语音学（acoustic phonetics）、听觉/感知语音学（auditory phonetics/speech perception）。

      语言的发音、传播、感知虽然根据语言链的前后关系分成三个不同阶段，但是它们是相互配合和制约的。本文从听与说两方面来深究人类语言交际的机制及其特点，提出说与听有相互配合、同时也相互制约的关系，一旦这种关系失衡，就会误解，再从听者发出此类音，就有可能产生音变。

      2.发音器官与听音器官频率声能互补

      从发音器官来研究言语的产生，可以用“声源+共鸣滤波器”理论（source+filter）来说明。此理论由著名语音学家Gunnar Fant在20世纪60年代初提出（Fant 1960）。肺部出来的气流是声能，所以肺部和声门以下的器官以及里面的气流是言语发声的动力部分。气流通过两片靠拢的声带会产生布鲁力效应（Bernoulli effect）使得声带相向运动而引起振动，从而产生准周期性的脉冲（impulses）声源，声带振动的频率就是基频（Fundamental Frequency），通常写作F0。另一种声源是白噪音声源（white noise），白噪音声源产生于共鸣腔内的某收紧点，收紧点变窄，急速的气流通过产生湍流般噪音，或者收紧点闭塞后突然爆破，产生爆破声源。噪音声源与声带发出的准周期性声源可以叠加，比如浊擦音；也可以分开，比如元音只有准周期声源，清辅音只有噪音声源。声源前的共鸣腔可以假设为一种特定形状的共鸣滤波器（vocal tract filter）。声源发出的声音经过特定的滤波器的修饰，再经过唇辐射放大就是我们人耳听到的语音。图2.01是元音产生的声源+共鸣示意图。

      

      图2.01中的上图声门气流（Glottal airflow）是声门处声带振动引起的气流声波（声门波）。声门波经过共鸣腔再从嘴唇出来（output from lips）就是我们听到的声波。下图的声源谱（source spectrum）是指声门波对应的瞬间频谱，瞬间频谱的纵轴代表振幅，单位是分贝（dB），横轴是频率，单位是赫兹（Hz）。从下图的瞬间频谱图可以看出，随着频率升高，振幅急剧下降，一般来说，正常发声态（modal voice），频率每下降一个倍频程，振幅就下降12dB。不同形状的共鸣腔具有自己特定的共鸣频率（resonances）。图2.01中所示三个共振峰频率（formant frequencies）是相当于均匀共鸣腔管子，类似于发元音时的数值，第一共振峰（F1）为500赫兹，第二共振峰为1500赫兹，第三共振峰是2500赫兹。声门频谱经过共鸣频率的修饰，就产生了我们能从分析仪看到的元音共振峰的输出频谱图（output spectrum）。频谱图里能量总的特点是低频能量高，越往高频，能量越低，这个特点是发音体的生理机制所决定的。

      从感知器官来看，语音感知的特性跟人类特有的听觉器官的特点有密切的关系。人耳听辨声音的频率范围虽然很广阔，覆盖16赫兹到22，000赫兹的频率范围，但是人耳频率分辨率并非线性的，对频率也是有选择性的。成人外耳道的长度大概是2.3cm（0.023m），根据一端闭一端开的管子的共振频率我们可以根据声速（每秒340米）与波长（一端开一端闭的管子是最长波长的四分之一）公式算出这一长度管子的最强的第一共振峰值：340/（4×0.023）=3696赫兹，再加上中耳带宽的扩大效应（带宽大概是500赫兹到5000赫兹）（Rosen & Howell 2011：267），形成低频有坡度，高频陡峭的敏感带宽区域，这种图形叫作往低延伸的带宽图（downward spread of bandwidth）。图2.02是外耳、中耳以及两者叠架声音敏感图（Rosen & Howell 2011：268）。可以看出人耳对2，000赫兹到5，000赫兹的声音反应最为敏感，到达或超过10，000赫兹的声音敏感度会急剧下降（Johnson 2012：86）。