塞音范畴感知研究述评

刘江涛

(杭州电子科技大学信息工程学院，杭州 310023)

引言

语音感知(speech perception)是近半个世纪以来研究的热门领域之一，许多不同研究分支的学者都参与其中，比如听觉语音学，心理语言学，认知及神经科学等等。前人对语音感知范畴的研究大多关注范畴感知(categorical perception)现象[1，2]。人们很容易把听到的语音按范畴归类。具体而言，在塞音感知研究中，浊音起始时间(voice onset time，简称VOT)作为参数把塞音归为不同的范畴。不同的语言可能区分不同的VOT范畴，因此跨语言塞音感知有时很困难。

本文主要综述塞音感知的文献，尽量不涉及言语感知的其他方面，如元音感知，其他类型辅音感知，声调韵律感知等。方便起见，本文先介绍浊音起始时间，进而综述塞音范畴感知和感知训练的相关文献。

一、浊音起始时间

Lisker＆Abramson[3]用浊音起始时间来指塞音除阻(release)到声带开始颤动之间的这段时间。其目的就是想看用浊音起始时间这单个参数能否很好地区分几种语言的塞音范畴。他们选了11种语言，并将其归为三类:两范畴语言，三范畴语言，和四范畴语言。他们的研究结果表明，用VOT来区分音位范畴(phonemic category)是很有效的。

VOT通常很短，要用毫秒来计量。尽管很短，对听话人来说是极其重要的声学音征(acoustic cue)。听话人对它很敏感，用它来把听到的塞音归为清音或浊音[4]。VOT已被证实为区分塞音语音差异的有效声学尺度[5-7]。

大多数语言都只区分三种以内的VOT类型，因为超过三种，人们在听觉上很难区分。这三种类型是:正值VOT，零值VOT，和负值VOT。对应而言，送气清塞音(voiceless aspirated plosive)的VOT值为正，不送气清塞音(voiceless unaspirated plosive)的VOT值为零(或略大于零)，浊塞音(voiced plosive)的VOT值为负。

先以汉语为例，吴宗济[8]38-39录了汉语普通话发音人的音，并测量了汉语塞音在不同元音前时的VOT值。/p/，/t/，和 /k/的VOT值接近零，而 /ph/，/th/，和 /kh/的VOT值均为正值，而且都在100 ms以上。换言之，/p/，/t/，和 /k/是不送气清辅音，/ph/，/th/，和 /kh/是送气清辅音。是否送气区分了/p/和 /ph/，/t/和 /th/，以及 /k/和 /kh/三组。送气(aspiration)是汉语塞音的区别性特征(distinctive feature)。通常认为，汉语塞音都是清音，声带不颤动，因而发声(voicing)并非汉语塞音的区别性特征。

Lisker＆Abramson[3]测量了四个美式英语发音人。应当注意的是，词首重读位置元音前的/b/，/d/，和/g/是不送气清塞音，VOT值接近于零，而相同位置的/p/，/t/和 /k/是送气清塞音，VOT值是正值。因此可以说，词首重读位于元音前时，/b/和/p/，/d/和/t/，/g/和/k/的唯一区别在于是否送气。送气才是它们的区别性特征，而不是发声。从这个意义上说，英语塞音和汉语塞音范畴是一致的。

下面以法语为例谈谈真正区分清浊的情况。法语中/p/，/t/和 /k/是清塞音，当出现在元音前时，就会失去送气，成为不送气清塞音;当出现在半元音前、另一辅音前或位于词尾时，就是送气清塞音。/b/，/d/和 /g/在法语中永远是浊塞音。Caramazza ＆ Yeni-Komshian[9]的研究表明，VOT 在法语中是音位性(phonemic)的，也就是说，讲法语的人要用VOT作为音征来区分清浊。他们还给出了讲法语的人塞音VOT的分布情况。浊塞音/b/，/d/和/g/的VOT值在-150ms至0 ms之间，而不送气清塞音/p/，/t/和 /k/的VOT值在0 ms至30 ms之间。

总结起来，在词首重读位置元音前时，汉语、英语和法语中的塞音都区分两种范畴。但不同的是，汉语和英语都区分送气清塞音和不送气清塞音，而法语区分浊塞音和不送气清塞音。因此，对于母语为汉语的中国人而言，习得英语塞音没有难度，而习得法语塞音难度很大。这些研究对于跨语言塞音感知极为重要。

二、塞音范畴感知

范畴感知是塞音感知的重要特征。塞音范畴感知是指在感知塞音时对不同范畴的塞音很容易识别，表现出非此即彼的特点，而对于同一范畴内声学特征不同的塞音却难以区分。人们在感知时从一个范畴突然跳到另一个范畴，两个范畴间的突然跨越(crossover)被称作音位界线(phoneme boundary)。

范畴感知概念是由Liberman，et al.[2]首次提出的。他们的实验结果表明，从一个范畴到另一个范畴的感知转换是突然的，不连贯的;音位界线处的区分能力明显高于音位范畴之内。

人们不禁会问:这种范畴感知能力是天生的还是后天从环境中习得的?Eimas，et al.[10]首先做了实验。他们让一个月和四个月的美国婴儿听三对语音。结果显示，同一对的第二个语音和第一个语音属于同一范畴时，婴儿的吮吸频率没有变化。当同一对的第二个语音和第一个语音属于不同范畴时，婴儿的吮吸频率急剧增加。这一结果说明，婴儿的感知机制(perceptual mechanism)是天生的，且与语音的范畴一致。

接着，其他研究者[11，12]扩展到对婴儿跨语言语音感知的研究。这些研究最为有趣的一点是，婴儿感知并不局限于母语中的音位对立，他们能够感知其他语言的音位对立，却感知不到母语中的。比如，Lasky，Syrdal-Lasky，＆ Klein[12]的研究说明，语言经验(linguistic experience)对4-6.5个月的婴儿在区分双唇塞音范畴时几乎没有影响。换言之，这个年龄的婴儿清浊界限位置尚未移至母语中的位置。因此可以说，这种范畴感知能力有些是天生的，有些是后天从环境中习得的。

其他研究者[13，14]比较了婴儿和成人的跨语言语音区分能力。结果表明，对某些语音的区分能力会随着年龄增长而下降。也就是说，婴儿在接触母语越来越多后，只形成了母语中的音位范畴，而把其他的范畴丢掉了。Werker＆Tees[15]的研究显示，婴儿的这种能力下降发生在一岁时。

后来，一些研究者[16，17]认为这种变化并不是早期能力的完全消失，实际上是一种音位重组过程:婴儿按照母语中的音位范畴把听到的语音进行归类。那些不属于母语任何一个范畴的语音就不受重组，因此区分能力并未下降。

Best[18]于 1995 年提出了感知同化模式(Perceptual Assimilation Model(PAM))。PAM主要研究人们如何感知二语语音。PAM认为，人们在学习二语时，会根据二语语音和母语语音的相似和不同的程度把二语中的音位对立(sound contrast)归为不同的范畴。如果与母语语音差异过大，无法同化，就归为非语音(non-speech sound)。能归为语音的二语对立再根据是否能同化到母语的范畴进一步分为母语范畴和非母语范畴。如果二语音位对立能被同化为母语音位，则可进一步分为以下三种同化类型:两范畴同化(Two-Category Assimilation，简称TC)，范畴典型性差异同化(Category-Goodness Difference，简称CG)，以及单范畴同化(Single-Category Assimilation，简称 SC)。

感知同化模式在一定程度上解释了为什么成人在学习二语语音时有时会难以区分二语中的音位范畴。就塞音感知而言，如果二语与母语区分不同的VOT范畴，就有可能在区分二语音位范畴时产生困难。

三、感知训练及其效果

一个密切相关且倍受关注的问题是:对学习二语中遇到的区分难度很大的塞音对立，成人能不能通过感知训练(perceptual training)重新区分开?Pisoni，Aslin，Perey，＆ Hennessy[19]的实验表明，只讲英语的美国大学生，经过简单的训练，却能够区分词首位置三种不同的塞音范畴:浊塞音，不送气清塞音，送气清塞音。对他们母语来说，词首位置上只区分不送气清塞音和送气清塞音两范畴，浊塞音和不送气清塞音的对立并非音位性的。结果显示，成人感知塞音范畴的机制是具有可塑性的，可以短期内通过实验室训练改变。紧接着，McClasky，Pisoni，＆ Carrell[20]做了实验，说明这种训练效果会从一个发音部位迁移到另一个，比如只训练双唇塞音的三范畴却也能区分齿龈音的三范畴，反之亦然。

上世纪九十年代起，可以看作是感知训练的快速发展时期。这一时期，感知训练受到了第二语言习得和教学领域很多研究者的重视，并进行了广泛和深入的研究。主要发现可以总结如下:感知训练可以有效促进辅音、元音以及汉语声调的感知[21-23]，感知能力的提高可以改善发音[24，25]，而且训练的效果可以长期保持[26]。最近几年，以感知训练为切入点探讨大脑可塑性以及自上而下的音位加工和自下而上的声学信息加工神经机制的文章出现了不少[27，28]。

另外，感知训练的方法也开始多样化，比如“高变异语音训练法”(high variability phonetic training)[21，25]、“适应性知觉训练法”(adaptive training)[24，29]、“视听知觉训练法”(audiovisual perceptual training)[30]等等。

结语

本文综述了塞音范畴感知和感知训练的相关文献。以往的研究表明，婴儿在出生后不久就表现出某种范畴感知能力，这种能力与其母语经验无关。婴儿的音位范畴在大约一岁时才调整到与母语音位范畴一致，并且固定下来。成人在学习二语语音时，很容易把二语中的音位对立归为不同的范畴。感知同化模式在一定程度上解释了为什么成人在学习二语语音时有时会难以区分二语中的音位范畴。人们尝试用感知训练的方法来建立新的音位范畴，取得了一定的效果，训练效果还可以长期保持。感知训练的方法也开始多样化。这些研究对于二语语音习得和语音教学都具有良好的启示。

[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]吴宗济.汉语普通话单音节语图册[M].北京:中国社会科学出版社，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.，Fiez，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.