感知語音學

言語信號的感知是將一連串的語音通過連續的、從聽覺到神經的感知系統來完成。由於實驗手段的限制，有些理論還在假説階段，有許多事實還得通過語音實驗間接取得。對於感知的重要機制、神經系統的功能還在探索中。言語聲波的刺激在耳蝸的聽覺感受器中轉化為聽覺神經的衝動，再傳遞給大腦的中樞神經系統，由這個系統加以整理、分類和譯碼。

一般可分為 4個階段：①聽覺的，②語音的，③音位系統的，④語法結構的。

聽覺階段是對純聲音的感覺階段，所接收的是語音的物理參量。它把言語波轉換成為一組組按時間變化的聲型，起着刺激神經的作用。這些聲型包括頻譜結構、基波、振幅、時長等，分別被感覺為一種語言的音位、聲調、響度和快慢等,成為語音感知的階段。它與聽覺階段緊密相聯。聽音人對這類音的認識，或出於習得的本能，或由於環境的濡染，辨別出各種語音信號，所感知的是一種概念模型。這一階段感知的正確程度，因聽話人的母語習慣而有差別。第3階段由聽音人根據自身熟知的語言音系,或通過學習後的理解，把所聽到的語音歸納、對比而辨別出不同的特徵或音位。第4階段是感知的最高層次,有直接的和間接的兩種感知效果。直接的是從聲音的參量來感知，

例如一個詞或句子的特點可由其聲音隨時變的強弱、基波的變化、音節分配的快慢等而區別出詞義或語義。但是，語音在連續語言中的變化很大，有些音會因受前後音的影響而變質,有的會在説快時失落(吃掉),有時或把整詞整句説得含糊，甚至有些詞或被別的詞或插入的咳嗽等所替代，但聽話人還能根據全句全章總的感知而似乎“聽到了”這些音。這個階段有許多成分依賴於社會因素。實驗證明，聽話人每因自身的母語音系與所聽音系的不同，造成感知上的“偏誤”或者用一種似是而非的所謂“中間語”來判斷、摹仿。

語音的聲學特徵和感知特徵往往不相吻合。為了弄清哪些音聽起來與實際聲學參量相符，哪些不符，需要用聽覺測驗來判斷、選擇、分類和對比。對這類實驗通常採用兩種方法：範疇感知和選擇適應。

以元音為例，元音按舌位的高低，例如從 i到a，連續漸變。儘管語音學家可以把它分為4個標準元音【i】、【e】、【ε】、【a】，或作更細的分級，但各等級之間仍有無數的過渡。從前到後各音的舌位也都是如此。所以從音質來講，元音的變化是無限的，而從一個特定語言中具有辨義功能的音位來分，元音又是有限的。從音位的應用可以把無數的元音歸納成若干個音位範疇，因而產生了各範疇之間的音位界線。在不同語言中，由於音系不同,範疇的界線也不同。例如英語的【i:】和【ε】是兩個音位範疇，而西班牙人看來只是一個。漢語中吳方言的塞音有清濁兩個範疇，而在官話方言中就只歸入一個範疇。

把範疇感知的實驗用比較、對比等方法來使聽者作出判斷。這個實驗方法又分兩部分：①辨認，這是用人工合成出來的一系列循序漸變的語音（見言語合成），要求被試者辨認這些音的音位(不是音素)，從而找出音位界線；②區分，用合成的3個音素的音作ABX實驗。其中AB兩音有微小差別，第3個X音則與AB中的某一個音相同,讓被試者區分出哪兩個音是相同的,剩下的一個音是獨異的。這類的實驗只有在高質量的合成技術問世以後，才能得到滿意的結果。它可以用合成手段把各音的聲學參量加減、變型或改變其環境來取得直接或間接的測驗結果。(圖1)是通過改變一個音節中的元音第二共振峯 VOT（見聲學語音學）的波長和趨勢來測試輔音聽辨範疇的示例。

運動理論在言語感知的研究中，近年已被採用。它的一些假説雖然還有爭議，但它能解釋許多關於語言的理解、學習等方面的問題，同時對言語信息處理工程也有指導作用，因此已廣為人們所注意。運動理論的基本內容是：把聽話人聽懂語言的過程分為幾個階段。人們聽辨語音，首先是耳朵聽到各音段的物理特徵，成為聽覺模型。然後通過一系列的處理過程（生理的、物理的、……）變成可聽懂的音位。還有一種説法是：聽話人所感知的音位模型，必然是他自己所能説出的音位模型。這一系列的感知過程聯繫到聽音和發音雙方面。這些複雜過程在神經系統中進行得極快，而且有相互校正的功能。這些理論通過大量的實驗（包括輔音、元音和聲調的感知測驗）提供了根據。運動理論由於實驗對象和方法的不同而有多種解釋。這裏介紹一種“分析—合成”的運動理論(圖 2)。語音首先由聽覺機制 A來分析（例如，用區別特徵的理論來分析），然後在記憶中“存儲”，如 B。它隨即把所聽到的特徵送到比較機制H中和初步的音位解碼機制C中備用。後者將聽覺特徵轉換成一連串暫時譯解的音位，再送到控制機制/判定機制 D，並與這個音位前面的文句混合，得到一連串的試擬音位。這一系列的試擬音位再由音系規則E轉換成一套調音(發音)運動指令F。這些都送入一個合成裝置 G，它把指令再轉成一套聽覺特徵模型，來和原來所存的聽覺模型在H中作比較,其差別（或錯誤）由判定機制來確定。如差誤很小，則判定成立，就把初步擬定的音位作為最終決定。如差誤大，則產生一個新的試擬音位，重複一次合成的過程。這個過程可以反覆進行，直到得出最佳的判斷。這套理論模型不只用來表達音位的感知運動，對於更高層次如音節、詞、句等的感知，也同樣可用。