声调的困惑之9--10 声调的约定俗成机制

皮扎诺

最后的一个基础性问题——声调的约定俗成机制

　　　本贴通过分析个体音节发音中声调的差异，找出群体对声调识别的共同点，目的是为了探讨声调形成的社会基础——声调的约定俗成机制，而最终通过声调的形成机制来更好地认识声调的概念。

[基本依据]

　　　本贴基本观点的依据是：语言是约定俗成（包括语言的规范本身）的结果，语言的任何成分都是约定俗成出来的，语言中的任何成分也都是约定俗成的结果。声调也不例外，之所以汉语是有声调的语言而西方语言不是，这是因为汉语有声调约定俗成的机制而西方语言则没有。在西方人看来，不同的音节调的同一个“音节”是没有区别的，而在中国人看来，不同的音节调的同一个“音节”则是有区别的。这其中就要讨论人类的发音的控制能力和人类的听觉能力的问题等问题。

[声调的约定俗成条件]

　　　约定俗成机制其本质是一种社会协议，包括行政上对语言的规范和改造本身也是一种社会协议，只有大家都有能力识别并且认定了的东西才能成为约定俗成的对象。一个音高类型要形成一个声调必须具备如下的约定俗成的条件：
1，这个音高类型必须全体语民都能听得懂，就是说，全体语民都能轻松区别出来，A说B能听懂，反过来B说A也能听懂，这是声调的听觉识别性；
2，这个音高类型必须全体语民都能发得出来，就是说，全体语民都能轻松发出这个音高类型来，A说B能听懂，反过来B说A也能听懂，这是声调的发音识别性；
3，这个音高类型在任何语气环境中都能辨别（指听觉辨别水平），人类之所以能在各种各样的变调中区别是某汉字的读音而不是别的汉字的读音，这不单单出于声母或者韵母的唯一特性，而且还出于音节调的唯一特性，人们根据这种唯一特性来区分出唯一的汉字。反过来，一种学术认定了的声调调型也必须在任何语气环境中都具有唯一的辨别特征，否则这个学术认定了的声调调型一定是不准确的，这是声调的语气识别性；
4，这个音高类型在整个语种的任何一个音节中都表现相同特性，如不论在音节ta还是音节pang中都表现出相同的特性，人们根据这种特性来判断两个不同的汉是否属于“同调”， 这是声调的音节识别性；
5，这个音高类型对同一个语民来说，他所发的每一次这个音高类型都具有相同的特性，就是说，他读某个汉字任何时候读音都相同的音高类型，这是声调的语民识别性。

[音高的层次性]

　　　从praat语音分析级别的比较中可以看到，任何一个音节（比如“ 中国语言论坛”这六个音节），一个人只要发出了其中的一个音，要想发出第二个完全相同的两个音几乎是不可能的。这说明了在这个级别的音高差异是不可能形成人类语言的声调的，因为不论是靠人类的口腔控制能力还是人类的听觉辨别能力都无法区分这种水平的差异。这个不可认定性的例子说明了一个约定俗成的基本原理——最起码必须让约定俗成的各方都能识别，所以，探讨声调的定义最终需要回到听觉水平的音高特征的分析，下面的分析需要运用[语音学的学术模式]和[调体和调缀]等讨论贴中得出的结论，请参照这两个贴。

[音高的时段性]

　　　第一个问题——音高的时段的概念，单一点的音高是不可能形成声调的。所以，象“中国汉语方言调类、调值总表 (http://www.free-han.org/php/bbs/attachments/15_17_1103725576.rar)”中定义的某方言某调值是2或者4这样的调值表达是很不科学的。实际上，2应该是22，4应该是44，不然别人就会产生2和22是两个不同的调型的误解，实际上是不可能形成2和22这样两个不同的调型的。

[语速对音高的影响]

　　　不管人类的音节调（包含声调和语调）如何地千变万化，语速对音高的影响呈现这样的一个规律：语速越快音高变化的可能性就越小。当人类说话语速快到一定程度的时候，音节调就仅仅剩下调体了。本文试图通过声调的约定俗成机制来解释：是并且只能是音节中的调体才是真正形成汉语的声调。就是说，调尾是不可能形成声调的。

　　　基于约定俗成机制的原则这样的观点出发，就会发现，现代汉语的很多思考方法不够科学，如：1）现代汉语语料鉴定声调时用“单字时的读音为模版”来鉴别声调调值显然是不科学的；2）根据《音节调》中的分析，调体是不可能形成折调的，意思就是说，汉语声调理论中关于普通话的第三声调值214的定义是不正确的。......

　　　本贴的结论：声调概念的内涵和外延是由音高的社会属性——语言的约定俗成的机制决定的，约定俗成的本质是一种社会协议，是一种全体语民的认同。而全体语民对音高的认知存在一种识别的基准，声调概念的内涵和外延最终由这个基准所决定。

皮扎诺

　　　根据声调的特性，声调有音高和音长两个特性，对每一个个体而言，声调呈现为一个连续的音高进程，所以，记录一个声调可以用线性的方法进行记录。本贴的目的是：根据语言约定俗成的机制，通过分析音高线条的层次性，逐层比较各个层面的音高线条在语音感知中的意义，最终确定声调概念的具体内涵与外延。

一，[音高的层次性]

1，个体差异
1.1，[语音实验模式下的音高线条(个体的单次音节发音音高)]
为了形象具体，我引用了一次语音实验下记录的时间—频高（time_pitch）列表数据如：
Time_s   F0_Hz
0.460011   --undefined--
0.470011   --undefined--
0.480011   --undefined--
0.490011   --undefined--
0.500011   --undefined--
0.510011   --undefined--
0.520011   --undefined--
0.530011   --undefined--
0.540011   102.248571
0.550011   103.969379
0.560011   103.049526
0.570011   101.354614
0.580011   100.829836
0.590011   101.064190
0.600011   101.274021
0.610011   101.706102
0.620011   102.536407
0.630011   104.179636
0.640011   106.610018
0.650011   109.147189
0.660011   111.613082
0.670011   113.894735
0.680011   116.092985
0.690011   117.980563
0.700011   120.861395
0.710011   123.668893
0.720011   124.371973
0.730011   --undefined--
0.740011   --undefined--
　　　这是一个汉语普通话“音节”的“节”字的读音记录，从列表中可以看到，音节的音高(F0)随时间的进程从0.54秒时位置的102Hz到0.72秒时位置的124Hz，呈一个逐渐升高的音高变化趋势，所以，这是一个上升型声调。
　　　这个列表所记录的是固定某个人的某次发音，而且此次发音的对具体的一个音节（固定元音、辅音和声调）的单次发音。这个列表所记录的音高是一种按时间进程变化的音高曲线，这个曲线的特点是：绝对音高和单一曲线。
1.2，个体的异次音节发音音高
Time_s   F0_Hz
0.554399   --undefined--
0.564399   --undefined--
0.574399   --undefined--
0.584399   --undefined--
0.594399   --undefined--
0.604399   --undefined--
0.614399   --undefined--
0.624399   --undefined--
0.634399   --undefined--
0.644399   --undefined--
0.654399   90.911544
0.664399   90.984430
0.674399   90.713247
0.684399   90.431630
0.694399   90.696677
0.704399   91.141425
0.714399   91.218399
0.724399   92.458244
0.734399   93.665702
0.744399   95.351172
0.754399   96.822301
0.764399   98.208516
0.774399   99.617817
0.784399   101.329557
0.794399   101.854741
0.804399   102.454558
0.814399   103.711461
0.824399   105.622841
0.834399   107.692350
0.844399   110.422788
0.854399   113.449018
0.864399   116.995733
0.874399   120.857838
0.884399   124.067564
0.894399   128.779893
0.904399   132.580414
0.914399   137.008762
0.924399   141.377210
0.934399   145.643866
0.944399   145.040598
0.954399   140.388604
0.964399   --undefined--
0.974399   --undefined--
0.984399   296.715269
0.994399   298.646461
1.004399   303.595727
1.014399   308.886403
　　　这是同一个人第二次普通话“音节”的“节”字的读音记录。跟第一次读音比较，它们的时程和频高都不一致，说明了在实验水平之下，同一个人对同一个音节的异次发音并不相同（见图jie1-2_jiu1）。这个比较说明了：个体的异次音节发音音高不是单一线条而是一条重叠的模糊“曲线”，这个模糊“曲线”的特点是：相对音高和模糊“曲线”。

1.3，个体的异音节同调发音音高
Time_s   F0_Hz
0.694127   --undefined--
0.704127   --undefined--
0.714127   90.212604
0.724127   92.279626
0.734127   95.270737
0.744127   94.665363
0.754127   94.767716
0.764127   94.377757
0.774127   94.178658
0.784127   94.154567
0.794127   93.392289
0.804127   92.887182
0.814127   93.001100
0.824127   93.259929
0.834127   94.548715
0.844127   95.245979
0.854127   95.766834
0.864127   97.149190
0.874127   98.654801
0.884127   99.969646
0.894127   101.417476
0.904127   103.108770
0.914127   105.038115
0.924127   106.531996
0.934127   109.786121
0.944127   113.896310
0.954127   117.182594
0.964127   122.282890
0.974127   126.368707
0.984127   129.823074
0.994127   133.513415
1.004127   135.072649
1.014127   138.177219
1.024127   138.239879
1.034127   138.982446
1.044127   136.312536
1.054127   134.545596
1.064127   --undefined--
1.074127   --undefined--
　　　这是同一个人第一次普通话的“jiu2”的读音记录。跟前两次“jie2”读音比较，它们的时程和频高都不一致，说明了在实验水平之下，同一个人同声调不同音节的异次发音音高并不相同（见图jie1-2_jiu1）。这个比较说明了：个体的异音节发音音高同样不是单一线条而是一条重叠的模糊“曲线”，这个模糊“曲线”的特点是：相对音高和模糊“曲线”。


　　　但是，本节的目的并不是要具体分析这些数据，而是要用约定俗成机制来进行鉴别。从上面可以的数据看，显而易见：这么精细的音高线条的识别不是人类所能做得到的，因此这个层面（实验层面）音高线条不具备约定俗成的意义，所以结论是：声调不是仪器水平的音高线条而只能是人耳听觉水平的音高线条。
　　　听觉的心理感知是一个模糊的概念，现代心理学尚不能用一种数学模式来表达，关于音高的心理感知曲线是难以描述的（这部分内容将在下面尝试性进行讨论）

2，[不同个体的音高线条——相对调高]
　　　这里只强调一下汉语声调的概念中的音高是一种相对的音高。我们知道，不同的人的发音音域是不同的，就是说，对不同的人来讲，最高音、最低音的频率并不一样。这一点已经被现代物理学、生理学和国外的语音学所证明，所以在这里是不必要再去求证的。这里我要强调的“国外的语音学”是因为“国外的语音学”与“中国语音学”不同，“国外的语音学”是一种建立在确凿的证据和严密的逻辑基础之上的学科，因而它是科学的，它的观点是不必要再去重复求证的。
　　　既然音阶对个体并不一样，作为音高进程的汉语声调也理所当然地是相对的音高进程。而对群体(不同的个体)而言，音高进程就是一个由多条音高线条组成的一个集合，因此，不妨把四声理解成如下图的模式（这是一种框架声调）：
　　　
　　　这样，对群体(不同的个体)而言，音高进程不再是音高线条而仅仅是一种平、升、降的感念，这个概念实际上正好就是语言约定俗成机制的基准。由于约定俗成，语言是一种社会的概念。语言的社会性，其表现首先就是群体性，只有群体的认同同时也必须是群体能够认同才有可能形成语言的元素，声调也不外乎此。
　　　由此也可以看出，声调这个概念表达的是一种相对的音高而不是绝对的音高，音高的高低对于汉语的声调概念是不重要的，重要的是音高的升降方向。这是因为存在个体本身音高的差异，声调作为群体（社会性）的产物，声调的音高识别被个体差异所制约，因而声调的音高高低只能被置于次要的位置。所以结论是：声调的音高进程总的来说要表示的是一种音高进程的方向而不是音高线条本身，就是说声调是一种框架而不是一个模板。
　　　这个结论也说明了现代汉语语音学所使用的五度标调法的局限性，五度标调法表示的是一种音高的线条，而声调概念表示的是音高进程的方向的集合。

　　　根据简单的逻辑，方向有并且只能向上、平向和向下3个方向，这就是上升调型（上声）、平行调型（平声）和下降调型（去声）。

二，[音高的时段性——音高线条的内部差异]

　　　前面谈到音节调可以细分成调体和调缀两大部分，本节我将用约定俗成机制来证明“汉语声调的构成有并且只有调体，而不可能是包含调缀的整个音节调”。
......

皮扎诺

　　学过音乐的人就会知道，音乐的十二自然音(1、1#、2、2#、3、4、4#、5、5#、6、6#、7)看似简单，但要准确掌握它们实则不容易，即使是音乐的专业人士，除非这个专业人士天生有非常高的乐感，不然，不经过五年十年艰苦浸淫是无法掌握准确的。
　　汉语的声调与音乐的音阶可以说是属于同一个范畴的物理概念，声调的高低变化难以掌握准确是可以想象的，这大概也是为什么世界上绝大多数语言不是声调语言的原因之一。象五度标调法中“35”、“34”、“45”这样的一组音高类型，作为一个平常的老百姓要准确区分应该说是不容易的。这样问题来了，约定俗成是一种群众性机制，既然群众无法区别，然则在同一种方言中有没有可能同时出现“35”、“34”、“45”这样的截然分明的两个或者三个调型？实际上这个答案是非常清楚的——没有共同的感知基础就没有约定俗成的基础，没有约定俗成的基础也就没有共同的声调。所以，现实中声调不可能是跟象汉语言学五度标调法中那样精确的概念。

　　这个例子说明了：
1，约定俗成是一个非常复杂的机制，对不同的语言对象其机制各不相同，其复杂到可以独立成为一门学科；
2，不论音高(ptich)还是调(tone)都是一个非常复杂的对象。

[ 本帖最后由 皮扎诺 于 2006-7-17 19:08 编辑 ]