声调的困惑之16—— 关于自然声调

皮扎诺

原帖由 sjiong 于 2006-5-21 18:56 发表
　　五度值是指单字可能有的调值。在语流中，五度的标尺是模糊的。你要是有本事标出语流中五度的标尺，你就会进入巨大的困境。那是知识观念中的僵化。

　　我个人的体会是，五度标调的方法在语流中依然起着十分重要的作用，它比单纯的原始音高曲线、对数指数音高曲线或者其它的如基频归一曲线等更接近于人的听觉对声调的感知。这种简略的关于声调的数学模式没有进入巨大的困境，正好相反，它几乎能解释语流中的所有的音高现象。不过，说实在的，我几乎没有任何机会接触最先进的语音识别技术，因此我不好妄下结论说现行的理论模式是否会陷入这样的困境。但常识告诉我，出发点和方向错误就很难达到目的地，如果字调、声调、调型、音高曲线等这些最基本概念都搞混淆了，要想在谬论的基础上得到正确的答案几率几乎等于零，所以，我不相信现代汉语实验语音学会取得什么突破性的成果。

一，[自然声调]
　　简单地向学生们灌输说“声调是相对音高”这样的说法实际上是在误导学生的，声调是相对音高那是语音中的事实不错，因为对群体而言，不同人的音域以及音域内部构成的自然音阶可能是千差万别的。但是，说声调是绝对音高那也是语音中的事实，因为对具体的某人发的某个音来说，它的音高是绝对固定的。没有绝对固定的音高，人类的耳朵是无法分辨出声调来的，相对音高本质是由无数的绝对音高构成的。基频归一法的作用就是解决相对音高和绝对音高的关系，并最终转化为具有可比性的绝对音高，而朱晓农教授的成就就在于用数学逻辑公式来实现这个转换。但是，基频归一法最终得到的是一条音高曲线而不是直接声调的概念，因此，它离声调的识别依然存在着很大的距离，它仅仅是实现声调分析的中间环节中的一种手段而已。
　　就象上例中对“李小宝九点写讲演稿”的分析那样，五度标调的数学模式是实实在在地可行的，只不过这不是从现代汉语言学中关于普通话“声调（实际是字调）”的那种定义去分析的，从不同的声调定义角度出发去理解“李小宝九点写讲演稿”这些语料，就会发现有截然不同的结果。只要接触过计算机语言的人都能理解这一点：要用数学逻辑来捕获上例数据的声调字调特性是完全可以做得到的（如上表1中的数据）。方法是，后一个F0(n+1)减去前一个F0(n)得到一个差值D(n)，差值D(n)为正值则说明是上升，差值D(n)为负值则说明是下降。再将所有的差值D(n)统计，就可以得出整个音高曲线的总的升降方向：
1，D(n)统计值为正值说明是上升（即上声），
2，D(n)统计值为负值说明是下降（即去声），
3，D(n)统计值等于0则说明是平行（即平声）。
　　但是，这样的简单计算尚存在一个缺陷，这是因为在实践中，D(n)统计值是很难等于零值的，顶多是无限接近于零值，因而计算得出来的音高方向很难是平行的曲线，得出来的基本上只有上升和下降两种情形。而实际上，轻微的上升和轻微的下降是很难被人类的听觉辨别出来的，但是轻微的上升和轻微的下降在人类的听觉中仍然是一种平行音高变化的感觉。这表示着，音高曲线统计所得的升调和降调中，有相当一部分在听觉中实质是平行的调型而不是上升或者下降的情形。实际上，只有升降的幅度达到一定的程度才会被人类的听觉辨别出来，这个被人类听觉所辨别出来的“显著不同”的升降幅度就是自然音阶，而五度标调中的度本质就是自然音阶。就是说，只有升降的幅度超出自然音阶的升降曲线才是真正的升降曲线。自然音阶，就是因为这个客观东西的存在，使得五度标调的方法在语流中依然起着十分重要的作用，因为它比原始音高曲线、对数指数音高曲线或者其它的如基频归一曲线等更接近于人的听觉对声调的感知。

　　象上例对“李小宝九点写讲演稿”的分析中，将整条曲线五度分段，按五度分段的法则20+为高音，4-为低音，12为中音分界，16为次高音分界，8为次低音分界（如果该D(n)曲线为明显的前后正负两个方向，则说明这是个折调，折调本质不是声调而仅仅是一种语腔）。五度标调法在语音识别中的意义在于识别真正听觉意义的平行调，而不是要给语流中的每个音推算出准确的五度标调值。当然，在分析调型的时候，推算出来的五度标调值是很直观的，这有助于学术交流中描述。但是，汉语声调识别不需要这样准确的五度测量，汉语的声调概念仅仅是个关于音高的高低升降的概念，而这也是听觉唯一能识别的概念，而只有全体语民都能够实现听觉识别的概念才是声调（以及语言中的所以组成）被约定俗成出来的真正前提，约定俗成是语言的本质，所以，高低升降才是声调的本质。

　　基于上面的这个数学模式的分析思路，起码可以轻松地实现用机器捕获下列与声调有关的六个概念(表1)：
                  1，高音区平行调——(阳平)；
                  2，高音区上升调——(阳上)；
                  3，高音区下降调——(阳去)；
                  4，低音区平行调——(阴平)；
                  5，低音区上升调——(阴上)；
                  6，低音区下降调——(阴去)。
　　具体的算式仍需推敲，仍需要加进调体、调缀、腔调等因素，但学过计算机语言的人几乎都能轻松地理解做到这一点并不难，但相比之下，要想对相对音高曲线识别出象214这样的一条类型来曲线是多么的不容易！现代实验语音学的错误在于把“214”这样的由某个声调之一的某个调型中的某个腔调变体当作声调来看待并越级地去让它执行字调功能(鉴别语意功能)，象这样的曲线比较法做语音识别不单会“进入巨大的困境”，那简直是笑话！
　　表1括号里的阴、阳、平、上、去调名是我皮扎诺加上去的，不是我本人固执地要跟现代汉语语音学的权威理论过不去，而是因为“阳平、阳上、阳去、阴平、阴上、阴去”这些概念确确实实地是可以被现代科技的机器所识别的，是可以被人的耳朵所识别的，是跟伟大的中华民族的祖先所说的“阴、阳、平、上、去”概念完全一致的，产权属于中华民族的祖先而不是皮扎诺。
　　机器能识别这六个基本调型是很重要的，我个人认为这六个基本调类是自然调类而不是人为的主观调类，它是超越于语音学理论的客观存在，是超语种（不论是普通话还是粤语或者吴语等）的共性，是完全可以实现数学模式机器捕捉的切实可摸的自然概念。


二，[普通话声调(字调)与这6个自然调型的关系]

：
(纯属皮扎诺个人的猜想)普通话四个字调与六个基本调类之间的关系（表2）：
                  1，第一字调(现名阴平) = 阳去53
                  2，第二字调(现名阳平) = 阳上35+阴上13
                  3，第三字调(现名上声) = 阴平22+阴上13+阴去31+(阴上13变调而成的—>)阳上35+(阴去31变调而成的—>)阳去53
                  4，第四字调(现名去声) = 阳平55

　　回顾前面的分析，“李34小55宝32九35点434写32讲34演45稿21”这几个普通话第三字调（即现代汉语所说的上声）出现了两种声调：+阴去31和阳上35，二者都落在上表2的框架之内。

为什么普通话的声调系统是这样的一个框架？

　　实际上这个问题是很容易解释的，解释这个问题的关键就是——历史，但在回答这个问题的时候遇到了现代汉语言学设置的人为障碍，这个障碍就是“普通话的本质是什么？”，因为现代汉语言学的一纸革命文件“规定”了普通话是1955年忽然从天上掉下来的“自然语言”，并且规定了普通话是没有历史的语言。因此，中国的学者们没有从历史上去解释普通话声调的形成的权利。这显然在难为了中国的那些学者们了，好在我皮扎诺跟这些吃皇粮的学者们无关，所以，在这里我还是顽固地要从历史起源的角度去解释普通话的这四个字调的本质。
　　我个人认为普通话这种语言是有历史的自然语言而不是从天上掉下来的，普通话的本质就是北京内城的满族人学讲的汉语，这就是说普通话是一种模仿汉语。由于普通话的这个本质，决定了普通话的语音、词汇、语法等它所有一切语言内涵都不可能超出满族人对汉语理解力所能及的范畴，理所当然地，作为模仿的一种汉语声调，普通话的声调体系同样地也受到满族人理解力所制约。因此，要想了解普通话的声调，必须同时从汉语和满语两个调式体系出发才能真确理解它的本质。
　　我想，既然中华民族的伟大先祖们所说的“阴、阳、平、上、去、入”指的是音高的高低升降这些概念(这可以从任意一部古典韵律书籍中得到明确的左证)，这就是说古汉语的声调是自然声调而不是象现代汉语言学革命文件所规定出来的那种人为声调，那么，古汉语的声调就必然是这个自然声调模式（表3）：
       1，高音区平行调(代表调型如55)——(阳平)；
       2，高音区上升调(代表调型如35)——(阳上)；
       3，高音区下降调(代表调型如53)——(阳去)；
       4，低音区平行调(代表调型如22)——(阴平)；
       5，低音区上升调(代表调型如13)——(阴上)；
   6，低音区下降调(代表调型如31)——(阴去)。
　　汉语对世界上其它语言的特点是：
1），汉语是有声调语言；
2），汉语是高低音双系语言。
　　而满语对汉语的特点是：
1），满语是无声调语言；
2），满语是纯高音语言。
　　这就是说满族人说话的音高只是汉语民的一半，即只有
1，高音区平行调(代表调型如55)——(阳平)；
2，高音区上升调(代表调型如35)——(阳上)；
3，高音区下降调(代表调型如53)——(阳去)；
　　可见，满族人说话的音高都在这三个高音区声调所涉及的音域之内，因此，满族人能轻易地区分汉语的这三个高音区声调，这三个高音区声调分别形成了普通话声调体系的第四声（字调）、第一声（字调）和第二声（字调），即：
       1，高音区平行调(代表调型如55)——(阳平)——>第4声（字调）；
       2，高音区上升调(代表调型如35)——(阳上)——>第2声（字调）；
　　3，高音区下降调(代表调型如53)——(阳去)——>第1声（字调）。
　　由于满族人无法区分低音声调，满族人遇到汉语的阴平22、阴上13和阴去31的这三个声调的汉字时听觉上是完全相同的，所以，满族人只能把汉语的阴平22、阴上13和阴去31这三个低音声调当作一个字调来理解，这个字调就是普通话声调体系的第三声（字调）：
       4，低音区平行调(代表调型如22)——(阴平)——第3声（字调）
       5，低音区上升调(代表调型如13)——(阴上)————>第3声（字调）
　   6，低音区下降调(代表调型如31)——(阴去)——第3声（字调）
　　所以，普通话只有四个声调（实际上这是字调而不是声调）。
　　另一方面，由于满语是无声调语言，满族人对音高的升降变化同样是把握不准确的，致使汉语的一部分低音区上升调型阴上13声调被理解成高音区上升调型阳上35。就是说，对满族人来讲，阴上13和阳上35这两个声调是无法区分的，两个声调的不同读音的汉字完全混淆成相同读音的字（同音字），因此，普通话的第二声（字调）实际上包含有两个自然声调，即阴上13和阳上35。同时，普通话的第三声（字调）里面同样有阴上13这个自然声调，就是说，汉语的阴上13这个自然声调被普通话分派开来做区别两个字调，即普通话的第二声（字调）和第三声（字调）。
因此，普通话的声调体系实际上就形成了这样的一个模式（表3）：
                  1，第一字调(现名阴平) = 阳去53；
                  2，第二字调(现名阳平) = 阳上35+阴上13；
                  3，第三字调(现名上声) = 阴平22+阴上13+阴去31+(阴上13变调而成的—>)阳上35；
                  4，第四字调(现名去声) = 阳平55。
　　普通话的这个声调体系的形成是很容易证明的，方法是：只要从现在的北方方言区的五亿中国人当中任意挑选一位不会粤语的北方成年人来学粤语，这个北方成年人所学成的“粤语”的声调体系就变成如上表3中所示的那个声调体系模式（就是“北方广州话”）。

字调、声调和调型的区别
　　赵元任先生曾经十分风趣地把汉语的声调称呼为字调，实际上， 赵先生发现了汉语的声调与汉字的不可分割的关系。显而易见也不可辩驳地，汉语的声调是服务于汉字的，离开了汉字也就不存在汉语的声调。
　　从汉字的字义上看，“声”显然是指声音，“调”的意思显然是指一种音高模式，所以，“声调”的意思显然是指声音(语音)的音高模式，这个词的意思明显是指语音作为声音的一种客观特性而不是指一种功能。而“字调”的意思显然是指从功能上看一个汉字所统领的声调。所以，字调和声调是不同的概念。
　　现代汉语言学的声调调型命名是建立在读音映射（以中古音为核心，但中古音是无人知道的，因而实际上以普通话为核心）的基础之上的，这种命名既不是建立在对汉语声调调型的客观特性之上，也不是建立在汉语声调调型的功能之上，而是建立在汉语各方言的音系调系的关系的基础之上。这就是以普通话为核心的声调命名体系，但是，这样的命名法则实际上割裂了声调调型的自然特性，割裂了古今汉语调性的本质关系，它与客观现实是不相符的。
　　所以，把声调和字调混为一谈我觉得不妥当。汉语的声调是服务于汉字的这不错，但这只说明汉语声调的功能而不是声调的客观特性，而世界上任何一个科学的定义永远是建立在对被定义对象的客观特性的高度概括之上，现代汉语也应该引进科学性的严肃性，所以，还是应该把声调和字调分开来定义较为妥当。

　　理解了普通话声调体系的本质后，就能理解为什么“…要是有本事标出语流中五度的标尺，你就会进入巨大的困境……”了，因为这是在一开始就是由谬误织成的庞大学术体系的茧中打滚，这是用自己的生命去实践别人的谎言，所以我不相信这条路会有什么结果。

[ 本帖最后由 皮扎诺 于 2006-7-13 19:34 编辑 ]