語言發音模型研究綜述

張金光

北京大學 中國語言文學系，北京 100871

1 引言

傳統觀點認為語音是離散的線性的序列，是由最小語音單位（音素或音段）按照時間順序排列組合而成的。然而發音音系學（Articulatory Phonology）卻認為言語信號是連續的非線性的語音聚合群，是由交叉重疊的發音器官姿勢（音姿）協同變化產生的[1]。

到底語音是如何產生的?能不能建立模型，模擬語音的產生過程?研究者們做過哪些嘗試?成功和失敗的原因是什么?本文嘗試梳理各種有較大影響的語言發音模型的文獻資料，概括已有的研究成果，探索這些問題的答案。

很早以前，人們就對語言發音的原理產生了濃厚的興趣，并嘗試利用機械手段模擬語言發音過程。在中國，唐朝小說家張鷟所著的《朝野僉載》卷六，有木和尚說話化緣的記載：將作大匠楊務廉，甚有巧思，常于沁州市內刻木作僧，手執一椀，自能行乞，椀中錢滿，關鍵忽發，自然作聲云“布施”，市人競觀，欲其作聲，施者日盈數千矣。在外國，18世紀80年代匈牙利人Wolfgang von Kempelen發明了一個講話機，用風箱模仿肺，用笛子模仿聲帶，用管子模仿口腔，不僅能產生一些元音和輔音，而且能發出完整的詞和短語[2]。第一個基于電子技術的廣為人知的語言發音模型是1939年在紐約世界博覽會上展出的Voder，這個模型用脈沖發生器作為濁音聲源，用噪聲發生器作為清音聲源，用濾波器產生共鳴效果。

語言發音模型的理論基礎是言語產生的聲學理論。根據Stevens的觀點，聲門把氣流通道分成了上下兩部分，對于大多數語音的產生過程而言，聲門以下的系統提供了氣流能量，喉部和聲門以上的結構對氣流進行調制，產生可以聽到的聲音[3]?！?br>