普通話語音識別中的基本音素分析

張燕

摘要：本文對普通話當中的基本音素進行了分析，并將元音的可變性問題單獨提出來做了研究，并根據語音識別中容易產生混淆的音素的聲學特征，提出了新的能準確描述音素頻譜的特征，使得語音識別的效果得到很大提升。

關鍵字：普通話 語音識別 基本音素

一、普通話基本音素分析

1.音素的分類。普通話所有的發音，都可以將聲母和韻母相拼，再加入聲調而成。1958年批準的《漢語拼音方案》將漢語拼音分成21個聲母與35個韻母，以及五種音調。但因56個聲、韻母中，許多都是由基本音素所構成的復合音，計算機要識別單音特征就顯得有一定的難度，為了降低復雜性，先要對普通話的基本音素進行分析和篩選，給從基于音素的語音識別做好鋪墊。

2.音素分析。如果從發音特征來考察，普通話的音素包括元音和輔音兩大類。元音在發音的過程當中起到主導作用，輔音則輔助發音，漢語拼音的56個聲、韻母發音中，有10個漢語元音和22個漢語輔音。所以掌握好了這l0個漢語元音和22個輔音，就能將所有的漢語拼音的發音拼出。元音和輔音分別如下：

元音：a，o，e，i，u，n，侖，i（知），i（資）， er；

輔音：b，P，m，f，d，t，n，l，g，k，h，j，q，x， zh，ch，sh，r，z，c，s，ng

需要說明一下的是：元音i（知）為zh、ch、sh發音的尾部部分；i（資）為z、c、s發音的尾部部分。在構成漢語拼音的時候，元音i（知）僅在zhi，chi，shi當中出現，它的作用只是為了延長原有發音的尾音。也就是說，i（知）的發音， zh，ch，sh的發音當中已經包含了。所以，在分析基本因素時，只需做好zh，ch，sh的發音，稍微將其尾部延長便可得到zhi，chi，shi的發音。同理，元音i（資）只使用在漢語拼音zi，ci，si中，而其也包含于輔音z ，s的發音中。另外，因為er的發音可由e和r的發音相拼而成，所以它可不作為一個獨立音素。根據上述分析，漢語元音音素的數目可由10個減為7個。

二、元音音素的可變性分析

1.研究音素變化的重要性。音節是普通話語音體系當中最基本的結構單位，而音節又是由音素按照一定的方式組成的，所以普通話里面最小的語音結構單位就是音素。可以這樣說，發音器官所產生的每次細微的變化，均可以發出不同的音素。因而，分析和探究這些音素在音節當中產生的相互間的變化和影響，對于準確把握普通話的音節或字音，起著非常重要的作用。

2.音素可變性分析。學習普通話時，準確地發出單元音韻母是學習的基礎，但是，這種韻母的發音特點是口形始終保持不變，舌位也不移動，但單元音韻母（元音音素）的變化，就是它們一旦進入復韻母和鼻韻母，或是和聲母拼合時，所產生的細微變化會被忽視。對于北方人而言，這種可變性在自然語言環境當中耳濡目染就能學會；但對南方人而言，這種變化是一大難點，所以，準確把握元音音素在音節中的可變性，對于語音識別非常重要。

3.以原音i為例的分析。元音i是一個前元音兼高元音，當i與e組合成ie音節時，i和e彼此影響的結果就是舌位會往兩者之間的中部稍有移動，因而元音i的實際舌位就已從高降到了次高；而當i與a組成ia時，因a是一個央元音兼低元音，與i之間的差異較大，融合時的影響也就更大，導致i的舌位從高降到了半高；當i與ou組成iou音節時，因o、u均為后元音，且o為半高元音，故i與ou后，其舌位不僅由前往后稍移，并且從高變成了次高并呈半高的趨向，因為只有這樣才能與半高元音o順暢地進行銜接，于是iou音節既有由前往后的舌位趨向，又表現出高（i）——半高（o）——高（u）的發音曲線；當i與n結合成in時，因為舌尖中音n的舌位也靠前偏高，二者的發音趨向一致，此時只要i的舌尖再往前伸，抵住上齒齦，n的韻尾就形成了，因此鼻輔音n幾乎不會影響到元音i；當i與ng組合時，因為鼻輔音ng的舌位靠后并偏低，會對i元音造成一定的影響，在發音時，i元音的舌位會形成由高往低、由前往后的趨向，因此前元音兼高元音i在發音之初就已變為次前元音兼次高元音了；i與ong的組合中， o和ng舌位都靠后，并且o是半高元音，ng舌位偏低，受兩者的共同影響，i的舌位明顯后縮，并且表現出由高往低的趨向，這使其變成了次前元音兼次高元音。

三、對y、w的音素性質分析

y、w是兩個較為特殊的因素，兼具元音和輔音的一些特點，下面將它們單獨提出來進行因素性質的分析。

1.從發音部位與方法上進行分析。從語音的發聲部位和方法來看，發元音時，氣流經聲門帶動聲帶的振動，通過咽喉、口腔、鼻腔時，沒有阻礙；輔音發聲時，呼出的氣流定會在經過某個發聲器官時受阻礙。發元音的時候，除了聲帶，其余發音器官均保持緊張，而發輔音時，只有形成阻礙的器官才緊張。例如：輔音[k]在發音時，舌根和軟腭會緊張。并且，發元音時呼出的氣流沒有發輔音時急促。由此可見，y、w的發音既接近元音，但又具有輔音的發聲特點。這里將y[j]、w[w]兩個音素看做輔音，因為“發聲時氣流有阻礙”是輔音的重要特征，就算它們發音部位接近元音，但滿足了這一條件，就該被看做是輔音。

2.從聲帶振動特點上進行分析。語音是由聲帶振動引起空氣振動產生音波而形成的，可看做是一種物理現象，所以語音又有樂音和噪音之分。從y、w的發聲來看，它們發音時只是引起聲帶稍微的振動，發出的聲音不如元音清晰，從這個角度看，我們可以把它們看做是樂音性的噪音。但在元音的分類中，元音被看做是非常純粹的樂音，所以，y、w也只能被看做輔音了。

3.從音節結構上進行分析。在原來的漢語拼音方案當中，[w]、[j]被認為是韻頭，是[u]、[j]的改寫，所以將其看做元音，但這樣分類顯然混淆了概念。因為從音節結構上來看，非常明顯[wA]與[jA]是音節，而[uA]、[iA]是韻母，如果進行改換，是非常不合理的。再從音位的角度來看，[jA]當中的[j]和[iA]當中的[i]，[wA]當中的[w]和[uA]當中的[u]是不同的音位，因為[j]和[A]、[w]和[A]可以組成以[j]、[w]做為聲母的音節，它們與[i]與[a]、[u]與[a]組成的音節是不同的，只是作為音節的一個部分——韻母。這樣來看， [j]、[w]被看做是具有區別意義功能的語音單位，即音位是合理的，此時，y、w就該被歸到輔音當中去。

從以上情況的分析來看，y、w應該被看做是輔音而作為聲母來使用。

四、結語

漢語普通話當中易混淆的音素很多，要想讓語音識別更精準，就要對普通話的音素進行分析和研究，并充分了解音素的可變性，并進行正確的分類，只有在此基礎之上，才能提出更先進的識別技術。語

參考文獻

[1]王紅雨，廖逢釵，盧昌荊等.一種基于語音識別的普通話語音失誤判別方法[J].三明學院學報，2007（4）：452-455.

[2]徐秉錚，邱偉.漢語普通話聲母的分類與識別[C].第五屆全國語音圖象通訊信號處理學術會議論文集.

[3]黃中偉，楊磊，徐明等.普通話語音識別中的基本音素分析[J].深圳大學學報（理工版），2006（4）：356-357.

[4]李晨沖.漢語普通話易混淆音素的聲學區分[D].西安電子科技大學，2009.

[5]鄭澤宏.普通話音節中元音音素的可變性探析[J].職大學報，2011（2）：103-105、122.