普通话韵律结构对声韵母时长影响的分析

梅晓,熊子瑜

(1.中国社会科学院研究生院 语言系,北京 100102;2.中国社会科学院语言研究所,北京 100732)

1 引言

语音合成的自然度与话语的韵律要素密切相关,曹剑芬[1-2]曾提出“恰当的韵律切分,正确地把握话语的韵律结构,是加强合成语音节奏感,提高其自然度的关键。”而“节奏主要通过规律性的音节时长伸缩和停延分布来实施。”因此,要提高合成语音的自然度,探索普通话节奏特性和韵律结构,需要加强研究与普通话韵律节奏特性相关的声韵母时长变化类型和停顿分布等语音表现。

关于话语韵律结构与韵律单元内各音节(或音素)的时长关系,国外学者很早就开展了研究,并取得了一定的成果,尤其是在英语方面的相关研究,如O ller[3]发现英语单词首的辅音长度比词中的辅音更长;W ightman[4]等主要考察了短语末尾的时长变化,并提出短语末尾音节的时长通常被延长;从类型学的角度出发,Beckman[5]在其他学者研究的基础上,指出高层韵律单元末尾的时长被延长的现象在其他语言中大都存在,并推测该现象可能是所有语言都具有的现象,她同时指出,韵律单元起始位置对时长的影响可能会随着语言类型的不同而发生变化。

对于普通话中音节或声韵母的时长变化与韵律结构之间关系,当前学界的研究结果存在一些分歧,主要体现在韵律词末尾音节以及语调短语末尾音节的时长变化上,而对于韵律短语末尾音节的时长变化,大家基本上都认为韵律短语边界前一音节的时长会有显著延长。曹剑芬[2,6-7]认为,韵律词末尾音节时长可能会延长,韵律短语末尾音节时长会显著延长,而语调短语末尾音节一般没有边界前延长现象,她同时指出韵律词末尾音节时长的延长效果可能会由于语速等原因而被消除掉。而熊子瑜[8]的研究表明,韵律词末尾音节的韵母时长并不延长而是倾向于缩短,韵律短语末尾音节的韵母时长会有显著延长,此外,语调短语末尾音节的韵母时长也会发生显著延长,但其延长幅度同韵律短语相比会有所降低。冯勇强[9]也指出韵律词内部以及末尾的音节时长不发生延长,甚至会缩短,而韵律短语、语调短语末尾音节的时长则会显著延长。此外,倪崇嘉[10]对韵律短语内各不同位置音节及韵母的时长进行了研究,其结论与前人的研究基本一致,即韵律短语(包括主要韵律短语和次要韵律短语,也即本文后来所谓的韵律大短语和韵律小短语)末尾音节的韵母时长会显著延长。关于声母的时长变化和韵律边界的关系,学界也有一些讨论,曹剑芬[11]认为韵律边界后音节的声母时长会延长,并且其延长幅度会随着韵律边界的等级提高而增大。

以往研究结果之所以存在某些差异,主要是由于研究者所采用的韵律标注系统和所使用的研究材料不同所导致。此外,以往研究大多采用单因素方差分析或均值比较的方法来分析音节及声韵母的时长与韵律结构之间的关系,其结果容易受韵律边界位置的声韵调分布不均衡等因素的影响而出现偏误。为了能在一定程度上排除声韵调类型等因素对声韵母时长的固有影响,本研究将基于大规模语音语料库,采用R统计计算工具,以音节的声韵调类型等因素为基本分类变量建立普通话声韵母时长的线性预测模型,然后对比预测时长和实际时长之间的差异来考察韵律边界类型对声韵母时长的影响,进而分析其时长变化类型与话语韵律结构之间的关系。

2 语料和数据

本研究所使用的语料取自中国社会科学院语言所语音室与东芝(中国)研究中心合作开发的“普通话多风格语音库”。本文使用的是其中的一个子库,该库属于单人朗读风格,共有 1 538个话段,含35 504个音节。该子库的发音人是一位年轻的女性播音员,能讲标准流利的普通话,录音过程在消音室内进行,录音质量能满足语音标注和分析的要求。根据音段和韵律的手工标注结果,本文提取出各音节及声韵母的时长数据,以及音节的声韵调类型、音节所在的左右韵律边界类型①韵律边界分为四个等级,从小到大依次是韵律词边界、韵律小短语边界、韵律大短语边界和语调短语边界,下文分别使用 B1、B2、B3和B4来表示,另外使用B0来表示韵律词内的音节边界。等信息。

3 韵律结构对声韵母时长的影响

在这一部分中,本文将系统地分析普通话声韵母时长在语流中的表现,并采用R统计计算工具,通过建立普通话声韵母时长的多因素线性预测模型,来考察影响声韵母时长的因素,然后在此基础上探讨普通话韵律结构对声韵母时长的影响。

3.1 韵律结构对声母时长的影响

图1是基于各类声母的时长均值与其标准差所作的散点图,其中横坐标是语流中各类声母的时长均值,纵坐标是各类声母的时长标准差。单位为：秒。

图1 各类声母的时长均值与标准差的散点图

从图1中所有声母时长均值的分布情况可以大体看出,语流中声母时长与其发音方法密切相关：时长较短的,主要属于不送气塞音;时长中等的,主要属于不送气塞擦音和浊辅音;时长较长的,主要属于送气的塞音、塞擦音以及擦音。由此可以推断,语流中的声母时长应该具有相对较强的稳定性,受其他因素影响而发生较大变化的可能性较小,以保持各类声母在时长上的区分度。表1给出了各预测模型对声母时长分析的预测能力数据,从中可以进一步看出语流中的声母时长几乎不受韵律结构因素的影响。

表1 各预测模型对声母时长的预测能力

在表1中,我们采用R统计工具分析了几种可能会影响声母时长的控制因素：以声母时长为因变量,分别以音节的声母类型、韵母类型、声调类型和话语的韵律结构等因素为自变量,构建声母时长的线性预测模型,然后比较了各个时长模型的预测能力②本文采用 R统计软件中的线性模型(Linearm odel)工具构建声韵母时长的线性预测模型,其模型可以大致描述为：(j,k,…)=di+(f j+fk+…),其中i表示当前的声韵母类型,j、k等表示各类影响因素,如声调类型、前接声母类型、后接韵母类型等,d i表示当前声韵母的基本时长,fj、fk等表示其他因素对基本时长的影响作用。本研究主要关注2个反映预测模型效度的指标,其中Residual standard error指的是标准残差,其值越小,表明模型的预测值与实际值之间的差异越小,模型的预测能力就越强;Multiple R-squared为模型预测值和实际值之间的相关性系数 R的平方值,其值越大,表明模型的预测值与实际值之间的一致性越高,模型的预测能力就越强。我们主要根据这两个指标来衡量时长模型的预测能力,时长模型的预测能力越强,则表明预测模型所采用的控制性因素(自变量)与预测对象(因变量)之间的关联性越密切,自变量对因变量的控制力就越强,对因变量总体变异的解释力就会越高。。模型的预测能力越强,则说明预测模型中所采用的控制因素与声母时长之间的关联性就越强,反之则表明,预测模型中所采用的控制因素与声母时长之间的关联性越弱。

基于表1数据可以看出,声母类型这一控制因素对语流中的声母时长具有较强的预测能力：仅用声母类型作为预测模型的控制因素,其预测值和实际值之间的相关性指标M ultip le R-squared就可以达到80%左右。在增加了音节的韵母类型以及声调类型作为声母时长预测模型的控制因素之后,综合预测能力略有提高,M ultip le R-squared值达到了82%左右。这说明,仅基于音节自身的声韵调信息,特别是声母类型信息,就可以比较精确地预测出语流中的声母时长,剩余残差约为15毫秒。这也说明,在声母时长的总变异中,留给韵律因素进行解释的空间比较小。据此可以预计,韵律因素(如韵律边界类型和重音指数等)对语流中声母时长变化的控制能力相对较弱。这正如表1数据所示,在声母时长预测模型中分别增加音节的左、右韵律边界类型作为控制因素之后,预测模型对声母时长的预测能力提高甚微。因此本文认为,韵律边界对语流中声母时长变化的影响力相对较弱,与声母类型的控制作用相比,其影响几乎可以忽略不计。

表2给出了各韵律边界后一音节的声母时长均值和标准差,从中可以进一步比较韵律边界类型是否会对其后音节的声母时长产生显著影响。

表2 声母时长与其左侧韵律边界类型的关系③

从表2的数据不难看出,韵律边界后一音节的声母平均时长基本不存在“随着韵律边界等级的提高而显著拉长”[11]的倾向性。在B0边界的后边,音节的声母平均时长相对较短;而在B1边界到B4边界的后边,音节的声母平均时长则相对而言较为一致,并没有随边界等级的提高而逐渐延长。这与曹剑芬[11]的观察结果有所不同,出现这种差异可能与语料的性质等因素有关。

总之,本文研究数据表明,语流中的声母时长与声母类型之间的相关性较强,而与韵律边界的相关性较弱,因此,仅基于音节内部的声韵调信息就可以比较精确地预测语流中的声母时长。研究结果还表明,声母时长不具有随着韵律边界等级的提高而显著延长的倾向性。

3.2 韵律结构对韵母时长的影响

接下来考察韵律结构对语流中音节韵母时长的影响,图2是基于各韵母的时长均值与其标准差所作的散点图,其横坐标是语流中各类韵母的时长均值,纵坐标是语流中各类韵母的时长标准差。单位为：秒。

图2 韵母时长均值与标准差的散点图

从图中韵母时长均值可以看出,大多数韵母的时长均值聚集在一起,没有显著的区分性,处于外围的只有“io[io] 、iii[ɿ] 、ii[ɿ]”等少数几个韵母。其中,韵母“io[io]”由于只出现在较大的韵律边界类型之前,韵母往往会被延长,所以其韵母相对较长而且比较稳定 ;韵母“iii[ɿ]”和“ii[ɿ]”的时长均值较短,与其他类型的韵母有一定的区分性,但其标准差却相对过大,这表明它们在语流中的表现不够稳定,可长可短。据此本文认为,韵母类型与韵母时长之间的相关性不强,韵母类型这一因素难以控制韵母在语流中的时长表现。实际上,这也为韵母时长变化实现其他韵律上的功能提供了基础和可能。

从韵母时长的标准差来看,韵母时长在语流中可以有较大幅度的变化,而这种变化又是韵母类型难以控制的,由此可以预知,语流中的韵母时长会受到其他因素的影响而发生显著地变化。除了音节的基本信息之外,还有哪些因素会对语流中的韵母时长产生显著影响,特别是韵律结构会对韵母时长产生多大的影响,是本研究所关注的问题。找出这些影响韵母时长的控制因素,将有助于提高语流中音节的韵母时长的预测精度。

采用前文提到的时长建模方法,我们以语流中的韵母时长为因变量,分别以音节的声母类型、韵母类型、声调类型以及韵律边界等因素为自变量对韵母时长构建线性预测模型,然后比较各预测模型对韵母时长的预测能力。时长预测模型的预测能力越高,则说明预测模型中所采用的控制因素与韵母时长之间的相关性就越强,反之则表明预测模型中所采用的控制因素与韵母时长之间的相关性就越弱。具体数据见表3。

表3 各预测模型对韵母时长的预测能力

从表3数据可以看出,仅根据韵母类型这一因素建立的韵母时长预测模型,其预测能力相对较弱,预测时长和实际时长之间的相关性指标M ultip le R-squared仅为25%左右,这与图2的数据是基本吻合的。即使将音节的声母类型、韵母类型和声调类型这三类因素综合起来,预测时长和实际时长之间的相关性指标 Multiple R-squared也只能达到34%左右,标准残差约为42毫秒,这表明仅依据声韵调这三个因素很难精确预测出语流中的韵母时长。而在增加音节的右韵律边界类型作为一项控制因素之后,韵母时长模型对语流中韵母时长变化的预测能力有了显著提高,Multiple R-squared值提升到62%左右,约提高了28个百分点,剩余残差也同步下降了10毫秒左右,这说明音节的右韵律边界类型会对语流中的韵母时长产生较为显著的影响和控制作用。

表3的数据还显示,声调类型对韵母时长控制力较弱,仅根据声调类型这一因素建立的韵母时长预测模型,其预测时长和实际时长之间的相关性指标Multiple R-squared还不到0.5%,这不符合语音学界的已有认识。曹剑芬[12]曾指出,轻声对韵母时长有很大的影响。通过考察轻声音节在语流中的分布位置,可以发现,大多数轻声音节分布在较大的韵律单元末尾位置,由于其所在音节的韵母时长往往会被显著延长,使得轻声对韵母时长的减缩作用被部分抵消,因此导致轻声音节的韵母时长与其他非轻声音节的韵母时长在整体上没有显现出较大差异。为了还原轻声对语流中韵母时长的影响,图3给出了轻声音节和非轻声音节处于不同类型韵律边界之前的韵母时长均值对比数据,其中横坐标表示音节后的韵律边界,纵坐标表示音节的韵母时长,单位为：秒。

图3 处于不同韵律边界之前的轻声音节(右柱)和非轻声音节(左柱)的韵母时长对比数据

从图3中的“合计”列数据可以看出,轻声音节和非轻声音节的韵母时长均值在总体上并无太大差异,其中轻声音节的韵母时长均值为138毫秒,非轻声音节的韵母时长均值为147毫秒,二者仅相差9毫秒。而基于音节的右侧韵律边界类型进行分类之后,轻声音节和非轻声音节的韵母时长差异才被真正显现出来,都相差了40毫秒左右,这表明轻声的确会对音节的韵母时长产生明显的减缩作用。

另外,图3数据还表明,轻声音节并非总是读的短。这与以前的认识略有不同,过去通常认为轻声音节就应该读的短而弱。而本文观察到,在实际语流里,某些轻声音节的韵母时长也可以被大幅延长,当轻声音节处于B0和B1类的韵律边界之前时,其韵母时长均值只有85毫秒左右,而当它处于B3或B4类的韵律边界之前时,其韵母时长均值可以达到190毫秒左右,延长了一倍多,延长幅度甚至超过了非轻声音节。这表明,处于较大韵律边界之前的轻声音节①据观察,被大幅延长的轻声音节往往属于那些能够独立成词的轻声音节,如"的、了、吗、啊"之类,而这类轻声音节占所出现的轻声音节总数的绝大部分,而类似于“东◦西”这类词语中的轻声音节即便处于较大韵律单元边界位置也很少被拉长。,其韵母时长仍然可以被大幅延长。

基于图3所提供的数据,也可以观察到音节的右侧韵律边界类型会对其韵母时长产生显著的影响,简要总结如下：(1)与B0和B1这两级韵律边界之前的音节韵母时长相比,B2、B3和B4这三级韵律边界会对其前一音节的韵母时长产生一定的延长作用,即使前一音节属于轻声,其延长作用也依然存在。但比较而言,B2对其前一韵母的延长作用相对较弱,而B3和B4的延长作用相对较强。(2)从韵母时长的均值来看,B0和B1之前的韵母时长比较接近,都比较短,似乎可以合并为一类,其中非轻声音节的韵母时长均值在130毫秒左右,轻声音节的韵母时长均值在85毫秒左右;而B3和B4之前的韵母时长比较接近,都比较长,似乎也可以合并为一类,其中非轻声音节的韵母时长均值在230毫秒左右,轻声音节的韵母时长均值在190毫秒左右。这一短一长,不管是轻声音节还是非轻声音节,在均值上都相差100毫秒左右,具有很强的区分性。

3.3 小结

以上研究表明,声母时长与声母类型密切相关,在连续语流中具有较强的稳定性,几乎不受韵律结构的影响;而韵母时长与韵母类型之间的相关性不强,在语流中可以有较大的变化空间。语流中的韵母时长与音节的右韵律边界类型之间的相关性较为密切,当音节的右韵律边界类型为B0或B1时,一般不会出现显著的韵母延长现象,因此其韵母时长通常较短,而当音节的右韵律边界类型为B3或B4时,不管其是否属于轻声音节,往往都会出现显著的韵母延长现象,因此其韵母时长通常都会比较长。从时长均值上看,B2级韵律边界也会对其前一音节的韵母时长产生一定的延长作用,但其延长作用相对较弱,介于延长和非延长之间,而且没有明显的规律性。

4 韵母时长变化类型与韵律结构的关系

通过以上分析,我们观察到韵母时长与韵律边界类型之间存在较强的关联性,这一认识与曹剑芬、熊子瑜、冯勇强等相关研究的观察结果是基本一致的。但本文认为,韵母时长与韵律结构之间的关系研究不应到此为止,如仅从韵母时长的平均值上看,处于B2级韵律边界之前的音节,其韵母时长总体上会有一定程度的延长,但同时其中有很多音节并没有发生显著地韵母延长现象,即使在B3和B4这两级韵律边界之前,也并非所有音节都发生了韵母延长,而在B0和B1这两级韵律边界之前,也存在部分音节发生了韵母延长。因此,还需要进一步去区分和检测哪些音节真正发生了显著地韵母延长,而哪些音节并没有发生显著的韵母延长。如果能进一步找到韵母[+延长]和[-延长]之间的分界线,建立起韵母时长变化类型的区分函数,无疑会有助于加深了解韵母时长变化类型和韵律结构之间的关系,有助于建立[+延长]的区别特征,以用于韵律结构的分析和描写,也可以用于建立更为精准的韵母时长预测模型以及作为改进韵律自动切分的分类依据。下面将探讨韵母时长变化类型的自动检测和分类的方法,并将在此基础上进一步考察韵母时长变化类型与韵律结构的关系。

4.1 韵母时长变化量

由于韵母时长是诸多因素综合作用的结果,直接考察韵母时长和韵律结构的关系,很容易受其他因素的影响而导致结果偏误。因此,要考察韵母时长与韵律结构之间的关系,理论上需要把其他非韵律结构因素对韵母时长的影响一一排除。但由于很多因素对韵母时长的影响作用实际上是综合在一起的,很难完全分割开来进行分析,如轻声对韵母时长的减缩作用往往会与韵律边界对韵母时长的延长作用叠加在一起,有时甚至会相互抵消,因此,只根据韵母时长数据,可能既看不出韵律边界的延长作用,也看不出轻声的减缩作用。为了尽可能地消除其他非韵律性因素对韵母时长的影响,以充分揭示韵律结构对韵母时长的影响,本研究先采用非韵律性因素(如音节的声韵调类型)作为自变量,构建韵母时长的基础预测模型①为了使预测时长和实际时长之间的差异能更好地体现韵律结构对韵母时长的影响,在构建基础预测模型时,应尽可能排除韵律结构信息对预测时长的影响。因此我们在训练基础预测模型时,仅把右韵律边界类型为B0的音节数据纳入训练集,约有1万8千多个音节。另外,在构建基础预测模型时,仅考虑音节的声韵调类型等作为控制因素,从而把韵律因素尽可能排除在基础预测模型之外。,并以此模型对语流中每个音节的韵母时长进行预测,得到各个韵母的基准时长,再计算出各个韵母的实际时长相对于其基准时长的变化量(可以用二者的差值或比值等指标来表示),然后考察韵母时长变化量与韵律结构之间的关系。

图4以“你好,请问是北京国际饭店吗?”这句话的数据为例,根据各个音节韵母的实际时长、预测时长,及其韵母时长变化量②韵母时长变化量=(实际韵母时长-预测韵母时长)/预测韵母时长。进行作图,从中可以大致看出韵律结构和韵母时长变化量之间的关系。其中,上图的纵坐标表示音节的韵母时长,单位为秒,下图的纵坐标表示韵母时长变化量。

图4 韵母的实际时长、预测时长和变化量示意图

从图4可以看出,大部分韵母的实际时长与预测时长比较一致,只有少数韵母的实际时长比预测时长要显著长一些,如“好、问、京、吗”等音节。对比手工标注的韵律边界后发现,在这几个音节之后都出现了较大的韵律边界,“好”后为韵律大短语边界B3,“问”和“京”后为韵律小短语边界 B2,“吗”后为语调短语边界B4,而其余音节之后的韵律边界都相对较小,为B0或者B1。从图 4可以看出,与韵母的实际时长相比,韵母时长变化量与右侧韵律边界类型之间的相关性更为密切。采用上文的方法,我们以韵母时长变化量为因变量,以音节的右侧韵律边 界类型为自变量,建立预测模型,具体数据见表4。

表4 右侧韵律边界类型对韵母时长变化量的预测能力

表4的数据表明,右侧韵律边界的层级能够更好地预测出语流中的韵母时长变化量,预测值与实际值之间的相关性指标达到了46%,而表3中的数据显示,右侧韵律边界的层级对语流中韵母时长的预测能力相对较弱,预测值与实际值之间的相关性指标只有30%左右,二者相比,前者的预测能力高出了16%。这一数据表明,与韵母的实际时长相比,音节的右侧韵律边界类型与韵母时长变化量之间的关系更为密切。这也说明,在剔除了音节基本信息的影响之后,韵律边界对语流中韵母时长的影响更加凸显。因此,接下来我们将通过“韵母时长变化量”这一指标来进一步考察韵律边界的时域特性。

4.2 韵母时长的变化类型

为了考察语流中的韵母时长变化类型与韵律结构之间的关系,我们需要把韵母时长变化区分为[+延长]和[-延长]等类型。如何根据韵母时长变化量,从数据上对韵母时长的变化类型加以区分,以判别一个韵母是否发生了显著延长?关键是选定合适的临界值,韵母变化量大于该临界值的音节赋予[+延长]特征,反之则赋予[-延长]特征。本研究在选定分类临界值时采用以下方法进行操作：将每次分类的结果作为预测模型的一项控制因素,使得增加分类后的预测模型能够获得最大的预测精度。分类临界值的选定过程如下：(1)计算出每个韵母的时长变化量;(2)设定一个初始临界值,当变化量大于此临界值时,设定该韵母具有[+延长]属性,否则认为该韵母具有[-延长]属性,并将分类结果作为韵母时长预测模型的一项新的控制因素,以考察预测模型的综合预测能力;(3)通过向上或向下调节临界值,使得增加[+延长]分类后的预测模型能够对韵母时长获得最大的预测精度;(4)取预测精度最高时的临界值,对韵母时长变化类型进行分类和赋值。临界值的选定过程如图5的数据显示。其中,横坐标表示韵母时长变化量,纵坐标表示设定不同临界值时,各模型对实际韵母时长的预测能力。

图5 [±延长]特征临界值的设定

从图5的数据可以看出,当临界值被设定为0.22时,根据“声、韵、调+韵母是否延长”这四个因素所建立的韵母时长预测模型能够获得最大的预测精度,预测时长与实际时长之间的相关性指标M ultiple R-squared值可以达到75.82%。将所有韵母时长赋值为[+延长]或[-延长]两种类型之后,对比这两类韵母的时长均值,结果表明,二者差异非常显著,均值相差近70毫秒。这表明,[+延长]和[-延长]的区分具有一定的数据统计意义。具体数据见表5。

表5 [+延长]和[-延长]的韵母时长比较

4.3 韵母时长变化类型与韵律结构的关系

表5的数据还表明,具有[+延长]属性韵母的音节约占音节总数的30%左右。接下来,本文将考察这些具有[+延长]属性韵母的音节在语流中的分布位置,及其与韵律结构之间的关系,探讨能否基于韵律结构来预测各音节韵母的[+延长]属性。表6给出了具有[+延长]属性的音节出现在各类韵律边界之前的出现频数和比例的数据：

基于表6数据可以看出,处于B3和B4边界前的韵母往往具有[+延长]属性,而处于B0和B1边界前的韵母则往往具有[-延长]属性。这说明,韵母的[+延长]属性与其所处的韵律边界类型之间存在较强的对应关系。但处于B2边界前的韵母有一半具有[+延长]特征,另一半具有[-延长]特征,这说明B2级韵律边界前的韵母时长变化类型不太一致。究其原因,可能包括两个方面：(1)绝大部分B2级韵律边界处于小句内部,文本上没有对应的标点符号,语音上又缺少明显的停顿,因其缺乏形式上的明确标志而容易导致标注上的不统一;(2)B2级韵律边界有可能不是通过韵母时长上的延长这一手段来体现的,而是采取其他类型的语音线索(如音高跃变)来标明的。如果是第一种原因导致的,则需要我们重新去认识和界定B2级韵律边界;如果是第二种原因导致的,也需要我们从其他语音线索方面为B2级韵律边界找到可靠依据。限于篇幅,这方面的研究工作留待以后进行。

表6 韵母具有[+延长]属性的音节在各类韵律边界之前的出现频数和比例

基于表6数据,本文认为,B0和B1这两级韵律边界具有[-延长]特性,B3和B4这两级韵律边界具有[+延长]特性,这一结果与前文图3的结果是吻合的。而对于B2,本文基于B2边界前一韵母是否延长,暂时将其区分为两种类型：“B2+”和“B2-”,并将在以后的研究中进一步考察它们的分布规律和出现条件。

5 结论

基于大规模语音数据的统计分析,本文得到以下结论：(1)韵律结构对语流中的声母时长影响较小,声母时长主要受控于其声母类型。(2)韵律结构对语流中的韵母时长影响较大：B0和B1这两级韵律边界具有[-延长]特征,其边界前的韵母时长通常不会被显著延长,因此通常较短;B3和B4这两级韵律边界具有[+延长]特征,其边界前的韵母时长通常会被显著延长,因此通常较长;另外,数据还表明,B2级韵律边界对韵母时长的影响不具有明显的倾向性,因此,难以根据韵母时长变化特征来界定B2级韵律边界,尚需要从其他方面对B2级韵律边界的语音特征开展研究。(3)韵律边界对韵母时长的影响作用可以与其他因素的影响作用同步出现,叠加在一起,如较大韵律边界对前一韵母时长的延长作用会在一定程度上抵消轻声对韵母时长的减缩作用。

[1] 曹剑芬.汉语韵律切分的语音学和语言学线索[M].曹剑芬.现代语音研究与探索.北京：商务印书馆,2007,219-230.

[2] 曹剑芬.语言的节奏——贺王均先生八十华诞[M].曹剑芬.现代语音研究与探索.北京：商务印书馆,2007,p231-243.

[3] O ller,D.K..The effect of position in utterance on speech segment duration in English[J].Journa l o f the Acoustical Society o f America,1973,54：1235-1247.

[4] Wightman,C.W.,Shattuck-Hufnagel,S.,Ostendorf,M.,&Price,P..Segmental durations in the vicinity of p rosodic phrase boundaries[J].Journal o f the A coustical Society of America,1992,91,1707-1717.

[5] Beckerman,Beckman,M.E..Evidence for speech rhythms across languages[C]//Y.Tohkura,E.Vatikiotis-Bateson&Y.Sagisaka(Eds.).Speech Perception,Production and Linguistic Structure.Oxford：IOS Press,1992：457-463.

[6] 曹剑芬.汉语普通话语音节奏的初步研究[R].中国社会科学院语言所语音室.语音研究报告,1998,28-37.

[7] 曹剑芬.普通话节奏的声学语音学特性[M].曹剑芬.现代语音研究与探索.北京：商务印书馆,2007,210-218.

[8] 熊子瑜.韵律单元边界特征的声学语音学研究[J].语言文字应用,2003,(2)：116-121.

[9] 冯勇强,初敏,贺琳,吕士楠.汉语话语音节时长统计分析[C]//新世界的现代语音学——第五届全国现代语音学学术会议论文集.北京：清华大学出版社,2001：66-69.

[10] 倪崇嘉,刘文举,徐波.汉语韵律短语的时长与音高研究[J].《中文信息学报》,2009年第4期,p82-p87.

[11] 曹剑芬.音段延长的不同类型及其韵律价值[J].南京师范大学文学院学报,2005年12月第4期,p160-167.

[12] 曹剑芬.普通话轻声音节特性分析[J].应用声学,1986,5(4)：1-6.