普通话语音识别中的基本音素分析

张燕

摘要：本文对普通话当中的基本音素进行了分析，并将元音的可变性问题单独提出来做了研究，并根据语音识别中容易产生混淆的音素的声学特征，提出了新的能准确描述音素频谱的特征，使得语音识别的效果得到很大提升。

关键字：普通话 语音识别 基本音素

一、普通话基本音素分析

1.音素的分类。普通话所有的发音，都可以将声母和韵母相拼，再加入声调而成。1958年批准的《汉语拼音方案》将汉语拼音分成21个声母与35个韵母，以及五种音调。但因56个声、韵母中，许多都是由基本音素所构成的复合音，计算机要识别单音特征就显得有一定的难度，为了降低复杂性，先要对普通话的基本音素进行分析和筛选，给从基于音素的语音识别做好铺垫。

2.音素分析。如果从发音特征来考察，普通话的音素包括元音和辅音两大类。元音在发音的过程当中起到主导作用，辅音则辅助发音，汉语拼音的56个声、韵母发音中，有10个汉语元音和22个汉语辅音。所以掌握好了这l0个汉语元音和22个辅音，就能将所有的汉语拼音的发音拼出。元音和辅音分别如下：

元音：a，o，e，i，u，n，仑，i（知），i（资）， er；

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

需要说明一下的是：元音i（知）为zh、ch、sh发音的尾部部分；i（资）为z、c、s发音的尾部部分。在构成汉语拼音的时候，元音i（知）仅在zhi，chi，shi当中出现，它的作用只是为了延长原有发音的尾音。也就是说，i（知）的发音， zh，ch，sh的发音当中已经包含了。所以，在分析基本因素时，只需做好zh，ch，sh的发音，稍微将其尾部延长便可得到zhi，chi，shi的发音。同理，元音i（资）只使用在汉语拼音zi，ci，si中，而其也包含于辅音z ，s的发音中。另外，因为er的发音可由e和r的发音相拼而成，所以它可不作为一个独立音素。根据上述分析，汉语元音音素的数目可由10个减为7个。

二、元音音素的可变性分析

1.研究音素变化的重要性。音节是普通话语音体系当中最基本的结构单位，而音节又是由音素按照一定的方式组成的，所以普通话里面最小的语音结构单位就是音素。可以这样说，发音器官所产生的每次细微的变化，均可以发出不同的音素。因而，分析和探究这些音素在音节当中产生的相互间的变化和影响，对于准确把握普通话的音节或字音，起着非常重要的作用。

2.音素可变性分析。学习普通话时，准确地发出单元音韵母是学习的基础，但是，这种韵母的发音特点是口形始终保持不变，舌位也不移动，但单元音韵母（元音音素）的变化，就是它们一旦进入复韵母和鼻韵母，或是和声母拼合时，所产生的细微变化会被忽视。对于北方人而言，这种可变性在自然语言环境当中耳濡目染就能学会；但对南方人而言，这种变化是一大难点，所以，准确把握元音音素在音节中的可变性，对于语音识别非常重要。

3.以原音i为例的分析。元音i是一个前元音兼高元音，当i与e组合成ie音节时，i和e彼此影响的结果就是舌位会往两者之间的中部稍有移动，因而元音i的实际舌位就已从高降到了次高；而当i与a组成ia时，因a是一个央元音兼低元音，与i之间的差异较大，融合时的影响也就更大，导致i的舌位从高降到了半高；当i与ou组成iou音节时，因o、u均为后元音，且o为半高元音，故i与ou后，其舌位不仅由前往后稍移，并且从高变成了次高并呈半高的趋向，因为只有这样才能与半高元音o顺畅地进行衔接，于是iou音节既有由前往后的舌位趋向，又表现出高（i）——半高（o）——高（u）的发音曲线；当i与n结合成in时，因为舌尖中音n的舌位也靠前偏高，二者的发音趋向一致，此时只要i的舌尖再往前伸，抵住上齿龈，n的韵尾就形成了，因此鼻辅音n几乎不会影响到元音i；当i与ng组合时，因为鼻辅音ng的舌位靠后并偏低，会对i元音造成一定的影响，在发音时，i元音的舌位会形成由高往低、由前往后的趋向，因此前元音兼高元音i在发音之初就已变为次前元音兼次高元音了；i与ong的组合中， o和ng舌位都靠后，并且o是半高元音，ng舌位偏低，受两者的共同影响，i的舌位明显后缩，并且表现出由高往低的趋向，这使其变成了次前元音兼次高元音。

三、对y、w的音素性质分析

y、w是两个较为特殊的因素，兼具元音和辅音的一些特点，下面将它们单独提出来进行因素性质的分析。

1.从发音部位与方法上进行分析。从语音的发声部位和方法来看，发元音时，气流经声门带动声带的振动，通过咽喉、口腔、鼻腔时，没有阻碍；辅音发声时，呼出的气流定会在经过某个发声器官时受阻碍。发元音的时候，除了声带，其余发音器官均保持紧张，而发辅音时，只有形成阻碍的器官才紧张。例如：辅音[k]在发音时，舌根和软腭会紧张。并且，发元音时呼出的气流没有发辅音时急促。由此可见，y、w的发音既接近元音，但又具有辅音的发声特点。这里将y[j]、w[w]两个音素看做辅音，因为“发声时气流有阻碍”是辅音的重要特征，就算它们发音部位接近元音，但满足了这一条件，就该被看做是辅音。

2.从声带振动特点上进行分析。语音是由声带振动引起空气振动产生音波而形成的，可看做是一种物理现象，所以语音又有乐音和噪音之分。从y、w的发声来看，它们发音时只是引起声带稍微的振动，发出的声音不如元音清晰，从这个角度看，我们可以把它们看做是乐音性的噪音。但在元音的分类中，元音被看做是非常纯粹的乐音，所以，y、w也只能被看做辅音了。

3.从音节结构上进行分析。在原来的汉语拼音方案当中，[w]、[j]被认为是韵头，是[u]、[j]的改写，所以将其看做元音，但这样分类显然混淆了概念。因为从音节结构上来看，非常明显[wA]与[jA]是音节，而[uA]、[iA]是韵母，如果进行改换，是非常不合理的。再从音位的角度来看，[jA]当中的[j]和[iA]当中的[i]，[wA]当中的[w]和[uA]当中的[u]是不同的音位，因为[j]和[A]、[w]和[A]可以组成以[j]、[w]做为声母的音节，它们与[i]与[a]、[u]与[a]组成的音节是不同的，只是作为音节的一个部分——韵母。这样来看， [j]、[w]被看做是具有区别意义功能的语音单位，即音位是合理的，此时，y、w就该被归到辅音当中去。

从以上情况的分析来看，y、w应该被看做是辅音而作为声母来使用。

四、结语

汉语普通话当中易混淆的音素很多，要想让語音识别更精准，就要对普通话的音素进行分析和研究，并充分了解音素的可变性，并进行正确的分类，只有在此基础之上，才能提出更先进的识别技术。语

参考文献

[1]王红雨，廖逢钗，卢昌荆等.一种基于语音识别的普通话语音失误判别方法[J].三明学院学报，2007（4）：452-455.

[2]徐秉铮，邱伟.汉语普通话声母的分类与识别[C].第五届全国语音图象通讯信号处理学术会议论文集.

[3]黄中伟，杨磊，徐明等.普通话语音识别中的基本音素分析[J].深圳大学学报（理工版），2006（4）：356-357.

[4]李晨冲.汉语普通话易混淆音素的声学区分[D].西安电子科技大学，2009.

[5]郑泽宏.普通话音节中元音音素的可变性探析[J].职大学报，2011（2）：103-105、122.