汉语言文学（师范）专业本科生常熟口音普通话声调的声学特征及教学对策

金耀华

（常熟理工学院 师范学院，江苏 常熟 215500）

地方普通话“是方言区的人学习非母方言的共同语（即普通话）的过程中产生的中介语现象”。[1]以语音为例，虽然普通话“以北京音为标准音”，但是由于中国幅员辽阔、方言众多，且语音上差异巨大，方言区人在学习普通话时，受自身母语方言的干扰（interference），多多少少会带上一定的口音。本文以具有常熟（虞山镇）方言背景的汉语言文学（师范）专业本科生为发音人，收集其普通话声调的声学数据，并使用“增长曲线分析”法，将常熟口音普通话声调与标准普通话声调进行对比，分析两者的异同。最后在此基础上提出教学建议，以供普通话教学参考。

一、研究背景

关于方言普通话语音特点的研究，可谓成果众多，主要分为三大类。第一类是基于1957年全国各省（市）方言普查工作的成果编写的“某地人学习普通话手册”；第二类是以国家语言文字工作委员会普通话培训测试中心编制的《普通话水平测试实施纲要》为基础，由各省级普通话测试中心编写的《普通话水平测试指导用书》；第三类则是专门针对某地方言使用者普通话语音特点进行的调查研究（这类调查不属于1957年方言普查的范围）。

上述研究对比了方言区使用的普通话与以北京音为标准音的普通话（以下简称“标准普通话”）在语音层面的差异（很多研究还涉及词汇、语法层面），指出了某地方言口音普通话的特点，并提出了针对性的学习建议，为推广普通话提供了巨大的帮助。

同时，已有研究也存在一些不足。首先，研究成果难以反映各地方言普通话的全貌。依据二十世纪五十年代末全国范围方言调查结果编写的“某地人学习普通话手册”共有300多种，出版72种[2]。《普通话水平测试指导用书》按省份编写，只有三十余本。针对地方普通话进行研究的论著中，具有代表性的有陈亚川的《 “地方普通话”的性质特征及其他》一文[1]。文章在已有研究成果的基础上，对“方言普通话”的本质特征及其内涵和外延做了详细分析，并提出“方言普通话”和“方言口音普通话”两个系列名称以便在全国范围内推广使用。该文以及其他相关论文的发表，大力推动了方言普通话的研究。尽管如此，上述研究成果仍无法覆盖中国各方言区的所有方言点，所指出的方言口音普通话的语音现象者或主要针对代表点方言（如姚佑椿的《上海口音的普通话说略》[3]），或者只能反映大片区域内方言普通话的共同特点（如陈亚川的《闽南口音普通话说略》[4]），致使对语言特征的描写不够深入。其次，由于条件限制，二十世纪进行的方言普通话研究，在描写语音特点时主要依赖研究者的主观听感，直到进入二十一世纪后，实验语音学研究手段才逐渐引入，但数量不多。具体而言，使用声学手段的研究主要有李爱军等[5]，陈娟文等[6]，吴玉萍[7]，邵鹏飞[8]，于珏等[9]，于珏、李爱军[10]，殷洁[11]；使用感知手段的研究主要有廖毅、张薇[12]，于谦、黄乙玲[13]。其中，借助声学手段且专门针对方言口音普通话声调展开的研究只有陈娟文等的《上海普通话与普通话双音节词连读调的差异》[6]以及殷洁的《普通话上声的性别、年龄和方言背景变异》[11]。其中，陈娟文等研究的是双字调，而非作为声调研究基础的单字调。殷洁一文比较了两组被试者普通话单字调的声学差异。其中一组发音人全部为北京方言背景（30位）；另一组集合了10位南方方言背景发音人（分别来自吴、徽、粤、客、闽以及西南官话方言区）。由于非北京地区的发音人方言背景差异巨大，该文并非是基于单一方言口音普通话声调特点进行的研究。因此可以认为，使用声学手段针对单一地区方言普通话单字调语音特征进行深入研究的相关领域目前尚属空白。

二、声学数据采集

（一）常熟普通话声学数据采集

常熟为江苏省苏州市下辖县级市，常熟市区位于苏州市区北约40公里处。根据《中国语言地图集（第2版）》[14]的划分，常熟及周边地区方言属于吴语太湖片苏嘉湖小片。由于内部差异较大，通常以常熟城区虞山镇①虞山镇于2017年撤销，改为虞山、常福、莫城和琴川4个街道。本文仍沿用虞山镇这一名称。的方言为常熟代表方言[15]。本文中的常熟话发音人共23位，其中女性20人，男性3人，全部生长于虞山镇，操虞山镇方言（如不加说明，下文中的“常熟普通话”专指带有常熟虞山镇方言口音的普通话）。调查时（2023年春），发音人均为常熟理工学院中文系汉语言文学（师范）专业一至三年级本科生，年龄在19-21岁之间。

在进行声学数据采集时，我们将普通话中常用的6个单元音韵母a、o、e、i、u、ü，配合普通话的四个声调组成24个音节，并出现两次。所有音节以汉语拼音形式在PPT上随机呈现，要求被试者进行发音。声学数据采集使用的设备为Thinkpad T450笔记本电脑，Mbox Mini外置声卡以及AKG C544L头戴式麦克风。所有语音材料都使用斐风软件（采样频率为44100Hz）进行录制。录音在安静的房间中进行，共收集23名发音人6×4×2×23＝1104个语音文件。

（二）标准普通话声学数据采集

标准普通话声调的声学数据来自Speecon汉语语料库②该语料库由Nokia公司与中国社会科学院语言研究所合作建立，一共下设四个子库包括北京、上海、重庆、哈尔滨四个方言区的普通话语料。，我们选取10位北京话发音人（5男5女）的6个单元音韵母四个声调的语音数据，由于语料库中每个发音人各元音音节的声音文件只录制了1次，共获得6×4×10＝240个语音文件。

三、声学数据处理方法

（一）基频数据提取及归一化

我们借助语音分析软件Praat 6.2.01，使用自行编制的脚本，提取语音文件元音部分的基频数据。具体做法为：将元音部分按时长进行十等分，提取起点至终点位置共11个时间点的基频数据；然后将基频数据以50Hz为参考值进行半音（Semi-tone）转换；再分别将常熟普通话和标准普通话基频的半音数据转换成Z分数（Z-Score）[16]。

（二）声调比较方法

在得出常熟普通话和标准普通话四个声调共88个时间点的Z分数之后，我们对两种普通话同一声调的调值进行对比，从而确认常熟普通话和标准普通话声调是否存在较为明显的差异。两者的对比采用“增长曲线分析”法（Growth Curve Analysis）[17-19]。该方法“将曲线作为整体来考量”，“通过使用正交多项式对曲线进行拟合，进而将曲线分解成均值、斜率和凹凸程度等特征系数。研究者通过对比不同系数刻画曲线间的异同”[17]。可以认为，“增长曲线分析”法是利用量化手段比较声调差异的行之有效的研究方法。

四、数据分析结果

（一）基频数据归一化结果

图1分别展示了运用半音Z分法进行归一化后得到的常熟普通话与标准普通话声调基频曲线。从曲线的形状来看，两种普通话四个声调之间的区分基本一致：阴平（T1）为高平调；阳平（T2）为中升调；上声（T3）为降升调；去声（T4）为高降调。因此可以认为，就调型而言，常熟口音普通话使用者可以有效地区分普通话的四个声调。

图1 常熟普通话与标准普通话声调基频曲线图

同时，通过图1（左）图1（右）的对比，还可以发现两种普通话在基频曲线上仍存在一些差异。主要体现在阳平、上声、去声三个声调上。

常熟普通话阳平调整体上属于升调，但从声调起始处到30%时间点之间呈轻微的下降趋势，从30%时间点处开始上升。相比之下，标准普通话的阳平调，仅从起始处到10%时间点之间基频值存在略微下降，而后一直呈上升趋势。

常熟普通话和标准普通话的上声虽然都是降升调，但在调型上的差异比较明显。常熟普通话的上声调，从起始处到60%时间点之间一直呈下降趋势，60%时间点之后开始上升。相比之下，标准普通话上声调，从起始点到40%时间点之间下降，而后开始上升。也就是说，两个上声调的“拐点”位置不同。相较标准普通话，常熟普通话上声调拐点出现的时间较晚。

常熟普通话去声的降幅较大，去声的终点是整个声调系统的最低点；标准普通话去声的降幅相对较小，去声终点并非声调系统的最低点，其声调系统的最低点位于上声调的拐点处。

（二）增长曲线分析法比较结果

由于声调的基频曲线图依据各声调基频值经过“半音Z分数”转换后的平均值绘制而成，所反映的常熟普通话和标准普通话之间的差异并不一定具有统计学上的显著性，因此还需要使用“增长曲线分析”法，对两种普通话的同一声调进行分析。结果如表1。

表1 常熟普通话与标准普通话声调“增长曲线分析”法比较结果

由于“增长曲线分析”法可以从均值、斜率、拱度（凹凸程度）三个维度比较两个声调，为了直观起见，我们把两种普通话同一个声调的基频曲线放在一张曲线图中进行讨论。由于普通话中调长不影响声调的辨别，因此我们对不同声调的时长进行了归一化处理，将时间轴刻度转换成百分比时长（如图2、图3）。

图2 常熟普通话和标准普通话阴平、阳平调比较

图3 常熟普通话和标准普通话上声、去声调比较

第一，阴平调比较结果。根据表1可知，两种普通话阴平调在均值、斜率、拱度三个参数上的差异都不显著。这一点在图2（左）得到了直观的验证。图中两个阴平调的基频曲线相互交织，难以区分，且均表现为高平调。

第二，阳平调比较结果。两种普通话阳平调的声学差异较为明显。表1显示，两个阳平调在三项参数上都存在显著差异。其中，均值方面差异极其显著（p<0.001），而斜率、拱度方面的差异相对较小，但仍具有统计意义上的显著性（p<0.05）。结合图2（右）可以看到，虽然两个阳平调的起点和终点几乎重合，但是标准普通话阳平调基频曲线整体上位于常熟普通话阳平调的上方，也就是说，标准普通话阳平调的基频均值高于常熟普通话，且两者在统计学上的差异极其显著。这表明，同样是发普通话阳平调，北京人的整体音高超过了常熟人。造成上述差异的原因就是两者的拱度不同。标准普通话阳平调是较为典型的升调，整个基频曲线除了在开始的10%时间段内略有下降，其余90%时间段内终呈上升趋势。相比之下，常熟普通话阳平调的基频经历了一个较为明显的“先降后升”的过程。前30%的时间段内基频下降，后70%时间段内上升。同时，这种拱度上的差异，也造成两个阳平调在斜率上的差异。这种差异对应到听感上，标准普通话属于“疾升”，而常熟普通话则是“缓升”。

第三，上声调比较结果。图3（左）显示了两种普通话上声调的差异。结合表1可以发现，常熟普通话和标准普通话上声调在基频曲线的均值和斜率两个层面都存在极其显著的差异（p<0.001），只是在拱度方面差异不显著。也就是说，两个上声都是降升调，且凹凸程度相似。但是，常熟普通话的上声调在起点和拐点位置的基频值都大大高于标准普通话。起点位置，常熟普通话上声的基频Z分数均值为0.004，标准普通话为-0.69；拐点位置，常熟普通话上声的基频Z分数均值为-1.91，标准普通话则为-2.22；两个上声调在终点位置的基频Z分数均值较为接近，分别为-0.21（常熟普通话）和-0.23（标准普通话）。对比两者的基频曲线，可以认为常熟普通话上声的调层明显高于标准普通话，这与表1中两者基频均值差异的分析结果一致。

同时，两个上声调的拐点位置也有差异。常熟普通话上声的拐点位于整个声调60%时间点，而标准普通话上声的拐点则位于整个声调的40%时间点。也就是说，虽然两种普通话的上声调都是典型的“降升调”，但是，常熟普通话的下降段时长大于上升段，而标准普通话则是下降段时长小于上升段。由于起点、拐点位置上的差异，从调型上看，常熟普通话上声调是前高后低，标准普通话则是前低后高，因此造成了两个声调整体斜率上的差异，这与表1中两调斜率比较的结果相一致。

第四，去声调比较结果。两种普通话去声调的差异也较为显明。根据表1，均值层面两个去声调无显著差异，但是在斜率和拱度上，两者的差异都具有统计学上的显著性。其中，斜率差异显著（p<0.05）、拱度差异极其显著（p<0.001）。结合图3（右）可以发现，常熟普通话和标准普通话的上声都是高降调，两者的起点音高差别不大，基频Z分数分别是1.26（常熟普通话）和1.07（标准普通话）。两个去声调在调头的位置都略略上升，常熟普通话去声调在20%时间点开始下降，而标准普通话则在10%时间点就开始下降。两者差异最大之处在于降调的终点位置：常熟普通话去声终点处的基频Z分数为-2.48；标准普通话则为-1.20。正是由于两个去声调的起点音高接近，但是拐点位置不同且终点音高差异明显，致使两者在斜率和拱度方面产生了显著差异。

同时，我们还发现，造成两个去声调终点基频差异的根本原因在于两组发音人普通话去声音节后半段的发声态不同。图4显示的是一位标准普通话女性发音人去声音节/o/的二维频谱图。从图中可知，在整个音节的元音部分，其发声态自始至终都为正常嗓音（modal voice）。去声音节元音部分起点处基频为251Hz，终点处基频为137Hz。图5显示的是一位女性常熟普通话发音人去声音节/o/的二维频谱图，整个音节时长340毫秒，其中前245毫秒的元音部分属于正常嗓音发声态，而后94毫秒则属于典型的嘎裂嗓音（creaky voice）发声态。因此，整个音节/o/可以分为两段，前一部分的实际音值为[o]，后一部分的实际音值为[]。音节元音部分的基频也相应分为两段，元音发声态为正常嗓音的部分起始点基频304Hz，终点（245毫秒处）基频208Hz；此后发声态转变为嘎裂声，基频急剧下降，到元音终点处（340毫秒处）基频仅117Hz。

图4 标准普通话去声音节

图5 常熟普通话去声音节

我们统计了标准普通话和常熟普通话所有的去声音节出现嘎裂发声态的情况。结果表明，标准普通话男性发音人去声音节出现嘎裂发声态的比例为13.3%，女性为27%；常熟普通话男性发音人去声音节嘎裂的比例为47.2%，女性为82.1%。常熟普通话中去声音节出现嘎裂发声态的比例大大高于标准普通话。正如朱晓农所指出的“带嘎裂声的音频率极低”[20]，由于两种普通话去声音节元音后半部分的发声态差异造成了两个去声基频降幅的差异，进而改变了声调曲线的整体走向，最终导致了两个去声在声调斜率和拱度上的差异。

（三）小结

本节通过使用“半音Z分”法与“增长曲线分析”法等研究手段，对常熟普通话和标准普通话声调进行了分析和对比。结果表明，除了阴平调外，常熟普通话在其他三个声调上与标准普通话都存在一定程度的差异。其中：

阳平的差异最为明显，在均值、斜率、拱度三个方面都有体现，与标准普通话阳平调相比，常熟普通话阳平在调型上呈现较为明显的“先降后升”的趋势。

常熟普通话上声在均值和斜率两个层面与标准普通话存在显著差异。常熟普通话的上声降幅较小，拐点处基频较高，且时间点上较为靠后，与标准普通话相比，呈现出“缓降疾升”的特点。

去声方面，两种普通话的差异表现在斜率和拱度两个方面。由于常熟普通话去声音节在元音部分的后半段表现出较为明显的嘎裂声发声态特征，声调结尾处基频急剧下降，大大拉低了常熟普通话去声调乃至整个声调系统的下限；同时使得两个去声调在平均音高和基频曲线的斜率上差异显著。

五、针对常熟口音普通话声调特征的教学建议

本文的调查对象是汉语言文学（师范）专业的本科生，该专业旨在培养中学语文教师，发音标准的普通话是对学生的基本要求。针对调查中我们发现的常熟口音普通话声调方面的特点，大致可以提出以下教学建议。

教学策略主要可总结为一句口诀：“阳、上快升降，去声慢慢落”。具体来说，阳平强调的是“疾升”，即很明确地由五度制的3升至5，中间不能拖泥带水。上声则要做到“快降”，即起调时的快速启动，迅速达到最低点，使拐点位置稍微前移；“快降”之后还要“高升”，调尾目标要高，应高过调头。“去声慢慢落”主要指去声发音应做到缓慢下降，尽量避免因“疾降”导致过多的嘎裂发声。从生理角度而言，过多的嘎裂发声也会导致喉部肌肉的相对紧张，这对未来职业需要长期用声的师范专业学生来说是比较不利的。因此，在“去声慢慢落”的同时也应同步教授学生一些喉部肌肉放松的技巧，如哈欠及叹气练习，即在身体放松的情况下主动打哈欠，感觉口腔后部扩张放大，如同塞了个小球一样，然后缓缓说出一个降调的“哈”，类似叹气但要做到声音洪亮饱满[21]。如此重复练习，可以帮助学生养成较好的降调发声习惯，放松喉部肌肉及声带，达到去声发声的缓降效果。以上几点若能做到，就可以有效改善常熟口音普通话声调的语音面貌，在音色上进一步向标准普通话靠拢。