作为人类生物机能的语音产生研究

   
  

 
              
    说话，就像走路一样，是人“自然而然”就会的，我们一般不会去想说话的时候我们的身体在做些什么。在科学领域，研究人怎么说话称为语音产生研究。其实，这是个很尖端的题目。时至今日，人类已经创造了许多科技文明，但是人类对自身生物机能的理解远远落后于人类对自身生物机能的运用。比方说，跨过一个不高的障碍物、用手拿起放在桌子上的一张卡片都是很简单的动作，健康的成人和儿童都能轻松做到，但要人类说出这些动作的全部过程却是相当尖端和困难的科学研究，如果让基于今日人类对此的理解所创造出来的机器人来完成这些动作，你会发现它的动作离人类自身还差得太远，因为这里牵涉到太多层面的问题以及众多层面之间的协同。而说话可能更难。
     传统的语音学是口耳之学，一个好的语音学家应具备的条件是一双灵敏的耳朵，能够准确听辨出人类语言中所有不同的声音并将它记录下来进行科学的描述、分析。就是说，传统的研究主要着重于语音产生的结果，关注语音本身，对于过程着力不多。而今日，语音学家的任务就是要告诉人们语音产生、感知的全过程。这里包括科学性、工程性、人文性等诸多方面，需要不同学科背景的学者一起进行合作研究。就语音产生领域，科学性上，要厘清人类语音产生的机制机理；工程性上，要精确地模拟出语音产生的全过程；人文性上，要深入理解语音作为人类主要符号系统如何表达意义。语音产生研究不仅有重大的理论意义，对于应用也同样意义深远，其所影响的领域不仅包括我们所熟悉的语言教育、语音工程产品，还包括我们国家一直缺乏的由于认知、运动神经、发音器官等不同层面缺陷、病变所引发的言语病理学。
     简要的说，人类语音产生包括以下几个层面。首先是语言学-认知层面，人脑通过认知操作，产生话语表达的需要，将意义进行编码（句法、语义、音系等）；其次是神经与运动控制层面，将完成语言学编码的话语进行运动计划（motorplanning）与运动编程（motorprogramming），然后执行（motorexecution）；再者是发音器官生物力学层面，神经层面的运动编程执行之后产生肌肉运动、调整各相关发音器官的状态与位置，至此，语音产生的空气动力学、声学条件已全部实现；最后，就是声学层面，人类语音的声波。
     我院语言所语音实验室除了声学分析软件之外，拥有研究发音器官运动学（speechkinematics）的三维电磁发音仪（EMA）（左上图：2006年6月进行的第5届言语运动控制国际会议上荷兰的语音学家在现场进行电磁发音仪的演示）、研究空气动力学的口鼻气流计（PCQuirer）、研究口腔内舌腭接触的电子腭位仪（EPG）、研究声带振动的电子喉头仪（EGG）等生理研究设备。现在，我们正在开始进行院重大项目“面向生理的语音产生方法与理论研究”。我们的计划是在建立大规模、多模态的生理语音数据库的基础上进行语音产生各相关层面的理论与方法研究，具体内容包括语音产生的运动控制（speechmotorcontrol）、发音运动学与动力学（speechkinematicsandspeechdynamics）、言语空气动力学（speechaerody鄄namics）、声学、发音与声学的关系、口腔调音与发声的关系等。项目以基础理论研究为主，同时兼顾应用需要，在条件允许的情况下与语言教学、病理研究、工程开发等相关机构进行合作。
     目前，实验设备已经基本调试到位，大规模的数据采集工作也即将展开，同时，我们也已经围绕上述所关心的问题开展了一些前期的研究工作，在国际和国内一些会议和期刊上发表了。如下面二图，左图是普通话元音的舌位图，右图是元音较多的一个吴语方言的舌位图（图中发音人都是面朝左）。
     根据已经采集的小规模的数据，我们也进行了基于数据的统计模型的构建，以及相关理论领域的探讨。其中一个很有意思的问题是：表达意义的人类语音在声学或者感知声学上有一个目标值或者目标区域（audi鄄toryspace），这样，人们才不会把一个声音误听成另一个声音，所以，说话人在说话的时候，应该在运动神经编程中也有一个目标值或者目标区域（motorspace），否则他无法确保说出来的音就是想要说的音。以人类语言中最普遍出现的元音三角（三个最常见的元音）为例，根据到目前为止的研究，我们可以假设它们在大脑中的示意表达如下左图；同时，根据我们已经进行的发音运动学的研究，元音三角的发音空间（articulatoryspace）可以如下右图所示。这里的问题就是：这三者的关系究竟如何？相互之间如何协调？希望随着研究的深入，我们可以越来越深入地回答越来越多的问题，推动语音产生的理论研究，使人类对自身的这一生物机能的认识能够不断地得到提高。