嗓音啟動時間對漢語與非漢語母語塞音范疇化知覺的影響

陸靈犀 陳梁杰 晉楊平

（1 北京語言大學語言認知科學學科創(chuàng)新引智基地，北京 100083）

（2 北京大學心理與認知科學學院，北京 100871）

1 引言

人類社會交流中，語言通過多層級的結(jié)構(gòu)特性構(gòu)成了高效的信息載體。語音作為語言的聲學表達，具有物理上的連續(xù)性，在知覺層面表現(xiàn)出一種非連續(xù)性的、具有離散性的范疇特征。即人們傾向于將語音信號劃分為有限的類別（王士元,彭剛,2006），研究者將其稱為范疇化知覺（Categorical Perception,CP）。

語音的范疇化知覺研究多集中于兩類輔音特征，即嗓音啟動時間（Voice Onset Time，VOT）和共振峰的音軌（sound track）過渡上（吳宗濟,林茂燦,1989;Abramson &Whalen,2017）。前者多指音節(jié)中輔音與元音過渡時說話者發(fā)音器官的活動交替，即除阻起始和聲帶振動起始的時間，可用于輔音對的區(qū)分；后者則主要用于區(qū)分塞音發(fā)音時不同發(fā)聲部位的主要特征（Diehl et al.,2004）。VOT不僅能夠反映輔音發(fā)聲中的清濁、送氣或不送氣等現(xiàn)象，還能夠表現(xiàn)出不同音位間的細微差別，以及說話者發(fā)音習慣等特征（Abramson &Whalen,2017）。Lisker和Abramson（1964）按照輔音中VOT的長短將世界語言中的塞音劃分為三類：不送氣的清塞音、送氣的清塞音和濁塞音，但這種籠統(tǒng)的劃分方式省略了漢語中缺乏濁塞音的特性，忽視了漢語與其他語系之間的區(qū)別。后續(xù)研究通過分類識別任務，在VOT連續(xù)體上發(fā)現(xiàn)清送氣塞音的范疇邊界在漢語和英語上并不相同（Chao &Chen,2008），這說明不同音系間在依靠VOT進行塞音識別上存在差異。

從表意功能來說，世界上多數(shù)語言都以輔音作為詞根（冉啟斌,2008），而塞音作為輔音中僅有的在所有語言中都存在的輔音類型受到諸多研究（鄧丹,2018;劉江濤,2012;Henton et al.,1992;Jakobson et al.,1951）。在漢語音系中，塞音具有自身的特點。相比英語等音系，漢語普通話僅存在四個輔音（即/m/、/n/、/l/、/r/）為濁音，其余輔音全為清音，而成對的輔音間的辨義則體現(xiàn)在送氣/不送氣特性上。從聲學上看，塞音送氣和不送氣的主要區(qū)別在于VOT長度的不同（陳嘉猷等,2002;梁之安,1963）。吳宗濟（1986）測量了漢語普通話中不同輔音的VOT長短，發(fā)現(xiàn)送氣塞音和不送氣塞音的VOT長短存在明顯區(qū)別。對普通話中常見的送氣清音/p/、/t/和/k/的分析發(fā)現(xiàn)，它們的VOT持續(xù)時間在90～110毫秒之間，遠長于對應的不送氣清音/b/、/d/和/g/（范圍在10～25毫秒，Rochet &Yanmei,1991）。所以VOT是研究漢語中塞音范疇化感知的關鍵。但就不同母語者群體而言，通過VOT線索對非母語音系進行輔音范疇化是否存在差異還有待研究。

以往研究表明漢語母語者對塞音中VOT的知覺是范疇化的（席潔等,2009）。和英語等音系中決定清音和濁音的VOT相似，漢語母語者對音節(jié)中送氣和不送氣的VOT特征表現(xiàn)出良好的范疇化的特點（王韞佳,上官雪娜,2004;張錦玉,2014）。在范疇邊界研究中，冉啟斌等（2014）還發(fā)現(xiàn)漢語中送氣和不送氣對塞音范疇邊界的感知范圍存在3:7的特性。然而針對非漢語母語者如何感覺該特征的問題，已有研究尚不充分。李林和董逸飛（2014）對比美國的漢語學習者和漢語母語者在塞音/b/和/p/的VOT連續(xù)統(tǒng)中的感知差異，發(fā)現(xiàn)兩類群體在VOT和音征的交互作用上顯著，但沒有發(fā)現(xiàn)單獨的VOT效應。這可能是因為他們選取的被試總數(shù)過少（漢語母語者和漢語學習者各3人），統(tǒng)計效應缺失，以及用于生成刺激音節(jié)的元音選取不當（元音/a/在VOT的變化過程中會引入音軌變異的干擾）所導致的。

綜上所述，在漢語普通話中，VOT線索是區(qū)分送氣塞音和非送氣塞音的關鍵線索。本研究提出假設：漢語母語者比非漢語母語者能更好地應用這一聲學線索，表現(xiàn)出明顯的范疇化感知。為了驗證這一假設，本研究利用漢語語音合成方法改變?nèi)舻腣OT長短，生成語音刺激連續(xù)體，借此在范疇性知覺的研究范式下探究漢語母語者和非漢語母語者在VOT范疇性知覺的區(qū)別。

2 方法

2.1 被試

通過G*Power（Faul et al.,2009）對所需被試量進行先驗分析（F檢驗，效應尺度0.2～0.25），達到0.05顯著性水平需要的被試量為36～ 56。本實驗最終招募48名來自北京語言大學的健康成年人被試參與實驗，其中有24名漢語母語者（13名女性，平均年齡23.1±2.1歲）和24名非漢語母語者（17位女性，平均年齡22.8±3.4歲）。所有被試均為右利手，自我報告聽力正常，且無精神疾病史。其中，非漢語母語者的母語背景包括俄語（10名）、阿拉伯語（4名）、西班牙語（3名）和越南語（2名），另有波斯語、烏茲別克語、塔吉克語、哈薩克斯坦語和尼泊爾語各1名；他們的漢語學習時間為1～10年，平均漢語學習時間為3.9±2.0年（均值±標準差，M±SD），其漢語水平考試（HSK）分布為三級（2名）、四級（6名）、五級（14名）和六級（2名）。所有被試在實驗前均簽署了知情同意書，并獲得一定的實驗報酬。

2.2 實驗材料

輔音刺激選用漢語普通話中常見的不送氣音/d/和送氣音/t/，二者的聲學特征主要通過VOT的長短區(qū)分。在本研究中，我們只關注VOT的變化對輔音范疇化的影響，所以選用元音/i/與二者構(gòu)成單音節(jié)/di/和/ti/。這是因為VOT的變化會改變后續(xù)元音的音軌，即共振峰的過渡，而元音/i/的共振峰的變化相對平滑，受VOT長短變化的影響較小，不會引入額外的聲學線索。

實驗刺激選用的原始音節(jié)（/di/和/ti/）均使用Neospeech漢語合成器獨立生成（http://www.neospeech.com/，男性，Liang），該合成器模擬的是漢語普通話，能夠保證語音上的文化性。音節(jié)/di/的持續(xù)時間為196毫秒，音節(jié)/ti/的持續(xù)時間為237毫秒。VOT的連續(xù)體采用逐步削減和替換法生成（progressive cutback and replacement method），這種方法是通過將元音的起音逐漸刪除，并使用大致等長的輔音替代來生成過渡音節(jié)（Winn,2020）。本實驗一共生成了九個連續(xù)體，VOT的長度從10毫秒到70毫秒，平均步長為7.5毫秒，即從/di/音節(jié)10毫秒的不送氣輔音范疇逐步過渡到/ti/音節(jié)70毫秒的送氣輔音范疇。所有音節(jié)的平均聲強固定為64dB SPL。此外，為了避免和共振峰變化類似的干擾，將所有刺激的F0（139Hz）進行固定。

2.3 實驗設計

采用2（母語背景：漢語母語組、非漢語母語組）×9（VOT連續(xù)統(tǒng)：水平1到9）的雙因素混合實驗設計，母語背景為被試間變量，VOT連續(xù)統(tǒng)為被試內(nèi)變量。因變量為被試將音節(jié)判斷為/ti/的概率（即1-判斷為/di/的概率）。

2.4 實驗程序

在VOT識別任務中，被試點擊鼠標后聽到一個單一的聲音刺激，然后判斷這個聲音是音節(jié)/di/還是/ti/，并做出相應的按鍵反應。當被試做出選擇后，主試會強制播放持續(xù)1秒寬帶白噪聲（0～10 kHz，64 dB SPL）以去除前項干擾。噪聲結(jié)束后，被試可以繼續(xù)進行后續(xù)的刺激播放和判斷。VOT連續(xù)統(tǒng)的9個獨立聲音刺激各重復20次，共計180個音節(jié)。實驗過程中，所有聲音刺激均為隨機播放。

所有實驗流程均已獲北京語言大學人體實驗倫理委員會的審批。

2.5 數(shù)據(jù)處理與統(tǒng)計方法

在獲取單個被試在九個VOT水平上的判斷概率后，利用心理物理函數(shù)對每個被試的判斷概率進行擬合，得到單個被試的/di/-/ti/類別判斷閾限及斜率。心理物理函數(shù)如下：

其中，x代表VOT水平，y代表將音節(jié)判斷為/ti/的概率，σ代表心理物理函數(shù)的斜率，μ代表50%的概率將音節(jié)判斷為/ti/時所對應的VOT水平，即/di/-/ti/類別判斷閾限。此外，通過每名被試擬合的斜率進一步計算其最小可覺差（Just-Noticeable Difference,JND）。

在統(tǒng)計檢驗時，對判斷概率進行母語背景×VOT雙因素方差分析，對/di/-/ti/類別判斷閾限，斜率和最小可覺差進行組間獨立樣本t檢驗。在事后檢驗中，對所有重復測量的統(tǒng)計檢驗均進行Bonferroni矯正。

3 結(jié)果

3.1 漢語與非漢語母語背景被試的VOT 感知差異

分析漢語母語組和非漢語母語組在不同VOT水平的/di/-/ti/判斷概率（圖1）。在VOT最 短（VOT=1）時，判斷為/di/的 概率為0.994±0.02（M±SD）；在VOT最長（VOT=9）時，判斷為/ti/的概率為0.996±0.01，這很好地反映了隨著VOT變化被試對/di/-/ti/音節(jié)的范疇感知變化。

圖1 被試判斷概率隨VOT 的變化折線圖

對/di/-/ti/判斷概率的母語背景×VOT雙因素方差分析顯示，VOT的主效應顯著（F8,368=700.02，p<0.001，=0.94），母語背景的主效應不顯著（F1,46=2.60，p=0.113，=0.05），雙因素的交互作用顯著（F8,368=6.03，p<0.001，=0.12）。為進一步探討交互作用，進行簡單效應分析。由于在VOT極?。╒OT=1和2）和極大（VOT=8和9）時，判斷為/ti/的概率接近0和1，為避免天花板效應和地板效應，對VOT=3、4、5、6、7這五個水平進行組間比較。結(jié)果顯示，在VOT=6（55毫秒）時，漢語母語者與非漢語母語者的判斷概率有顯著差異（t32.4=4.09，p=0.001，Bonferroni矯正）；在VOT=5（47.5毫秒）時，差異達到邊緣顯著（t46=2.65，p=0.056，Bonferroni矯正），在其他VOT水平上，差異均不顯著（p>0.05）?？梢?，VOT=5和6是漢語母語者與非漢語母語者進行/di/-/ti/音節(jié)范疇感知的關鍵水平（圖2）。

3.2 漢語與非漢語母語個體的感知閾限和最小可覺差比較

通過心理物理函數(shù)對/di/-/ti/判斷概率進行擬合后，提取每名被試的判斷閾限（μ）和斜率（σ）。漢語母語組平均閾限為VOT=4.50 ±0.58，斜率為2.55±0.18；非漢語母語組平均閾限為VOT=4.81±0.17，斜率為1.78±0.20。獨立樣本t檢驗結(jié)果表明，不同母語背景的被試/di/-/ti/的判斷閾限無顯著差別（p=0.141），漢語母語組被試的閾限所在VOT的變化斜率顯著大于非漢語母語組被試（t46=2.85，p=0.006，Cohen’sd=0.86）?？梢?，在將音節(jié)進行/di/-/ti/的類別判斷時，漢語母語者在類別間的轉(zhuǎn)化較快（迅速地從判斷/di/轉(zhuǎn)變?yōu)?ti/）。這說明漢語母語者對VOT的細節(jié)變化可能更為敏感，表現(xiàn)為心理物理曲線在閾限附近的變化更為迅速（圖3）。

圖3 漢語母語與非漢語母語組的判別閾限

為了進一步探究漢語與非漢語母語者分辨/di/-/ti/的敏感度差異，計算了每名被試的最小可覺差水平。漢語母語組平均最小可覺差為0.21±0.07，非漢語母語組平均最小可覺差為0.35±0.17。獨立樣本t檢驗結(jié)果表明，不同母語背景的被試/di/-/ti/判斷任務的最小可覺差存在顯著差別（t46=-3.51，p<0.001，Cohen’sd=1.08）。結(jié)果說明漢語母語者相比于非漢語母語者，對VOT變化引起的/di/-/ti/輔音對的分辨更敏感，即在塞音分辨時需要的VOT變化差異更小（圖4）。

圖4 漢語母語與非漢語母語組的最小可覺差

3.3 非漢語母語組的感知閾限與漢語水平的關系

為了探討非漢語母語者對漢語的熟悉程度與塞音辨別感知閾限之間的關系，分析非漢語母語組被試的HSK等級、漢語學習時間這兩個指標與辨別閾限及斜率之間的相關性關系。斯皮爾曼相關性分析表明非漢語母語者的HSK等級與塞音范疇化感知的行為指標之間沒有顯著性相關關系（50%辨別閾限：r=0.29，p=0.169；斜率：r=-0.04，p=0.841）；個體漢語學習時間與辨別閾限和斜率之間也沒有顯著性關系（50%辨別閾限：r=-0.02，p=0.929；斜率：r=0.15，p=0.481）。

4 討論

回顧本研究的實驗結(jié)果，我們發(fā)現(xiàn)當VOT處于5和6水平時（47.5毫秒和55毫秒），漢語母語組和非漢語母語組之間的判別比例存在顯著差異。后續(xù)的斜率分析進一步證明漢語母語者在塞音類別間判別的過渡更快，表現(xiàn)為心理物理曲線在50%閾限附近的變化更為迅速。即相比于非漢語母語者，漢語母語者在VOT范疇化邊界上的劃分更明顯。這表明漢語母語者和非漢語母語者在進行塞音范疇化判別時，對其VOT長短線索的敏感度不同，即漢語母語者對VOT的變化更為敏感。

聽者為了形成音位范疇的穩(wěn)定心理表征，需要忽略范疇內(nèi)的細微變化并對范疇間的變化更敏感。漢語中VOT是用來區(qū)分送氣和不送氣的重要特征，對于這種特征的區(qū)分，漢語母語者的范疇邊界一般在30毫秒以上（王韞佳,上官雪娜,2004）。本研究的實驗結(jié)果符合該范疇。需要注意的是，在50%的判別閾限上結(jié)果并未發(fā)現(xiàn)漢語母語者和非漢語母語者的顯著區(qū)別。這可能是因為對于西方等音系而言，VOT雖然不作為區(qū)分塞音意義的特征，但是它可以用于實現(xiàn)清音和濁音的范疇性判斷（Cho &Ladefoged,1999;Elangovan &Stuart,2008）。這導致非漢語母語者同樣會利用VOT線索進行音節(jié)判別。由此可以推測，VOT50%的判別閾限可能反映了一種更為一般的利用聲學特征作為塞音判別的能力，它不具有音系之間的感知差異，是一種純粹物理屬性驅(qū)動的外顯特征。

漢語和非漢語母語者在50%的判別閾限上接近并不能說明兩類群體的范疇邊界是一致的。語音的范疇感知需要表現(xiàn)出對VOT連續(xù)統(tǒng)的判別曲線快速上升或者下降（Lisker &Abramson,1964）。通過斜率分析本研究發(fā)現(xiàn)，漢語母語者在VOT判別率變化的斜率顯著大于非漢語母語組，即出現(xiàn)了快速的上升。非漢語母語者則表現(xiàn)出平緩的過渡過程，更符合隨物理屬性變化的心理物理曲線的特性。這一結(jié)果與前人發(fā)現(xiàn)的漢語母語者和學習者的知覺分辨線索感知差異的結(jié)論相似，即不同音系下塞音感知模式存在差異（李林,董逸飛,2014）。對不同塞音之間的準確分辨是語言理解的關鍵。Keating（1984）提到的“極化理論”（Polarization）強調(diào)，一類語言中不同塞音對應的VOT長度應該處于不同數(shù)值范圍內(nèi)，這樣才能夠形成對應的塞音范疇。對于存在濁塞音的語系群體，他們分布于0毫秒兩側(cè)的VOT數(shù)值具有更為明顯的數(shù)值差異。而漢語中的清塞音VOT范圍均在正值一端，這可能導致漢語母語者更擅長利用細小的VOT差異來分辨塞音。我們的研究結(jié)果進一步說明了漢語母語者能夠更敏感地利用VOT線索分辨塞音范疇。

在漢語作為第二語言的感知中，塞音顯著影響了語言理解的過程。漢語送氣和不送氣的特征就有表意層面的差異，這在其他西方音系中是不存在的?！案兄Ｐ汀保≒erceptual Assimilation Model）認為，在學習第二語言時，非母語者會根據(jù)二語與母語的差異程度把二語中的對立音位歸為母語體系內(nèi)的不同范疇類型（Best,1995）。漢語中的輔音VOT范疇和非漢語語系的輔音VOT范疇存在差異（如法語，盧琰,2021;英語，Chao &Chen,2008），這導致以漢語為第二語言的學習者難以借用自身母語經(jīng)驗建立起精確的漢語范疇知覺。送氣和不送氣的一對塞音總是可以和相同的元音組合，必須擁有對其準確的范疇知覺才能精確理解意義。在本研究中，我們通過心理物理學實驗法為非漢語母語者的塞音范疇化知覺特征提供了實證證據(jù)，揭示了非漢語母語者對VOT變化帶來的塞音范疇化感知相較于漢語母語者是不敏感的。在范式設計上，本研究對傳統(tǒng)的塞音聽覺分辨實驗進行了有益的補充，細化了多個VOT水平以及采用音軌更為平滑的元音，避免了以往研究中存在的干擾因素。在現(xiàn)實應用上，本研究的結(jié)果提示我們在漢語教學中需要強調(diào)塞音范疇的區(qū)分。在建立正確的范疇感知的基礎上，個體才能提升聽覺詞匯識別的準確性，進而促進言語交流（鄒麗娟,2015）。因此，在未來的對外漢語教學實踐中，訓練和提高漢語學習者的塞音感知可能是幫助其準確理解漢語的重要因素。此外，還可以考慮結(jié)合視覺場景輸入的多模態(tài)場景，這可能有助于漢語學習者區(qū)分塞音并正確識別和理解詞匯（林桐,王娟,2018）。

由于客觀原因的限制，本研究所招募的非漢語母語者被試擁有不同的漢語學習年限及母語背景。雖然多樣化的母語背景及漢語水平有利于拓展實驗結(jié)果在非漢語母語者群體中的外部效度，但是這兩個變量也可能是影響非漢語母語者的塞音范疇化感知過程的重要因素。因此，在未來的研究中，控制非漢語母語組被試的母語背景，比較不同母語背景的非漢語學習者塞音范疇化感知的差異，以及探討漢語第二語言學習的過程中隨著漢語水平的提高學習者塞音范疇化知覺的變化特點，都是非常重要的研究方向。