作为汉语母语者，我们在刚开始识字的时候都会学习汉语拼音。学会了这套拼音方案，我们就可以依照字的注音准确地读出任何字的读音。尽管英语是由表音的字母所组成的拼音文字，但我们学会了 ABCDE 字母表后并不能读准英文单词的发音。
我们面临的是这样的困境：单词中字母的发音和字母表中的发音不一致；同样的字母有不同的音、同样的音可以用不同的字母表示；两三个字母相连表示一个音，一个字母表示两个相连的音；空有字母没有音1。
自然拼读法试图总结一套发音规律，建立拼写和读音之间的联系。简单来说，学习自然拼读法可以帮助我们由拼写推测发音、由发音推测拼写。然而，能让自然拼读法发挥它「猜」的作用的基本前提是掌握音标。
词典中在单词旁边的那一连串用一对斜杠 / / 包裹的符号，才是真正的「英语拼音」—— 音标。可能大家都背过 A E I O U 是五个元音字母，听过元音和辅音、清音和浊音这两对概念，但似乎多数人和我一样都没有系统地学习过音标。
当我在脱离学生时代后再次回看那张国际音标辅音表（实际上是肺部气流辅音表）时，最先吸引我的不再是那些混杂的字母符号，而是表格中的空白部分和阴影部分。按照辅音表中的组合方式，空白部分表示人类可以发出但不存在于现存语言中的音，阴影部分被认为是人类不可能发出的音！
这勾了我的好奇心：人是如何说话的？
人类的发音主要靠肺部提供原动力，靠声带振动发声，靠口腔、鼻腔等腔室调音。口腔是调音的重要部位，上颚（包括前半部分的硬腭和后半部分的软腭）构成了口腔的顶部，舌占据着口腔的底部，唇、齿、龈位于口腔的前侧，口腔的后侧与鼻腔、咽腔相通。悬于软腭末端中央位置的小舌（又名悬雍垂）可以随着软腭的上抬堵住口鼻腔相连的通道。
肺部气流辅音和元音都需要肺部的呼气才能发音。对辅音作出肺部气流音和非肺部气流音的划分，是因为部分辅音不需要肺部的呼气。虽然普通话和英语中都不存在这些辅音，但我们在日常生活中也能听到它们，比如「我们逗小孩的时候弹舌头、表示惋惜的时候咂舌以及模仿亲嘴的动作发出的『啵啵』的声音」2。
辅音和元音的区别在于气流有无阻碍。辅音发音时气流受到阻碍，气流阻碍的部位就是辅音的调音部位。国际音标辅音表纵向的分类就是按照调音部位而命名的，如双唇音、唇齿音、齿间音等。有阻碍就必须破除阻碍，辅音破除阻碍的方式称为调音方式。调音方式就是国际音标辅音表横向的分类维度，包括塞音、擦音、鼻音等。
元音发音时没有气流的阻碍，口腔的张合、舌的前后、圆唇不圆唇成为粗略描述元音发音机制的三个维度。国际音标的元音图被画成一个梯形，元音的位置由口腔的张合、舌的前后决定，同一位置上的元音区分为圆唇音和不圆唇音。
本文将以国际音标为标准，依次介绍英语中的辅音和元音，最后澄清一下由于不同音标体系造成的音标标注的混乱。
辅音
塞 (sè) 音，又称为爆破音，是辅音的典型代表。当我们说「爆破音」这个词时，就能感受到爆破音发音的特点：双唇紧闭，口、鼻腔相连的通道被小舌堵住（否则会发出鼻音 /m/），来自肺部的气流完全阻塞在唇后，随着双唇的张开，气流迸发而出。这种从完全阻塞到阻塞完全解除的过程也发生在 /t/ /d/ 以及 /k/ /g/ 的发音中， /t/ /d/ 发音时通过舌尖与上齿龈的无缝接触形成封闭空间，/k/ /g/ 通过舌后部与软腭的紧密贴合形成了密闭腔，随着气流通道的打开，口腔产生了短暂的爆破音。
上述三组塞音的内部又有什么差异呢？例如，在发 /p/ /b/ 两个音时我们发音器官的运动相同，动动嘴唇就行了。语音学家用声带是否振动区分出二者，/p/ 是不伴有声带振动的清音，而 /b/ 是伴有声带振动的浊音。有一种方法可以帮助我们直观感受二者的区别：在发这两个音时，尝试将手指放在脖子的正中部位感受是否有声带的振动。
如果尝试了这个方法后的你：「呃——怎么两个都有振动？」，那正是因为你在这两个音的后面加上了或拉长或短促的「呃」的音，导致原本不伴有声带振动的 /p/ 也被误认为是浊音了。当我们发清塞音 /p/ /t/ /k/ 时，由于声带不振动，我们很难像发浊塞音 /b/ /d/ /g/ 时那样容易提高自己的音量。
擦音，又称作摩擦音，是由气流通过口腔内形成的窄缝摩擦产生的音。英语中使用的擦音包括唇齿咬合发出的 /f/、舌尖置于上下齿间发出的 /θ/、舌尖轻触上齿龈发出的 /s/、舌中部轻触硬腭发出的 /ʃ/ ，以及各自对应的浊擦音 /v, ð, z, ʒ/。此外，还有一个声门清擦音 /h/，它的发音类似于我们向外哈气时的声音。
- 在以下单词中比较清擦音和浊擦音的区别：leaf /liːf/ leave /liːv/；teeth /ti:θ/ teethe /ti:ð/；rice /raɪs/, rise /raɪz/；mission /ˈmɪʃn/ vision /ˈvɪʒn/。
鼻音发音时，软腭下降，气流流经鼻腔。在 /b/ 发音的基础上，将软腭下降使得鼻腔通道打开，就能发出 /m/。同样地，在 /d/ 发音的基础上将软腭下降使得鼻腔通道打开，就能发出 /n/，在 /g/ 发音的基础上打开鼻腔就发出了 /ŋ/。
- 在以下单词中比较三个鼻音的区别：sum /sʌm/ sun /sʌn/ sung /sʌŋ/。
近音发音时，两个发音器官彼此接近但又不足以狭窄到产生气流的摩擦。英语中的近音包括 /j/、/w/ 和 /r/。近音可以视为略带有擦音特性的辅音，在发近音时，如果我们刻意增加肺部吐气，就会听到类似擦音的湍流声。部分近音又和元音十分接近，如 /j/ 和 /i/、/w/ 和 /u/，因此 /j/ /w/ 又被称为半元音。在发 /i/ 之后，尝试将舌头中部上抬靠近硬腭发出 /j/；在发 /u/ 之后，尝试将舌后部上抬靠近软腭发出 /w/。然而，半元音毕竟不是元音，我们可以利用近音与擦音的相似性来区分半元音和元音。例如，在发 /i/ 时，无论我们如何增加肺部吐气，都很难产生湍流声，而发 /j/ 时则较容易听到。近音 /r/ 的发音很像汉语拼音中的 r，在听觉上很难辨别，但二者的舌位有所不同，发近音 /r/ 时舌尖靠近上齿龈，而发汉语拼音中的 r 时舌的位置更靠后。比较 rose /rəʊz/ 中 ro 的发音和汉语「肉」的发音之间的差别。
- 在以下单词中比较三个近音的区别：yes /jɛs/ we /wi:/ run /rʌn/。
英语中的辅音 /l/ 属于边近音，因为在发音时气流可以从舌的两边流过。/l/ 的发音部位类似于汉语拼音中的 l，舌接触上齿龈，但是舌固定不动而不是向下弹开。我们可以直观地感受边近音和近音的不同，按照 /j/ /w/ /r/ /l/ 的调音部位摆好舌的位置，然后深吸一口气，你会发现只有在 /l/ 的舌位上两颊才会感受到凉意。单词举例：luck /lʌk/，bottle /ˈbɒtl/。
塞擦音是由一个塞音和一个擦音组成，气流从完全受阻到阻碍部分解除后产生气流摩擦音。英语中的塞擦音包括三对清浊音 /ts/ 和 /dz/、/tʃ/ 和 /dʒ/、/tr/ 和 /dr/ 以及一个单独的清音 /tθ/。发这些塞擦音的技巧是在各自包含的擦音的基础上，舌尖先抵住上齿龈完全阻塞气流，然后舌突然弹开。塞擦音同塞音一样是急促的声音，如果延长塞擦音则会发出塞擦音包含的擦音的音。
在这里稍微解释一下为什么近音 /r/ 被写到塞擦音 /tr/ 和 /dr/ 中来了，这实际上是一种简化的写法。塞擦音 /tr/ 和 /dr/ 中包含的擦音成分在调音时舌的位置比近音 /r/ 更靠上，气流通过狭窄部位时产生了摩擦。
- 在以下单词中感受塞擦音的发音特点：cats /kats/ lads /lædz/；church /tʃɜːtʃ/ judge /dʒʌdʒ/；tree /tri:/ dream /dri:m/；eighth /eɪtθ/。
英语中的辅音按照调音方式的不同可以总结如下表。
我在前面的描述中暗示了清音和浊音的区别在于声带是否振动。然而，声带是否振动的区分并没有使得清音和浊音「泾渭分明」，在塞音中二者出现了「交融」。在英语中，处于单词开头的浊塞音 /b d g/ 不完全发声甚至不发声3（声带不振动）。出现在词尾的清浊塞音最大的区别不是发不发声，而是其前面的元音的音长4，如 nap /næp/ 和 nab /næb/。在 spy /spaɪ/ 和 sky /skaɪ/ 两个词中，清塞音 /p/ 和 /k/ 的发音在听感上很像是浊塞音 /b/ 和 /g/。
普通话中没有 /b/ 这个音，汉语拼音中的 b 和 p 都是清音。我们很难觉察到这一点，而且当我们把这种发音特征迁移到英语中时也并不影响听者的理解5。
对这些现象的讨论超出了本文的主题，但我想在这里指出的是：了解人类的语音，不仅要从人是如何发音的生理层面去分析，还要从声波的频率、振幅等物理属性以及语言使用者对语音的感知、理解等心理层面进行研究。
元音
相较于辅音而言，元音的发音机制更难描述。调音部位和调音方式的划分对元音失效（元音气流无阻碍），清浊两立也无法用于区分元音（所有元音都是浊音）。常用于描述元音的三个维度都缺少明确的参考点，无法做到精确。因此，元音的发音和辨别成为我们学习英语发音的最大阻碍之一。
为了方便下文的描述，我们不妨将人经口平静呼吸时唇和舌的形态和位置定为中立状态，用下巴的上下移动描述口腔的张合，用嘴角的内收和外展来描述唇的圆展。
首先介绍 5 对长短元音组合：/i/ 和 /ɪ/、/u/ 和 /ʊ/、/ɑ/ 和 /ʌ/、/ɔ/ 和 /ɒ/、/ɜ/ 和 /ə/。
在这五组元音中，每组中的第一个音往往以长元音的形式存在，在符号上用冒号表示，如 /i:/。为了突出带有冒号的长元音不仅仅是声音拖长的短元音，英国语音学家阿尔弗雷德·查尔斯·吉姆森（Alfred C. Gimson）在对英语的音标标记上采用了定量-定性系统：既保留了使用冒号表示音的时长的定量标记，又从国际音标中引入新的符号用来区分长元音和短元音在音质上的不同。
元音 /i/ 发音时，舌从中立位置向前向上伸，下巴保持中立位置不动，嘴角由中立位置外展。字母 E 的发音就是拉长的元音 /i/，即 /i:/。与 /i/ 相比，元音 /ɪ/ 发音时，舌仅从中立位置向前伸，下巴和嘴角均保持中立位置不动。
元音 /i/ 往往以长元音 /i:/ 的形式存在，那么在发音时究竟该拖多长时间呢？1 秒？1.5 秒？短元音时长的 2 倍？3倍？长元音和短元音并没有像二分音符、四分音符那样精确的相对时值关系。我们也不会像唱歌那样按照乐谱上固定的速度来说话，因而长元音和短元音也没有绝对的时值。
我们可以利用嘴角的移动来标度音的时长，在长元音 /i:/ 发音时将嘴角向两侧展开到极限，发一个「微笑」的 /i/，当嘴角外展到最大幅度时发音才停止。而短元音 /ɪ/ 发音时，则显得较为「冷漠」。
- 在以下单词中比较 /i/ 和 /ɪ/ 两个元音的差别：beat /bi:t/ bit /bɪt/；seat /si:t/ sit /sɪt/；sheep /ʃi:p/ ship /ʃɪp/;leave /li:v/ live /lɪv/；heat /hi:t/ hit /hɪt/。
元音 /u/ 发音时，舌由中立位置向后缩，下巴由中立位置上抬，嘴角由中立位置内收。而 /ʊ/ 可以理解为在 /u/ 下巴刚要上抬、唇刚要圆缩时发出的音。与 /i/ 一样，/u/ 往往也以长元音的形式存在。我们同样可以使用嘴角的运动过程来标度元音的时长，在长元音 /u:/ 发音时可以将嘴角内收到极限位置，发一个「亲嘴」的 /u/。而在短元音 /ʊ/ 发音时，则显得「欲亲又止」。
- 在以下单词中比较 /u/ 和 /ʊ/ 的发音：pool /pu:l/ pull /pʊl/；fool /fu:l/ full /fʊl/；goose /gu:s/ good /gʊd/。
元音 /ɔ/ 发音时，舌由中立位置向后缩，下巴由中立位置下降，嘴角由中立位置内收。元音 /ɒ/ 发音时下巴下降到最低点，但嘴角不内缩。元音 /ɔ/ 往往以长元音 /ɔ:/ 的形式出现，在长元音 /ɔ:/ 发音时可以将嘴角内收到极限位置，发一个「鲤鱼嘴」样的 /ɔ/。而在短元音 /ɒ/ 发音时，在下巴下降到最低位置时发音戛然而止。
- 在以下单词中比较 /ɔ/ 和 /ɒ/ 的发音：naught /nɔ:t/ not /nɒt/；bought /bɔ:t/ bot /bɒt/。
值得注意的是，元音 /ɒ/ 只在英式英语中存在，而在美式英语中均被元音 /ɑ/ 所取代。例如：shop 英 /ʃɒp/ 美 /ʃɑ:p/，hot 英 /hɒt/ 美 /hɑ:t/，上文中 not 和 bot 两个单词的美式读音应为 /nɑ:t/ 和 /bɑ:t/。至此，我们正好谈谈元音 /ɑ/ 的发音，舌由中立位置向后缩，下巴下降到最低点，嘴角由中立位置外展。字母 R 的读音正是拉长的 /ɑ/，即 /ɑ:/。与 /ɑ/ 相比，元音 /ʌ/ 发音时下巴下降幅度较小，且嘴角保持中立位置不动。元音 /ɑ/ 往往以长元音 /ɑ:/ 的形式出现，在长元音 /ɑ:/ 发音时可以将嘴角外展到极限位置，发一个「惊吓」的 /ɑ/。而短元音 /ʌ/ 发音时，则显得「见怪不怪」。
- 在以下单词中比较 /ɑ/ 和 /ʌ/ 的发音：lark /lɑ:k/ luck /lʌk/；cart /kɑːt/ cut /cʌt/。
最后一组长短元音是 /ɜ/ 和 /ə/。元音 /ə/ 的发音就是我们为描述元音发音而设立的参照点，即平静经口呼吸时的唇舌状态下可以发出的音。/ɜ/ 和 /ə/ 的差别在听觉上十分细微，在发音过程中，可以在发 /ə/ 音的基础上微微下降一点下巴，并把舌的后部上翘一点。
- 在以下单词中比较 /ɜ/ 和 /ə/ 的发音：about /əˈbaʊt/ her /hɜ:/。
接下来是两个容易混淆的元音 /ɛ/ 和 /æ/ ，最常见的混淆发生在 bed 和 bad 两个单词的发音上。元音 /ɛ/ 发音时，舌由中立位置前移，下巴由中立位置下降，嘴角由中立位置外展。与 /ɛ/ 相比，元音 /æ/ 发音时下巴的下降幅度更大，嘴角的外展幅度也更大。可以说，元音 /æ/ 是「动作更加夸张、面部肌肉更加紧张」的 /ɛ/。注意 /ɛ/ 和 /ɜ/ 符号上的区别，二者是两个呈镜像对称的符号。
- 在以下单词中比较 /ɛ/ 和 /æ/ 的发音：head /hɛd/ had /hæd/；set /sɛt/ sat /sæt/。
英语中还有三个不单独出现的元音，它们分别是 /e/ /a/ /o/。元音 /e/ 往往以双元音 /eɪ/ 的形式出现，即字母 A 的发音，也会以 /eə/ 的形式出现，如 there /ðeə/。如果想尝试单独发出 /e/ 的音，可以作出发字母 A 的音的动作，但憋住一口气，然后在保持舌、下巴、嘴角不动的情况下发音。这里的关键点就是保持不动，仔细感受你发字母 A 的音时舌的运动，舌和下巴是不是向上移动了？这正是从元音 /e/ 到元音 /ɪ/ 的转变。
- 在以下单词中比较 /eɪ/ /ɛ/ /æ/ 的发音：pate /peɪt/ pet /pɛt/ pat /pæt/；lade /leɪd/ led /lɛd/ lad /læd/。
元音 /a/ 在英语中也不单独出现，它会以双元音 /aɪ/ 的形式出现，即字母 I 的发音，也会以双元音 /aʊ/ 的形式出现，如 loud /laʊd/。注意元音 /a/ 和 /ɑ/ 的符号区别，一个是印刷体，一个是手写体。
元音 /o/ 近似于汉语拼音中 o 的发音。在英语中，元音 /o/ 不单独出现，仅仅在部分情形下以双元音 /oʊ/ 的形式出现，即字母 O 的音。
Youtube 博主 @BillieEnglish 为双元音编写了记忆口诀，在这短短几个单词中出现了英语中的八个双元音：
No highway here cowboys! There're tourists!
在这里同时也推荐一下另外两位 YouTube 博主 @Pronunciationwithemma （英式）和 @hadar.shemesh （美式），她们的视频对我学习元音提供了很大的帮助。
混乱的音标体系
当我们在词典中查找某个单词的发音时，我们并不会对这个单词英音和美音的音标注释的不同感到惊讶。电子词典方便了我们的查询，同时也让我们一睹音标系统的混乱：同一个单词的英式音标或美式音标在不同的词典中标注不同。而带有读音的查词软件和在线词典给我们带来了更大的困惑：有时会发现音标标注不同但读音相同。究竟是读音的不同还是只是大家使用了不同的音标系统而已呢？回答这一疑问，我们需要了解一下几个主要音标体系的历史。
1888 年，一群来自英国和法国的语言教师创建了一套用于标注不同语言的标准音标系统，即国际音标（International Phonetic Alphabet, IPA）。
1917 年，英国语音学家丹尼尔·琼斯（Daniel Jones）选用了部分 IPA 符号编写了《英语发音词典》。1977 年，琼斯的学生吉姆森在第十四版《英语发音词典》中对其导师的音标系统进行了修改，从 IPA 中引入了新的符号以表明长短元音在音质上的差别：用 /ɪ/ /ɒ/ /ʊ/ 替代 /i/ /ɔ/ /u/，长元音延用定量符号 /i:/ /ɔ:/ /u:/，用 /ɜː/ 替代了 /ə:/，短元音延用了 /ə/。1995 年，克莱夫·厄普顿（Clive Upton）修改了 Gimson 方案中的五个音标：/e/→/ɛ/ /æ/→/a/ /ɜː/→/əː/ /eə/→/ɛː/ /aɪ/→/ʌɪ/。1997 年，彼得·罗奇（Peter Roach）又为美式发音引入了新的符号 /ɝː/ /ɚ/。这一套从丹尼尔·琼斯开始一脉相承下来的音标体系习惯被大家称为 DJ 音标。
1944 年，John Samuel Kenyon 和 Thomas Albert Knott 两人出版了专为美国人定制的《美式英语发音词典》。由于两人的姓氏都以字母 K 开头，因此这本词典使用的音标被称为 KK 音标。
话已至此，好戏就开场了。我参照 Wikipedia 上的音标体系比较表，检测了以下几个词典使用了哪种音标体系：
- 剑桥在线英语词典，英音用的是 Gimson，美音用的是 Roach。
- 牛津在线英语词典，英音用的是 Upton，美音用的是 KK。
- 韦伯斯特在线英语词典，仅有美音标注，用的是韦氏音标。
别说像我们这样的非英语母语者看到这样的局面抓耳挠腮，就算是英语母语者看到也会头晕目眩。那么，我们究竟该怎么办呢？以下是我个人的看法。
- 以国际音标为标准。既然所有的音标体系都是借用国际音标的符号，那么我只学习国际音标的符号以及对应的读音。
- 默认采用 Gimson 的定量-定性方案。遇到不带冒号的单元音 /i/ /u/ /ɔ/ 视为长元音，/ə:/ 视为等同于 /ɜ:/。特殊情况：happy /hapi/, wiki /wɪki/。
- /e/ /a/ /o/ 默认为不以单元音的形式出现。如遇到单元音 /e/ 视为 /ɛ/，遇到单元音 /a/ 视为 /æ/，/o/ /oʊ/ 仅在美式发音中出现，视为等同于 /əʊ/。
- 美式发音均将英式发音中的 /ɒ/ 替换为 /ɑ:/，这并非音标体系的不同，而确实是发音的不同。此外，美式发音注重对字母 r 的发音。单词举例：shop 英 /ʃɒp/ 美 /ʃɑ:p/；sharp 英 /ʃɑ:p/ 美 /ʃɑ:rp/。
结语
除了音质上的不同（如不同的元音和辅音），语言的音流还表现出展转起伏、抑扬顿挫的变化，涉及语音的重音、声调、语调、节奏等超音段特征。这些特征不仅用于区分语义，还能体现说话人的情感。在这段 ChatGPT 高级语音模式的官方演示视频中，我们可以看到 ChatGPT 已经掌握了汉语的声调特征，但在其他超音段特征上表现出明显的中英文能力差异。
在下一篇文章中我再和大家分享我对超音段特征的学习。
- 罗常培 & 王均（2002），普通语音学纲要（修订版），p.19
- 2罗琼鹏 & 彭馨葭（2015），语言学，ch.2
- 3Leith Lisker & Arthur S. Abramson (1964). A cross-language study of voicing in initial stops: acoustical measurement.
- 4Peter Ladefoged & Keith Johnson (2014). A Course of Phonetics (7th edition), p.63
- 5Ettien Koffi (2021). Relevant Acoustic Phonetics of L2 English, p.119-121
