声音的积木
第 1 章：声音的积木
世界上最早的声音密码
每个宝宝来到这个世界时，都是一张白纸。他们不会说话，不会读书，甚至听不懂大人说的任何一个词。但他们会做一件了不起的事情——发出声音。
试着回忆一下，你第一次听到小宝宝说话是什么时候？那些声音是什么样的？大多数婴儿最早发出的声音是"啊啊啊"，长长的一个调，像小喇叭在响。过几个星期，你会听到"哦哦哦"，嘴巴变成圆形，声音变得圆润。再过几个月，你开始听到"呜呜呜"，嘴唇抿在一起振动。还有"噗噗噗"，嘴巴张开又闭上，像小鱼吐泡泡。
这些声音有一个共同的名字，叫作咿呀语。这个词来自拉丁语，意思是"叽叽喳喳"或者"喃喃细语"。全世界所有婴儿，不管他们将来学的是中文、英语、日语还是法语，在生命的最初几个月里，发出的咿呀语几乎一模一样。这是一件非常神奇的事情——人类的小宝宝生来就懂得发出这些声音，好像身体里内置了一套"通用声音程序"。
但随着宝宝慢慢长大，事情开始发生变化。大约在六个月左右，中国家庭的宝宝开始频繁发出"baba""mama"这样的声音，而英国家庭的宝宝却在反复练习"dada""tata"。为什么会有这种差异？因为宝宝们开始听到周围大人说话的声音，并且尝试模仿这些声音。他们的大脑像一台超级电脑，在悄悄地记录、分析、归类听到的每一个声音，然后一个一个地学会发出它们。
积木房与积木字
为了理解这个过程，我们来做一个思维实验。假设你有一堆积木，每一块积木都是完全相同的颜色和形状。你可以用这些积木搭建出一座小房子，也可以搭建出一辆汽车，还可以搭出一只恐龙。积木的数量是有限的，但你能用它们创造出的东西却是无限的——只要你学会不同的组合方式。
语言的工作方式与此非常相似。我们用有限的一些"声音积木"，通过不同的组合，就能说出无限的句子。这些声音积木，在科学上有一个专门的名字，叫作音素。
什么是音素？音素是语言中最小的、不能再拆分的声音单位。你可以把一个完整的词拆成音素，就像把一座乐高城堡拆成一块块积木；但你没办法把一个音素继续拆成更小的、有意义的声音。如果你把一个音素再往下分，分出来的部分要么不是人类语言中使用的有意义的声音，要么干脆什么都发不出来。
让我们用一个简单的例子来理解。中文里有一个词叫"马"。你试着把这个词的发音慢慢拖长，仔细感受你的嘴巴在做什么动作。首先，你的嘴唇要收紧，然后舌头要抬起来顶住口腔顶部，接着突然放开，让气流冲出去，发出"马"的音。在整个过程中，有几个关键的转折点：嘴唇从紧闭到打开是一个动作，舌头从顶住到放开是另一个动作。这就是两个不同的音素——我们用拼音写的话，它们就是"m"和"a"。你没办法把"m"再拆成更小的声音了，因为"m"本身已经是最小的声音单元。
但这里有一个重要的细节需要说明：音素指的是声音本身，而不是书写符号。"m"这个字母是一个音素的书写形式，但在不同语言中，同一个音素可能用完全不同的字母来表示。比如在中文拼音里我们写"m"，在英文里也写"m"，但在俄语里却要写"м"。所以当你听到语言学家说"音素"的时候，他们讨论的是声音，不是字母。
第一个发现：声音可以拆解
人类认识到"声音可以拆解"这件事，经历了漫长的岁月。最早系统性地研究这个问题的人，是生活在两千多年前的古印度学者。
在印度河流域，古代的婆罗门祭司需要精确背诵成千上万行的神圣咒语。这些咒语代代相传，绝对不能有任何差错——如果背错了一个词，神灵可能就不高兴了。为了保证背诵的准确性，祭司们发展出了一套极其精密的方法来标注咒语的发音。他们发明了一套符号，专门用来标记每个音节的开头音、结尾音、重音、甚至语速的快慢。这就是世界上最早的声音记录系统之一。
这些古印度学者发现了一个重要的事实：无论多么复杂的句子，归根结底都是由少数基本声音元素组成的。就像音乐中的七个音符可以组合出无数首曲子，语言中的几十个基本声音可以组合出无数的词语和句子。这个发现为后来的语言学奠定了基础。
一千年后，公元1886年，一群来自世界各地的语言学家齐聚伦敦，决定要创造一套统一的符号系统，用来记录全世界各种语言的声音。他们的工作成果就是国际音标，简称IPA。国际音标就像一套全世界的通用音符，每个符号对应一个固定的声音，任何语言中的任何音素都可以用这些符号来标记。
为什么要创造国际音标？想象一下，如果全世界每个国家都用不同的方式来写拼音，会发生什么混乱？中文用拼音写"ma"，英文用字母写"m-a"，日文用假名写"ま"，韩文用谚文写"ㅁ"。当语言学家想要比较不同语言的发音时，如果没有一套共同的符号系统，就像试图用英尺和厘米对话一样困难。国际音标解决了这个问题——它是一套中立的、精确的"声音字母"，让全世界的语言学家能够用同一种语言讨论声音。
拍手游戏：发现音节的秘密
现在你已经理解了音素的基本概念。接下来，让我们通过一个简单的游戏来亲身体验声音的分解。
这个游戏叫"声音拍拍手"。你需要找一个伙伴，或者自己对着镜子做也可以。
第一步，找一个安静的地方坐好，深呼吸，放松肩膀。
第二步，想一个简单的词语，比如"妈妈"。用正常速度说出这个词，同时用手拍两下——说到"妈"的时候拍一下，说到第二个"妈"的时候再拍一下。你会发现"妈妈"这个词有两个清晰的节奏单位。
第三步，换一个词试试，比如"中国"。拍拍看，"中"拍一下，"国"拍一下。仍然是两个节奏单位。
第四步，再试一个："中华人民共和国"。这次你需要拍很多下。慢慢数一数，你拍了多少下？实际上这个词有七个音节：中华人民共和國——中、华、人、民、共、和、国。
像"妈妈""中国"这样的节奏单位，语言学家有一个专门的名字，叫音节。一个音节通常包含一个元音（元音就是声音从喉咙里出来时不受阻碍、自然发出的音，比如"a""o""e""i""u"），可能前面有一个或几个辅音（辅音是声音出来时受到舌头、牙齿或嘴唇阻挡的音，比如"m""b""p""g"）。一个词可能由一个音节组成，也可能由很多个音节组成。
现在，让我们把拍手游戏和积木类比结合起来。你已经知道，词语是由音节组成的，就像一座积木房子是由一层层积木搭成的。但音节本身还可以继续拆分。每一个音节都可以拆成更小的声音单元——音素。
以"马"这个字为例。从书面上看，它只有一个字；从音节上看，它只有一个音节"ma"；但从音素的角度看，它可以拆成两个最小的声音单元：辅音"m"和元音"a"。你可以试着只发出"m"的声音——把嘴闭上，让气流从鼻腔出来——这就是辅音"m"。然后把嘴张开，让气流自由通过——这就是元音"a"。把这两个声音连起来，你就说出了"ma"这个音节。
如果这还不够清楚，我们可以换一种方式。把你的手放在喉咙上，先发出"aaaa"的声音，感受喉咙的振动。然后突然把嘴唇闭起来，不发出声音，只用鼻子哼"mmm"的声音。你会发现，"a"和"m"是完全不同的两种声音：发出"a"的时候，空气从嘴巴出来，不受阻碍；发出"m"的时候，空气被嘴唇堵住，只能从鼻子出来。这两个最小的声音单元就是两个不同的音素。
乐高积木的比喻
让我们用乐高积木来完整地比喻语言的结构。
想象你面前有一堆积木，其中有一小堆红色的小方块。这些红色小方块就是音素——语言中最基础的、不可再分的声音单元。每一个音素就像一块红色小积木，单独存在时可能看不出什么意义，但它们是搭建一切的原材料。
你抓起几块红色小积木，按照特定的方式拼在一起。比如，把一块刻着"m"标记的积木和一块刻着"a"标记的积木拼在一起，你就得到了一组积木——"ma"。这组积木相当于一个音节。在真正的语言中，"ma"这个音节可以表示"妈妈"的"妈"，也可以表示"马匹"的"马"，因为中文是依靠声调来区分意义的语言（这个我们稍后会详细讨论）。
现在，你把多个音节拼在一起。比如，把"ma"这组积木和另一个"ma"拼在一起，你就得到了"mama"——两个音节组成的词。在中文里，"mama"连起来说就成了"妈妈"，表示母亲。在英文里，"ma-ma"写成"mama"，意思是同样的事情，但在口语中通常说成"mom"或"mummy"。语言不同，同样的声音组合可能对应完全不同的意义；同样的意义，也可能用完全不同的声音组合来表达。
再进一步，把多个词语组合在一起，就形成了一个完整的句子："妈妈爱马。"这个句子包含三个词语，每个词语由音节组成，每个音节由音素组成。整个语言系统就像一座巨大的乐高建筑，从最底层的音素一层层搭建上去，最终形成了我们日常使用的复杂语言。
你可能会问：为什么要把语言拆得这么细？直接学词语和句子不就好了吗？
这个问题问得很好。答案是：拆解可以帮助我们理解语言运作的深层原理。就像学习乐高积木的孩子，如果他们只会照着图纸拼，不知道积木本身的形状和连接方式，就永远无法自己创造新东西。只有理解了最基础的单元，我们才能真正掌握组合的规律，甚至发明出前人没有做过的组合。
国际音标：声音的护照
让我们更仔细地了解一下国际音标。这套符号系统是1888年由国际语音学会正式发布的，从那时起不断完善，现在已经包含了超过一百个符号，能够记录世界上几乎所有语言的音素。
国际音标的设计原则非常精妙：每一个符号只代表一个声音，每一个声音也只对应一个符号。这种一对一的对应关系保证了绝对的精确性。就像数学中的运算符号，不管在哪里看到"+"号，全世界的人都明白它的意思是"相加"；看到"/p/"这个符号（斜杠表示这是音素，不是字母），所有语言学家都知道它代表双唇紧闭后突然放开时发出的那个音。
我们来看几个最常见的音素符号。先看辅音。中文拼音里的声母几乎都有对应的国际音标符号：/p/是双唇音（嘴唇紧闭后放气），/m/是鼻音（气流从鼻子出来），/t/是舌尖音（舌尖顶住上颚后放气），/k/是舌根音（舌根顶住喉咙上方后放气），/s/是擦音（气流从狭窄通道挤出来发出"嘶嘶"声），等等。
再看元音。英语的/i/音（像"see"里的长元音）和中文的/i/音（"衣"的音）非常接近，可以用同一个符号表示。英语的/æ/音（像"cat"里的元音）在中文普通话中并不存在，没有对应的单字。学习外语的时候，我们往往会发现一些"陌生"的声音——那些我们母语中没有的音素。这时候，音标就能帮助我们识别这些陌生的声音，然后专门练习发出它们。
国际音标的另一个重要功能是记录不同语言的差异。中文普通话里有"zh"这个音，写成音标是/tʂ/，舌头卷起来顶住上颚，类似于英语"ch"但更靠后一些。很多英语母语者学中文时，会把"zhīdào"（知道）发成听起来像"jīdào"（机到）的音，因为他们的舌头位置不够靠后。音标可以清楚地标出这个差异，让学习者知道问题出在哪里。
现在，让我们来做一个练习：把国际音标想象成一本"声音护照"，上面记录了你认识的每一个声音。英语护照上可能盖了几十个不同的印章，代表英语中用到的所有音素。中文护照上又盖了另外几十个印章。有些印章两种语言都有，有些印章是某一门语言独有的。如果你想学一门新语言，你需要先去查看它的"声音护照"，看看有哪些印章是你已经认识的（这些音你会发），有哪些印章是陌生的（这些音需要专门练习）。
世界的声音地图
既然说到了不同语言有不同的音素，让我们来一次世界声音之旅，看看不同语言都使用了多少音素。
先从中文普通话说起。普通话大约有21个声母（包括零声母，即没有辅音开头的音节），39个韵母，加上四个声调。如果只算不计较声调的有意义声音区分，大约有一百多个不同的音节。但如果我们按照音素来算，普通话大约使用32个左右不同的音素——十多个辅音加上几个元音，以及它们的一些组合变体。
英语的音素数量比普通话多一些。英语大约有44到46个音素（不同学者统计略有差异），包括24个辅音和大约20个元音。英语之所以音素更多，主要是因为它的元音系统更复杂——同样是一个"a"音，在"cat""father""made"三个词里其实是三个不同的音素，英语母语者能清楚地区分它们，但中文母语者往往听不出差别。
日语的音素数量则相对较少。日语大约只有14个不同的辅音和5个元音，加上一些组合，总共大约20来个音素。日语学习者常说的一个特点是，某些在中文或英语里区分的音，在日语里不区分。比如日语的"ra"和"la"是同一个音素，日语母语者通常很难发出这两个音的区别。
世界上音素最少的语言可能让你惊讶。有一种叫做罗托卡特语的皮钦语，曾经在太平洋的某个岛屿上使用，它只有11个音素。而非洲的布西门子语则使用了超过100个辅音，加上十几个元音，是音素数量最多的语言之一。
为什么不同语言会有这么不同的音素数量？这主要是因为语言在发展过程中会"简化"或者"分化"。有些语言丢失了某些音素（比如日语丢失了中文里很多区分的音），有些语言则发展出了新的音素（比如很多非洲语言有丰富的点击音）。语言音素的数量多少，并不代表语言的"先进"或"落后"——每一种语言都足够复杂，能够表达任何人类思想，只是使用了不同的声音工具。
动手实验：数一数你认识多少音素
现在，你已经了解了足够多的背景知识。让我们来进行一个实际的练习：辨认并记录你母语中的音素。
你不需要使用复杂的国际音标符号，只需要用你自己的方式——可以用汉字、拼音、或者简单的图画——来标记你听到的声音。
首先，准备一张纸和一支笔。然后，找一个安静的地方，大声说道："我爱我的家。"
好，让我们把这五个字一个一个来分析。
我：用拼音写是"wo"。从声音上拆解，它有一个辅音"w"（双唇收圆但不让气流完全堵住）和一个元音"o"（舌头放松，嘴巴张大）。这是两个音素。
爱：用拼音写是"ai"。这是一个双元音，由"a"和"i"两个元音快速滑动组成。有时候语言学家把它算作一个音节中的两个音素，有时候把它当作一个整体。根据你仔细聆听，你可能会听到"a"和"i"两个不同的声音。
的：用拼音写是"de"。这是一个轻声音节，发音很弱、很短。它有一个辅音"d"和一个元音"e"（弱化版的"e"音）。有些语言学家认为轻声音节中的元音会进一步弱化，但在这个练习中，我们先把它算作两个音素。
家：用拼音写是"jia"。它有一个辅音"j"（舌面音，舌头中部顶住上颚）和一个复合元音"ia"（先发"i"然后滑向"a"）。按照严格的标准，"jia"可以拆成三个音素：/j/, /i/, /a/。
好，现在让我们用一种更系统的方式来练习。下面是一张常见音素列表。你可以逐个检查每个音素，思考一下它在不在你的母语中使用，用在哪些词语里。尝试至少找到10个你确定认识的音素。
以下是你可以寻找的常见音素：
辅音组：
- /p/：嘴唇紧闭放气，比如"泼"的发音开头
- /b/：和/p/类似但呼气较轻，比如"波"的发音开头
- /m/：鼻音，闭嘴用鼻子发音，比如"摸"的开头
- /f/：牙齿咬下唇，发出"夫"的音
- /d/：舌尖顶上颚后放气，比如"得"的开头
- /t/：和/d/类似但更用力，比如"特"的开头
- /n/：舌尖顶住，鼻子发音，比如"呢"的开头
- /l/：舌尖顶住，声音从两边出来，比如"乐"的开头
- /g/：舌根顶上颚，比如"哥"的开头
- /k/：和/g/类似但更用力，比如"可"的开头
- /h/：喉咙呼气，比如"喝"的开头
- /j/：舌面音，类似于"机"的开头
- /q/：舌面送气音，类似于"七"的开头
- /x/：舌面摩擦音，类似于"西"的开头
- /z/：舌尖前音，类似于"资"的声母
- /c/：舌尖送气音，类似于"次"的声母
- /s/：舌尖摩擦音，类似于"思"的声母
- /zh/：舌尖后音，卷舌音，类似于"知"的声母
- /ch/：舌尖后送气音，类似于"吃"的声母
- /sh/：舌尖后摩擦音，类似于"师"的声母
- /r/：舌尖后浊音，类似于"日"的声母
- /w/：双唇圆音，类似于"屋"的开头
- /y/：舌面高元音前移，类似于"衣"的开头
元音组：
- /a/：嘴巴张大，舌头放平，比如"啊"
- /o/：嘴巴圆起，舌头靠后，比如"哦"
- /e/：嘴巴半开，舌头居中，比如"诶"
- /i/：嘴巴咧开，舌头靠前，比如"衣"
- /u/：嘴巴圆起，舌头靠后，比如"乌"
- /ü/：嘴巴圆起但舌头靠前，比如"鱼"
你可以把这张列表当作一张"音素清单"，一边读一边在自己的母语中寻找对应的声音。试着给每一个找到的音素写一个你熟悉的词语作为例子，比如"p——泼、水pō、拍pāi"。
当你完成这个练习后，数一数你找到了多少个音素。大多数说普通话的人应该能轻松找到20个以上不同的音素。如果你想挑战自己，可以继续尝试找更多——国际音标表上有超过一百个符号，但没有任何一种语言使用所有的音素。
声音的层级：从最小到最大
让我们用一个图表来梳理一下语言的层级结构。从最小的单元到最大的单元，语言是这样组织的：
音素 → 音节 → 词语 → 短语 → 句子 → 段落 → 篇章
最底层是音素。音素是最小的声音单元，就像积木房里那些不可再分的红色小方块。一个音素单独存在时没有任何意义，但它可以和其他音素组合。
往上一层是音节。音节是音素的组合，通常包含一个元音（声音的核心），可能前面有一个或几个辅音（声音的开头），也可能后面有一个辅音（声音的结尾）。一个音节可以是一个独立的词，比如"马"；也可以是一个词的一部分，比如"妈妈"里的第二个"ma"。
再往上一层是词语。词语是一个或多个音节的组合，代表一个具体的意思。比如"妈妈"是一个词语，"中国"也是一个词语。词语是最小的能够独立表达意义的语言单位。
词语组合成短语，比如"我的妈妈"是一个短语，"中国地图"也是一个短语。短语组合成句子，句子组合成段落，段落组合成篇章。这就是语言从微观到宏观的完整结构。
理解这个层级结构有什么用？
首先，它帮助我们理解语言学习的过程。婴儿在习得母语时，实际上是在同时学习好几个层面的规则。他们需要学会分辨不同的音素（"m"和"b"是不同的），需要学会组合音素形成音节（把"ma"说成"ma"而不是"am"），需要学会把音节组合成词语（"mama"不等于"miami"），需要学会把词语组合成句子（"我打你"和"你打我"是完全不同的意思）。每一个层面都有它的规则和模式。
其次，这个层级结构帮助我们理解语言之间的差异。不同语言在音素层面可能很相似（比如很多语言都有/m/这个音素），但在音节层面可能有很大差异（中文允许"mian"这样的音节结构，但不允许英语中常见的"sp"开头）。在词语层面差异可能更大，中文的词语通常是单音节或双音节的，而英语的词语可以很长（想想"antidisestablishmentarianism"）。理解这些差异，能帮助我们更好地学习外语，也能帮助我们理解为什么翻译有时候很困难。
本章小结
在这一章中，我们从婴儿的咿呀学语开始，探索了语言的最基本声音单元——音素。我们发现，世界上所有语言的词语和句子，归根结底都是由有限的一些音素通过不同的方式组合而成的。这种"有限元素，无限组合"的特性，是语言能够表达任何人类思想的根本原因。
我们用乐高积木做了比喻：音素就像最小的积木块，音节就像几块