什么是音位？定义及英语中的 44 个音位

音位是语言中能够改变词义的最小语音单位。替换一个音位，就能形成一个完全不同的词。/p/ 和 /b/ 与 /æt/ 组合后，分别构成“pat”和“bat”两个截然不同的词。

尤其在英语中，音位正是拼写与发音常常不一致的原因。比如，“fox”由 4 个不同音位构成（/f/ /ɒ/ /k/ /s/），却只有 3 个字母；而“ship”有 4 个字母，却只有 3 个音位（/ʃ/ /ɪ/ /p/）。理解音位对于语言学习，以及理解现代文本转语音系统如何将书面词语转化为自然语音，都至关重要。

本文将通过示例说明音位的定义，提供完整的 44 个英语音位表，并介绍 AI 语音技术如何通过音位级控制实现准确发音。

摘要：

• 音位是口语中能够改变词义的最小语音单位。
• 大多数语言学家认为英语有 44 个音位，包括 24 个辅音和 20 个元音。
• 音位描述语音，而字位是书写中表示音位的字母或字母组合。
• 国际音标（IPA）对表示音位的符号进行标准化，确保这些声音的发音保持一致。
• 文本转语音工具会先将字位转换为音位，再生成音频文件。

什么是音位？

音位是能区分不同词语的最小语音单位。语言学家通过寻找仅相差一个语音的两个词来识别音位，这类词称为最小对立体，例如：

• Pat / bat：/p/ 和 /b/ 是这组最小对立体中不同的音位。
• Ship / sheep：/ɪ/ 和 /iː/ 是使这两个词不同的音位。
• Bat / bad：/t/ 和 /d/ 是区分这两个词的不同音位。

如果改变一个语音后形成了新词，那么这两个语音在该语言中就是不同的音位。如果只是让同一个词听起来略有不同，那么它们只是同一音位的变体。

“phoneme”一词源自希腊语 phōnēma，意为话语或发出的声音。这有助于理解音位：它是语音单位，而非拼写信息。正如接下来会看到的，音位不只是单个字母，还涵盖完整的听觉声音。

英语有多少个音位？

英语通常有 44 个音位，其中包括 24 个辅音音位和 20 个元音音位。不过，这只是一般估计。根据口音以及语言学家界定不同声音的方式，有些人认为最少有 42 个，最多有 45 个。例如，通用美式英语会发出“car”中的 /r/，而标准英式发音（Received Pronunciation）不会，因此不同口音的总数会有所不同。

其他口音可能会合并元音，从而减少音位总数。比如，一些美国人将“cot”和“caught”发成相同的音，这类元音合并会影响语言学家对总数的判断。一些边缘音也会影响统计：若将双元音视为组合而非单一音位，结果便会不同。例如，有些体系将 /ʍ/（“which”开头的送气音）计为独立音位，另一些则将它视为 /h/ 和 /w/ 的组合。

标准统计采用 44 音位模型，具体包括 24 个辅音、12 个单元音和 8 个双元音。这是英国语音教学和 ESL 教学中使用的标准。

英语的 44 个音位：完整示例表

辅音音位（24 个）

元音音位（12 个单元音 + 8 个双元音 = 共 20 个）

这些符号遵循大多数自然拼读课程使用的英式英语（RP）体系；通用美式英语对卷舌元音的分析略有不同。

音位和字位有什么区别？

音位是声音，字位则是该声音的书写表示。一个字位可以是 1 个字母（c-a-t）、2 个字母（双字母组合，如 sh 或 ea）、3 个字母（“night”中的 igh），或 4 个字母（“though”中的 ough）。

音位与字位的不对应，正是英语拼写出了名难学的原因。例如：

• 一个音位，多个字位：/iː/ 音可以拼写为 ee（sheep）、ea（leaf）、e（be）、ey（key）、ie（chief），或 ei（ceiling）。
• 一个字位，多个音位：字母组合 ough 在“through”中表示 /uː/，在“though”中表示 /əʊ/，在“tough”中表示 /ʌf/，在“thought”中表示 /ɔː/。

英语虽然有 44 个音位，却有超过 200 个字位来拼写它们。相比西班牙语这类拼写与发音几乎一一对应的语言，英语的口语和转写都极其复杂。这也是文本转语音模型不能只按字母直接朗读的原因，稍后会进一步说明。

音位与音位变体

音位变体是同一音位的不同发音方式，不会改变词义。如果不存在仅由某个语音造成两个不同词语的最小对立体，那么这个语音就是音位变体。

例如，“pat”中的 /p/ 与“spat”中不送气的版本听起来不同。它们是不同的声音，但英语中没有任何词对仅凭送气与否来区分，因此英语母语者会将其视为基本相同的声音。在泰语等其他语言中，送气和不送气的 /p/ 则构成不同音位，能完全区分词义。

这说明，什么算作音位完全取决于具体语言。关键在于声音如何影响词义，而不只是声学差异。

音位如何驱动文本转语音

每个文本转语音系统都需要解决与人脑朗读时相同的问题：在发声前将字位转换为音位。字位到音位（G2P）转换非常困难，许多基础 TTS 系统正是在这里出错。

文本可能存在歧义。同一个词“read”，现在时可以读作 /riːd/，过去时则读作 /red/。一些专有名词，如品牌名或技术术语，甚至可能完全不遵循标准拼写规则。现代 AI 模型，如 Eleven v4，会利用上下文解决大多数问题；你也可以进行更细粒度的音位控制，以确保发音准确：

• 发音词典：为整个项目中的每个词定义发音方式。尤其适合反复出现的品牌名、角色名、医学术语或企业专用词汇。
• SSML 音位标签和 IPA：可通过 SSML 音位标签，在 v2 模型中对词级发音进行控制，或直接使用 Eleven v4 音频标签来书写词语。

同一音位层也反向发挥作用。对于 语音转文本，模型需要学习声学模式，以便先映射音位序列，再将其组合成词语。借助对音位的理解，模型可以转录此前可能从未见过的词。

如何利用音位学习语言

普通用户想进一步了解音位的一个主要原因是，它对语言学习非常有用。儿童在早期听辨或识别单个音位的能力会直接影响其进一步掌握语音知识，以及在整个青少年阶段的语言表达能力。

学习一门新语言时，大脑必须处理耳朵从未接受过训练去辨别的音位。以下是一些利用音位提升语言学习效果的实用方法：

• 学习 IPA 符号：国际音标会出现在词典中，用于展示每个词的发音。学习 IPA 后，即使第一次见到某个词，也能知道如何读。
• 聆听并模仿音位：放慢语速，辨识语言中的每个音位并加以模仿。这能帮助你理解每个声音应如何发音，比语言学习中反复练习完整句子更有效。
• 用最小对立体精进发音：最小对立体之间只相差一个音位。在口语中反复练习这些例子，有助于训练舌头和耳朵，识别并复现不同语言间细微的差异。

AI 语音工具也让语言学习变得轻松许多。借助文本转语音生成器，你可以用数十种语言及多种地区口音的母语级语音，聆听任何单词或短语。

试用 ElevenLabs 的音位级文本转语音

无论是在探索一门新语言的语音学，还是在打磨母语表达，扎实理解音位都是掌握清晰、有效表达的关键。不过，学习语言并不只靠语言学理论；人类也会通过聆听和模仿来学习。

文本转语音生成工具对于培养音位意识、建立对语音单位、完整词语及口语交流中自然包含的各种声音的直观理解非常有价值。

立即使用强大的 文本转语音技术，体验 ElevenLabs，或进一步了解我们的 创意工具套件。

常见问题