基于元音声学特征分析的藏语方言分类与验证研究

Study on the Classification and Verification of Tibetan Dialects Based on Vowel Acoustic Feature Analysis

摘要

藏语方言的分类与语音差异分析是语言学研究中的重要课题。传统研究主要依赖田野调查、口头记音及历史文献比对，虽积累了丰富的基础语料，但由于研究方法主观性强且缺乏量化分析，致使方言划分仍存在一定的分歧。文章基于现有藏语方言语料，结合计算语言学与实验语音学方法，以中国境内22种藏语方言和土语作为研究对象，系统分析了单元音的声学空间分布及复元音的共振峰动态特征。为降低发音人音色对声学特征的影响，采用数据增强技术平衡发音人分布，并提出质心归一化算法以抑制发音人身份信息。最终以单元音和复元音的声学参数为特征，以115个单音节词为样本，应用K-means聚类算法对方言进行自动分类。实验结果表明，聚类结果与格桑居冕等学者提出的藏语传统方言划分体系高度吻合，验证了基于元音声学特征进行藏语方言区分的有效性和可靠性。

Abstract

The classification of Tibetan dialects and the analysis of their phonetic differences play a significant role in linguistic research. Traditional studies have predominantly relied on fieldwork, oral transcription, and comparison of historical documents. While a wealth of foundational data has been accumulated using these methods, the highly subjective nature of these research methods and the lack of a quantitative analytical framework have led to persistent discrepancies regarding dialect classification. Based on existing Tibetan dialect corpora and combining computational linguistics and experimental phonetics, this paper systematically analyses the acoustic spatial distribution of monophthongs and the dynamic characteristics of formants in diphthongs, focusing on 22 Tibetan dialects and sub-dialects within China. To mitigate the influence of speaker timbre on acoustic features, data augmentation techniques were employed to balance the speaker distribution, and a centroid normalization algorithm was proposed to suppress speaker-specific information. Ultimately, using the acoustic parameters of monophthongs and diphthongs as features, and with a sample of 115 monosyllabic words, the K-means clustering algorithm was applied to automatically classify the dialects. The experimental results demonstrate that the clustering outcomes are highly consistent with the traditional dialect classification system proposed by scholars such as Gesang Jumian, thereby validating the effectiveness and reliability of distinguishing Tibetan dialects based on vowel acoustic features.

Graphical abstract

关键词

藏语方言 / 元音声学分析 / K-means聚类算法

Key words

Tibetan dialects / vowel acoustic analysis / K-means clustering algorithm

引 言

藏语作为汉藏语系的重要语言，其方言划分及语音差异分析一直是语言学研究的重要议题。主流观点认为，藏语可划分为卫藏、安多、康三大方言和若干特殊土语，然而关于各方言内部的次方言划分及特殊土语的归属问题，学界尚未形成共识。传统的藏语方言研究主要依赖田野调查、口述记录和历史比较等方法，受研究视角、素材选取标准等存在差异，且缺乏量化分析手段，在方言细分及特殊土语归类方面常常存在分歧。

在藏语三大方言中，安多方言的内部一致性相对较高，但其次方言的划分存在不同观点。如，格桑居冕等^[1]将安多方言分为牧区和农区两类土语群；《中国语言地图》则进一步列出半农半牧农区次方言^[2]。卫藏方言通行范围广，其内部表现较一致，但同样存在不同的划分方法^[3,4]。如，格桑居冕等^[1]将其划分为前藏和后藏次方言；谭克让^[5]则认为应将阿里地区土语单独划分为阿里次方言。康方言因受山川阻隔，各土语间差异显著，次方言划分存在较大分歧。格桑居冕等^[1]人针对康方言提出3种划分方法，即北路次方言、南路次方言、牧区次方言；根呷翁姆等^[6]提出八分法，即昌都-德格次方言、木雅次方言、巴塘-迪庆次方言、玉树次方言、那曲次方言、道孚次方言、林芝次方言、舟曲-卓尼次方言；铃木博之^[7]和多尔吉^[8]甚至认为康方言本质上是一个“语言复合体”，其中包括丹巴、木雅热岗、北路、南路、木里稻城、乡城、香格里拉、得荣德钦，一共8种方言群。此外嘉绒话、木雅话等特殊方言的语言地位存在争议。罗常培^[9]认为嘉绒语应视为独立语言；孙宏开^[10]则认为羌语、普米语、嘉绒语共同构成羌语支。卓尼话、迭部话、改则话等形成了独具特色的“方言孤岛”，归类问题尚未解决。

上述分歧不仅源于方言分布复杂等客观因素，更与传统定性研究方法的局限性相关。因此，有必要引入计算语言学方法，对藏语方言演化特征进行科学归纳。本文以藏语不同方言元音为研究对象，设计基于语音数据的声学特征提取方法，并提出了基于数据平衡的共振峰空间质心提取标准化算法。在此基础上，结合K-means聚类算法，对22种藏语方言及土语进行了聚类分析，从而量化不同方言元音差异，并揭示方言间的语音亲缘关系。

1 元音在藏语方言演化中起到的关键作用

藏语方言的分化演变主要表现为，发展较快的方言产生了声调，复辅音大多发生简化，元音数量有所增加。在古藏语向现代藏语方言演化过程中，元音层面的变化主要体现在元音长短对立、新元音产生及复元音出现等方面。因此，从元音维度对不同藏语方言进行差异和分类分析具有科学性与合理性。

藏文书面语中无复元音，且单元音仅有5个，分别为：ཨི/i/、ཨུ/u/、ཨེ/e/、ཨོ/o/及基础元音ཨ/a/。然而经长期演变，各方言元音系统与原始书面语差异较大。其中，卫藏方言单元音数量最多，平均有17个；康方言次之，平均为11.3个；安多方言平均有7个，保留了较多古老特性，其中的迭部话、卓尼话等特殊土语则形成了具有鲜明特征的元音系统。此外，卫藏方言、部分康方言及其他特殊土语在演化中衍生出数量不等的复元音，而安多方言始终未演化出复元音，这也成为该方言的显著特征之一。

2 基于元音声学特征的藏语方言差异分析

2.1 元音声学特征

随着现代语言学理论及计算机科学、信号处理等学科的发展，利用语音数据提取声学特征并分析语言或方言间的元音差异已具备可行性。研究表明，元音声学特征与发音器官生理结构及听觉感知空间存在关联，语言学家的研究视角已从生理发音机制转向元音声学特征的计算分析。国内相关研究通过元音声学特征揭示了语言和方言间的距离与相似度^[11-15]。

元音的声学特征主要体现在共振峰结构上。第一共振峰（F1）频率与舌位高低呈反比关系，即舌位越低，F1越高；舌位越高，F1越低。第二共振峰（F2）频率与舌位前后呈正比关系，即舌位越前，F2越高；舌位越后，F2越低。第三共振峰（F3）频率与舌头形状及嘴唇圆展程度相关，在舌头紧张或嘴唇较圆时F3较低；舌头放松或嘴唇展平时F3较高。F3对区分某些元音的细微差异具有重要的指示意义。

F4及更高共振峰与元音关系不如F1、F2、F3直接，但对大多数语言而言，F1、F2、F3是最关键的参数。本研究基于藏语安多方言阿坝话5个主要元音的共振峰分析，揭示了其声学特征与舌位之间的对应关系，从图1和表2可以看出，5个元音在F1、F2维度上呈现出明显的区分性：/a/的F1值最高，反映其低舌位特征；/i/的F1值最低、F2值较高，体现高前舌位；/o/的F2值最低，体现后舌位及圆唇特征；/u/的F3值最低，符合高后圆唇元音的声学规律；/e/的各共振峰值居中，与中前元音的舌位特征相符。总体来看，五元音在三维声学空间中分布均衡，区分度良好。具体如图1和表2所示。

本文采用线性预测分析（Linear Predictive Analysis，LPC）法提取音频的共振峰信息。该方法能有效模拟人类声道系统的共振特性，捕捉语音信号中的频谱结构。需要说明的是，LPC所提取的各阶共振峰频率受采样率、预测阶数等参数配置的影响，其绝对数值可能与传统语音学文献中基于窄带分析所报告的典型值存在差异。本研究的目标并非对单一方言的元音进行发音学定位，而在统一特征提取方法和参数配置的前提下，获取不同方言间元音的相对声学差异，因此，各元音之间及各方言之间的相对差异模式构成本研究的主要分析依据。

通过分析，安多方言阿坝话的5个基本元音在共振峰空间呈现显著的分化特征（表2），5个元音在F1、F2、F3和F4四个维度上均表现出明显的数值差异，各元音在多维声学空间中占据不同区域，形成了可区分的分布格局。这表明，基于LPC方法提取的共振峰参数能够有效区分同一方言内的不同元音类别。

上述共振峰特征的类间可分性为后续开展跨方言元音声学比较和方言聚类分析奠定了方法论基础。

2.2 数据来源

为全面分析藏语不同方言的元音特征，本研究结合藏文书面元音与辅音韵尾体系，采集了115条词例和100条语例，涵盖藏语三大方言区的多种代表性次方言及嘉绒、木雅等特殊方言，共22种方言。在完成原始语音数据采集后，本文使用GPT-sovit4.0语音风格增强工具对数据进行增强处理，以平衡发音人的多样性风格。最终，构建了一个包含56 760条语音、39.8小时的藏语方言辨识语音数据集（TibetanDialectSpeechCorpus-2024，TDSC-2024）。本文的元音声学特征分析主要基于该数据库中的词例部分。

2.3 标准化处理

鉴于不同发音人的声道结构和生理特征存在个体差异，相同音高的共振峰频率在不同发音人的声音中也存在差异。此外，性别和年龄等个体差异也会对方言元音的声学比较产生冗余信息的干扰，从而影响方言差异分析和聚类的准确性。因此，对发音人的风格进行标准化和归一化处理是深入研究方言元音差异分析和聚类的基础。现有研究表明，发音人洛巴诺夫归一化方法（Lobanov normalization）在元音共振峰的标准化中优于其他方法，其具有不受元音空间形状影响、能够有效归一化元音离散度等优点。然而，该方法通过将共振峰值转换为Z分数进行标准化，导致标准化后的共振峰值无法直接反映原始的共振峰频率，从而不利于进行直观的声学分析（见图3）。

由图3可知，经洛巴诺夫归一化处理后，原始的共振峰数值被转换为Z值，无法直观反映原始共振峰信息。这一局限性导致原始共振峰的声学特征无法被保留，也难以进行进一步的声学分析。为解决这一问题，本文提出了一种结合数据平衡增强和三维空间质心算法的元音声学空间标准化方法。该方法主要包括数据平衡配置和三维空间质心计算两个关键步骤。数据平衡增强能够有效解决不同发音人在共振峰数据分布上的不均衡问题，而三维空间质心算法通过计算元音在F1、F2、F3空间的中心点，确保标准化后的共振峰能够保留原始声学特征，同时改善原洛巴诺夫归一化方法中信息丢失的缺陷。

（1）平衡数据配置

发音人的风格主要由年龄和性别决定。本研究在方言数据采集点完成原始语音数据录制后，利用GPT-Sovit4.0模型训练了10个能够模拟不同性别和年龄段发音人风格的语音克隆模型。这些模型生成了具有不同年龄段和性别特征的伪发音人数据。最终，除原始真实发音人外，每个采集点包含5名男性（1名少年男、2名青年男、1名中年男、1名老年男）和5名女性（1名少年女、1名青年女、2名中年女、1名老年女），形成了一个相对平衡的发音人矩阵，具体如图4所示。

（2） 基于质心算法的元音标准化流程

基于发音人风格增强技术，首先利用真实发音人的语音数据，为所有的22个方言采集点的所有词汇和句子构建了一个男女及各年龄段比例平衡的发音人数据矩阵。接着，采用上述LPC共振峰提取方法，将相同内容的单音节音频及其增强数据的共振峰信息投射到F1、F2、F3坐标空间。为了计算几何体质心，采用相近点之间相连的方法形成三维几何体，并计算其质心位置。最后，利用质心在F1、F2、F3空间中的坐标值作为标准化数值。该方法有效解决了洛巴诺夫归一化方法将共振峰频率转换为Z值后无法直观反映原始共振峰信息的局限。图5是以藏语安多方言阿坝话ཐལ/tʰaɻ/为例质心标准化方法，改进后的方法能够保留更多的原始声学特征。

本研究所选的真实发音人为一位29岁的女性，属于藏语安多方言阿坝话的发音群体。表3为不同发音人的共振峰数值对比数据，显示男女发音人之间的共振峰数值差异较为显著，尤其是F1、F2和F3等共振峰频率。男性的F1、F2和F3通常较低，而女性对应数值较高。这一现象可归因于生理结构的差异：男性声道相对宽长，因而其发音时的低频共振更为显著，导致共振峰频率相对较低；女性因声道较为狭窄，产生较高频的共振，使得共振峰频率相对较高。此外，随着年龄的增长，在男性发音人中，F1和F2值呈现逐渐下降的趋势，女性F1和F2同样表现出类似的下降趋势。

表3结果证实，不同性别与年龄段的发音人之间，共振峰频率（F1、F2、F3等）差异显著。未经标准化的跨方言或跨发音人的元音特征比对，将受到生理、年龄等因素干扰，导致分析结果不准确。而质心标准化方法处理后的共振峰数值，通常会趋近于发音人群体的中位数，从而消除了年龄、性别等因素所带来的干扰。这一标准化过程使得不同发音人之间的元音特征差异得以合理比较，进而提升了跨方言、跨发音人的分析精度与可信度。

（3） 与其他归一化方法的对比验证

为验证质心归一化法的有效性，本研究将其与Lobanov法、Watt&Fabricius法、Nearey法及Bark尺度法进行对比。使用藏语安多方言阿坝话ཐལ/tʰaɻ/的11位发音人共振峰数据进行实验，结果如表4所示。实验结果表明，基于算术均值的方法（质心法、Lobanov法、Watt&Fabricius法）与中心估计值完全一致，而Nearey法给出略低的估计值，平均偏差约112 Hz（约10%），这源于几何均值对极端高值敏感度较低。

综上所述，文章提出的质心归一化法在跨方言元音比较中具有以下优势：（1）信息无损性：直接输出Hz值，保留原始声学信息的物理意义；（2）三维空间整合：在F1-F2-F3三维空间中计算几何重心，考虑共振峰的协同变化；（3）计算透明性：算法简洁，便于复现验证。

2.4 基于单元音声学空间图的藏语方言差异分析

元音声学空间图（简称元音图）是指在二维坐标系（F1，F2）中，某一语言或方言主要元音的空间分布关系。通过提取元音的共振峰信息（通常指F1和F2），并将其投射至该声学空间，绘制元音分布图，可有效、直观地归纳与分析该语言或方言的元音特征。常见的元音图包括三元音图、五元音图等，通常基于该语言或方言的代表性元音系统构建。为更全面地呈现元音的声学特征，可将F3作为第三维（z轴）引入，构建三维声学空间，从而更准确地描述元音的高频成分，进一步丰富对元音特征的分析。

藏语方言体系丰富多样，其元音音系特征复杂且各具特色。传统上常用的三元音（/i/,/a/,/u/）或五元音（/i/,/e/,/a/,/o/,/u/）模型在构建声学空间图时，难以充分揭示藏语方言之间的细微语音差异。相比之下，藏文字作为藏语的表音书写系统，能够较为准确地保留公元七世纪藏文创制时期的语音特征。本文以藏文元音符号“ི”“ུ”“ེ”“ོ”以及基础元音“ཨ”（在书面语和多数方言中发音接近/a/）为分析维度，设计了具有藏语语言学特色的“藏文五元音图”。该图旨在更有效地归纳不同方言在单元音层面的演化路径与关键差异。本研究所用声学数据来源于TDSC-2024语料库，所选样本均为单音节词，具有单一元音与较为简单的韵尾结构，从而便于进行标准化声学分析。相关数据见表5。

（1） 藏语五元音图的呈现

在对某方言的五元音共振峰数据进行标准化处理后，将其投射至三维声学空间（F1、F2、F3），得到的散点图虽可呈现不同元音之间的声学差异，但难以全面反映该方言元音系统的整体分布格局。为增强可视化效果，本文采用插值拟合方法，对离散的共振峰数据进行空间拟合，构建了类曲面的三维声学几何图。这一图像更直观地展现了元音分布的空间结构，为方言对比分析提供了更清晰、可解释的视觉支持。具体流程见图6。

将不同方言的藏语五元音声学空间映射到三维坐标，直观感受不同方言间的显著差异，如图7所示。图7右侧展示了康方言德格话的元音图。该方言元音几何体在三维声学空间中体积最小，表明元音系统具有较高闭合度。德格话F1值介于636 Hz至1 296 Hz，表明元音多为高元音；F2值分布在3 868 Hz至4 633 Hz之间，暗示后元音较为突出。总体来看，德格话元音系统以高闭合元音为主，结构紧凑。

图7下方展示了安多方言夏河话的声学空间曲面图。该方言呈现出最为舒展的元音系统，发音接近原始状态。F1值范围为1 469 Hz至2 471 Hz，指示开口较大、舌位较低的元音类型；F2值介于4 931 Hz至6 532 Hz之间，体现前舌和中舌元音特点；较高的F3值（7 101 Hz至9 491 Hz）验证了学界关于安多方言元音系统较为原始的观点。

图7左侧展示了卫藏方言林周话的声学空间曲面图。F1值范围为1 696 Hz至3 508 Hz，表明元音开口度较大；F2值介于4 888 Hz至6 725 Hz，表明元音具有明显的前后舌位差异；F3值较高且变化平稳。总体而言，林周话的元音系统呈现复杂多样的语音特征。

（2） 基于藏语五元音图的方言差异计算

为高效量化多种藏语方言间的元音差异，本文提出了一种基于三维声学空间（F1、F2、F3）的元音图曲面几何距离测算方法，采用Hausdorff距离（HD）与法向量余弦相似度（CS）作为综合计算指标。其中，HD距离衡量两个点集间的最大最小距离，计算公式如下：

d_H\left(A,B\right)=\mathrm{m}\mathrm{a}\mathrm{x}\left(\underset{a\in A}{\mathrm{s}\mathrm{u}\mathrm{p}}\underset{b\in B}{\mathrm{i}\mathrm{n}\mathrm{f}}|a-b|,\underset{b\in B}{\mathrm{s}\mathrm{u}\mathrm{p}}\underset{a\in A}{\mathrm{i}\mathrm{n}\mathrm{f}}|b-a|\right)（1）

式中，A：第一种方言曲面的点集；B：第二种方言曲面的点集；a：点集A在三维声学空间（F1、F2、F3）内的任意采样点；b同理，dH(A,B)：两曲面点集的Hausdorff距离，衡量整体形态差异。

CS用于衡量两个法向量间的角度相似度，计算公式如下：

\mathrm{C}\mathrm{S}=\frac{v_{\mathrm{1}}\cdot v_{\mathrm{2}}}{|v_{\mathrm{1}}||v_{\mathrm{2}}|}（2）

式中，v_{\mathrm{1}}、v_{\mathrm{2}}为两方言曲面的法向量；CS 值域 [-1, 1]，越接近1表示方言元音系统结构越相似。

为平衡两指标的数值差异，本文进一步对HD进行归一化处理，形成最终差异值计算方法S，S值越小表示相似度越高，公式如下：

S=\frac{d_H\left(A,B\right)}{MAXshap{d}_H\left(A,B\right)}+\left(\mathrm{1}-CS\right)（3）

式中，MAXshapdH(A，B)：22种方言两两比较中HD的最大值（用于归一化），(1-CS)：角度差异项；S=0对应基准方言夏河话，S越小相似度越高。

本研究选择安多方言夏河话作为参考对象，测算了21种藏语土语与夏河话之间的差异值，结果见表6。这些数据揭示了不同藏语方言在单元音系统上的异同特征，为方言分类研究提供了声学依据。

通过分析表6数据可以归纳以下方言规律：

（1）安多方言内部相似度高，单元音声学差异较小。与夏河话的相似度计算中，除迭部话外，得分最高4种方言均属安多方言，包括农区次方言的化隆话和牧区次方言的玛曲话、阿坝话，平均差异值仅为0.1364。这也印证了学界关于安多方言内部差异较小的观点。

（2）卫藏方言与安多方言相似度最低。桑珠孜、林周、洛扎、南木林等卫藏土语与夏河话的相似度最低，平均距离差异值达2.1614，远高于康方言与夏河话的平均值1.54。这表明了安多方言与卫藏方言在元音上呈现明显差异，与学界认识相符。

（3）康方言各土语离散度较高，个别土语趋近其他方言。康方言的卡若、德格、丁青、囊谦、巴塘等土语与夏河话的相似度差异较大，体现了康方言内部差异显著的特点。迭部话作为康方言土语，其单元音声学特征却与周围安多方言相似，这可能与其地处安多方言包围的“方言孤岛”地位及当地藏语文教育、广播媒体的影响有关。巴塘话属康方言南路次方言，元音特征则更接近卫藏方言。

（4）嘉绒、木雅等特殊土语与藏语其他方言的元音差异不明显。尽管学界认为上述土语与其他藏语方言差异较大，但声学分析未发现元音层面的显著差异。嘉绒话单元音系统与安多方言相近，木雅话则与康方言趋同。

综上所述，基于藏语五元音图声学特征的相似度计算，可有效区分不同方言和土语的语言距离，结果与主流藏语方言分类基本一致。然而，对于特殊方言及康方言内部土语，单元音共振峰信息的区分能力仍有限。为此，本文引入了复元音声学特征作为补充。

2.5 基于复元音声学特征的藏语方言差异分析

复元音是指在一个音节内，由两个或多个不同的元音音素依次发音并构成一个音节的现象。根据音节中所包含元音的数量，可分为双元音或三元音；根据元音之间过渡的平滑程度，又可分为真性复元音和假性复元音。复元音在世界诸多语言音系中均有存在，根据Ladefoged等^[16]研究，约有三分之一的语言包含二合复元音音段。相较于世界其他地区语言，复元音在汉藏语言中更为常见。藏文书写体系中虽然没有复元音符号和相关构字规则，但随着语言的演变，音节合并现象逐渐出现，从而形成了包含两个不同音节的紧缩音节。例如，“ཁོ”（他）与“ཡི”（的）可合并为“ཁོའི”（他的）。这种紧缩音节在部分方言中仍然拆分为两个音节，而在部分方言中则以复元音的单音节形式发音。因此，不同方言在复元音的处理上存在差异。以三大方言的代表性土语为例，具体情况见表7。

在现代藏语的三大方言中，复元音音节的分布呈现显著的差异性。首先，卫藏方言分为前藏次方言（拉萨）、后藏次方言（日喀则）、阿里次方言等，各个次方言在复元音的数量上存在不同程度的差异。如，前藏次方言复元音的数量通常较少，一般只有2至3个，不超过4个；后藏次方言的复元音数量相对较多，通常为4至5个，最多可达7至8个。相比之下，阿里次方言则是复元音数量最多的次方言，通常拥有7至8个复元音，最多可达到15至16个。这一差异可能与地区的地理、文化以及语言接触等因素相关。康方言的各个次方言在复元音的数量和分布上也呈现出较大的差异。例如，中甸话包含11种不同的复元音，而改则话的复元音数量则相对较少，仅为5种。这一内部差异表明，康方言在其不同次方言之间存在显著的变异。虽然卫藏方言和康方言均存在一定数量的复元音，但两者在复元音的构成上具有明显的区别。卫藏方言的复元音大多是真性复元音，即由两个元音的自然组合构成，通常在发音时不发生音变或融合。而康方言中的复元音则多为假性复元音，其构成往往是通过音变或某些特定的语音变化形成的复合音节。

（1）复元音的声学特征

复元音的声学特征主要通过共振峰的动态信息来体现，即共振峰频率的连续性（Continuity）和变化率（Rate），这两项声学特征是区分真性复元音与假性复元音的关键指标。其中，连续性是指共振峰频率变化的平滑性和连贯性，其核心公式是基于相邻帧之间频率的差分，即变化量的连续性，计算公式如下：

\mathrm{C}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{i}\mathrm{n}\mathrm{u}\mathrm{i}\mathrm{t}\mathrm{y}=\mathrm{\Delta }f=f_{n+\mathrm{1}}-f_n（4）

式中，f_{n+\mathrm{1}}为后一帧的共振峰频率；f_n为当前帧的共振峰频率。

变化率是基于共振峰频率的差分，并除以时间间隔来计算速率，计算公式如下：

\mathrm{R}\mathrm{a}\mathrm{t}\mathrm{e}=\frac{\mathrm{\Delta }f}{\mathrm{\Delta }t}（5）

式中，\mathrm{\Delta }f表示共振峰频率在相邻帧之间的变化，\mathrm{\Delta }t为时间间隔。

（2）方言间的复元音差异计算

本文以卫藏方言中的拉萨话、安多方言中的阿坝话以及康方言中的卡若话作为主要分析对象，选取“རྟེའུ”（意为“小马”）、“བེའུ”（意为“牛犊”）、“བྱེའུ”（意为“幼鸟”）、“གའུ”（意为“小盒子”）以及“ཐོའུ”（意为“花蕾”）等缩略形式所形成的复元音音节的读音音频作为实验数据，分别计算上述词在不同方言中的共振峰F1与F2的连续性数值及其变化率，旨在分析复元音的语音特征及其真假性差异。

表8展示了“བེའུ”在主要藏语方言中的共振峰动态信息。根据该动态信息，本文对不同方言中复元音的形成机制进行了简要分析，旨在揭示各类复元音在声学特征上的异同，并探讨其在方言系统中是否属于真性或假性复元音。图8至图10展示了“བེའུ”在安多方言夏河话、康方言德格话和卫藏方言拉萨话中的共振峰动态轨迹。图中的红色点链代表F1值轨迹，绿色点链代表F2值轨迹。

在安多方言中，“བེའུ”被拆解为Wi“བེ”和lə“འུ”两个单元音音节（表8），并未形成复元音音节。作为单独的单元音音节，其共振峰F1和F2变化率较小，且具有良好的连续性（图8），这一特点也可以从语谱图直观地看到。此外，从表8可知，安多方言的共振峰连续性最低，这是由分析对象“བེ”/Wi/的单音节/i/较为稳定，使得整体音节的稳定性较好所致。

鉴于康方言内部差异较大，且存在假性复元音和真性复元音混合的情况，本文在实验素材选择上，选取了康方言中具有代表性的土语——德格话作为分析对象。在德格话中，“བེའུ”读音/pei¹³/构成了复元音音节。然而，该音节的复元音/ei/中的/i/为主体元音，导致/e/的发音不明显，/e/与/i/的不平衡使其成为典型的假性复元音。如图9所示，康方言的共振峰变化率与连续性数值平均最高，表明其音节结构由/e/和/i/构成，尽管该音节属于复元音类型，但由于是假性复元音，其平稳性较差。

在卫藏方言拉萨话中，“བེའུ”读作/phiu¹⁴/，构成一个带声调的复元音音节，其最显著的特征是两个元音之间相对平衡，发音过程中可观察到两个清晰的响点，此现象在宽谱图中的共振峰动态轨迹中也能得到体现，如图10所示。共振峰曲线呈现出类似马鞍形或高台形的特征，符合典型的真性复元音的声学特征。同时，在表8中，尽管卫藏方言中的元音共振峰平稳性略低于安多方言的单元音音节，但由于其已完成复元音的真性化演变，其平稳性高于康方言德格话中的假性复元音。

综上所述，现有语言学家对藏语方言复元音的研究结论与实际声学数据高度一致，为本研究进一步开展基于元音特征的藏语方言分类、聚类以及相关辨识研究提供了有力参考。

3 基于元音声学特征的藏语方言聚类分析

基于上述实验验证与系统分析可知，元音的声学特征在藏语方言分类及其距离计算中发挥着至关重要的作用。具体声学特征主要体现在以下几个方面：一是单元音的舌位、闭合度以及前后位置等特征，通过共振峰信息（如F1、F2和F3的频率）来表征；二是复元音的存在与真假性复元音可通过共振峰的动态特征进行识别。通过对上述声学特征的深入分析，能够准确捕捉不同方言发音的细微差异。

基于上述关键声学特征，本文在实验设计中选取每种方言相同类型发音人发出的115个单音节词语，提取其F1、F2、F3的均值、F1、F2、F3的连续性特征均值以及变化率特征均值，作为方言元音声学特征的核心数据。随后，采用K-means聚类算法进行聚类实验。当聚类数目设为4时，得到的聚类分析结果如表9所示。聚类结果与现有学界对藏语方言的划分观点较为一致。

根据表9的聚类结果得到以下结论：

（1）卫藏方言内部相似度最高。数据库所含9种卫藏土语中，除林周话外，其余均归入类2，内部差异极小。改则话虽也归入类2，但与同类其他卫藏土语相距较远。

（2）卓尼话和迭部话的元音特征较为接近，两者均属康方言，地理分布相近，元音系统具有较强的相似性。

（3）康方言与安多方言的元音特征较为接近。类1包含了大部分康方言和安多方言土语，表明二者在元音层面差异较小。这与学界普遍认为康方言元音特征更接近于卫藏方言的观点有所不同。

（4）林周话和嘉绒话被单独归为一类。尽管同属一类，两者在聚类空间中距离较远，且与其他藏语方言距离也较大，表明各具独特元音特征，也有可能是存在样本偏差所致。

结 语

元音作为音节发音的核心部分，决定了音节的发音特征。在藏语方言的演化过程中，元音的变化不仅影响发音模式，也反映方言的历史发展与地域分布差异。文章分析了藏语单元音的声学空间特征及共振峰动态变化，探讨其在方言分类中的应用价值。

结果表明，基于声学特征的聚类分析与现有藏语方言划分结果高度一致，能有效区分不同方言群体。然而，本研究仍存在一定局限性：康方言与安多方言差异不够显著；康方言内部次方言的识别存在困难；嘉绒话和木雅话辨识度较低。这些问题可能源于单一依赖元音声学特征的分析方式，部分特殊或地域性方言的语音变化可能受辅音、声调等因素影响。未来研究可结合元音、辅音和声调等多维度特征，进一步完善藏语方言声学特征分析及藏语方言分类方法。

参考文献

[1] 格桑居冕,格桑央京.藏语方言概论[M].北京:民族出版社,2002.

[2] 中国社会科学院.中国语言地图集[M].北京:商务印书馆,1987.

[3] 江荻.藏语语音史研究[M].北京:民族出版社,2002.

[4] 瞿霭堂.藏语韵母研究[M].西宁:青海民族出版社,1991.

[5] 谭克让.阿里藏语的复元音[J].民族语文,1980(3):32-40.

[6] 根呷翁姆.再论藏语康方言的分类[J].西南民族大学学报(人文社会科学版),2023,44(9):37-43.

[7] 铃木博之.藏语方言学研究与语言地图:如何看待“康方言”[J].民族学刊,2016,7(2):1-13+92-94.

[8] 多尔吉.嘉绒藏区语言研究[J].中国藏学,2015(4):150-157+211.

[9] 罗常培.国内少数民族的语言系属和文字情况[J].科学通报,1951(5):491-495.

[10] 孙宏开.羌语支在汉藏语系中的历史地位[J].云南民族大学学报(哲学社会科学版),2011,28(6):133-138.

[11] 武俐衫.桂北平话一级元音的实验研究[D].桂林:广西师范大学,2013.

[12] 呼和.蒙古语长短元音多元方差分析研究[J].民族语文,2021(5):101-107.

[13] 孙锐欣.元音的实验和计算研究[D].上海:复旦大学,2008.

[14] 杨行.青岛方言元音声学空间实验研究[D].上海:上海师范大学,2019.

[15] 吴波.汉语方言元音性别变异的计算分析[J].当代语言学,2021,23(2):277-288.

[16] Ladefoged P, Maddieson I. The Sounds of the World's Languages[M]. Oxford: Blackwell Publishers, 1996.

基金资助

国家自然科学基金项目(62166038)