语音的核心音素（phoneme）可通过 气流阻碍状态 分为「元音（Vowels）」和「辅音（Consonants）」，通过 声带振动状态 分为「浊音（Voiced Sounds）」和「清音（Voiceless Sounds）」。两类分类体系相互交叉，构成语音分析的基础框架，其声学特征差异是长语音情感识别、风险状态预测的关键信号依据。
一、核心分类逻辑与定义
| 分类维度 | 核心判断标准 | 涵盖音素类型 |
|---|---|---|
| 气流阻碍状态 | 发音时声道（vocal tract）是否有气流阻碍 | 元音（无阻碍）、辅音（有阻碍） |
| 声带振动状态 | 发音时声带（vocal folds）是否振动 | 浊音（振动）、清音（不振动） |
关键关联：所有元音均为浊音；辅音分为浊辅音（声带振动）和清辅音（声带不振动），无浊化元音。
二、元音（Vowels）：音节核心与声学稳定特征
1. 定义与发音机制
元音是发音时 气流在声道中无明显阻碍，仅通过调整舌位（高低/前后）、唇形（圆展）及软腭位置（口腔/鼻腔共鸣）形成的音素，是构成音节的核心成分（如汉语"妈（mā）"中的/a/、英语"bee"中的/i:/）。
发音机制细节：
- 气流从肺部呼出后，声门（glottis）闭合，气流冲击声带使其周期性振动（故元音均为浊音）；
- 口腔作为主要共鸣腔，通过舌体抬高/降低（高低维度）、舌尖前伸/后缩（前后维度）、嘴唇圆撮/展开（圆展维度）改变共鸣腔形状，从而产生不同元音音色。
2. 核心声学特征（适用于语音信号分析）
- 时域特征：波形呈规则周期性（对应声带振动频率），持续时间较长（20-200ms），能量集中（占音节总能量的80%以上）；
- 频域特征 ：频谱图中存在清晰的 共振峰（Formants） ------ 即声道共鸣产生的能量峰值，其中前三个共振峰（F1、F2、F3）是区分不同元音的关键（如/i:/的F1低、F2高，/u:/的F1低、F2低）；
- 基频（Fundamental Frequency, F0）：因声带振动产生，男性约85-180Hz，女性约165-255Hz，是反映说话人情绪状态（如抑郁时F0降低、波动减小）的重要指标。
3. 分类与示例
按国际音标（IPA）分类体系，核心元音可通过三维参数划分：
| 分类维度 | 具体类别 | 汉语示例 | 英语示例 |
|---|---|---|---|
| 舌位高低 | 高、中高、中低、低 | i（高）、e（中高）、a（低） | /i:/（高）、/e/（中高）、/ɑ:/（低） |
| 舌位前后 | 前、央、后 | i（前）、ə（央）、u（后） | /i:/（前）、/ə/（央）、/u:/（后） |
| 唇形圆展 | 圆唇、不圆唇 | u（圆唇）、i（不圆唇） | /u:/（圆唇）、/i:/（不圆唇） |
三、辅音（Consonants）：音节边缘与气流阻碍特征
1. 定义与发音机制
辅音是发音时 气流在声道某处（唇、齿、舌、软腭等）受到明显阻碍，通过"阻碍形成-维持-释放"三个阶段产生的音素，通常作为音节的起始或结尾成分（如汉语"爸（bà）"中的/b/、英语"ship"中的/ʃ/）。
发音机制核心：
- 阻碍部位：唇（如/p/、/b/）、齿（如/f/、/v/）、舌尖（如/t/、/d/）、舌面（如/k/、/g/）、软腭（如/ŋ/）等；
- 阻碍方式：爆破（气流冲破阻碍，如/p/、/t/）、摩擦（气流从狭窄缝隙中挤出，如/f/、/s/）、鼻音（气流从鼻腔通过，如/m/、/n/）、边音（气流从舌侧通过，如/l/）、半元音（阻碍轻微，接近元音，如/w/、/j/）。
2. 核心声学特征（适用于语音信号分析）
与元音相比，辅音具有 能量低、持续时间短、非周期性（部分浊辅音除外） 的特点：
- 清辅音（如/p/、/s/）：声带不振动，气流阻碍处产生湍流噪声，时域波形无周期性，频谱为连续噪声谱（无共振峰和基频），持续时间短（5-50ms）；
- 浊辅音（如/b/、/z/）：声带振动，时域波形兼具周期性（声带振动）和阻碍相关噪声，频谱有较弱共振峰和基频，能量高于清辅音但低于元音；
- 爆破音（如/p/、/t/）：存在"闭合期（ silence gap ）-爆发期（ burst ）-过渡期（ formant transition ）"三阶段，爆发期能量集中在高频区域；
- 鼻音（如/m/、/n/）：气流通过鼻腔共鸣，频谱有鼻腔共振峰（nasal formants），时域周期性明显（类似元音）。
3. 分类与示例（按声带振动状态+阻碍方式）
| 类型 | 定义（声带振动状态） | 阻碍方式示例 | 汉语示例 | 英语示例 |
|---|---|---|---|---|
| 清辅音 | 声带不振动 | 爆破音 | p、t、k | p、t、k |
| 摩擦音 | f、s、sh | f、s、ʃ | ||
| 浊辅音 | 声带振动 | 爆破音 | b、d、g | b、d、g |
| 摩擦音 | v、z、r | v、z、r | ||
| 鼻音 | m、n、ng | m、n、ŋ | ||
| 边音/半元音 | l、w、y | l、w、j |
四、浊音（Voiced Sounds）：声带振动主导的音素
1. 定义与发音机制
浊音是发音时 声带快速周期性振动 产生的音素，涵盖所有元音和部分辅音（浊辅音）。
声带振动机制：
- 声门闭合时，气流从肺部呼出产生气压差，推动声带边缘振动（振动频率=基频F0），形成周期性声波；
- 振动过程中，声带交替处于"闭合（气流积累）-开放（气流释放）"状态，周期约2-12ms（对应F0 85-500Hz）。
2. 核心声学特征
- 时域：波形呈规则周期性，自相关函数（autocorrelation function）有显著峰值（对应F0周期）；
- 频域：频谱图中可见清晰的 谐波结构（harmonics） ------ 即基频的整数倍频率成分，叠加共振峰（元音）或阻碍相关噪声（浊辅音）；
- 能量：元音类浊音能量高（集中在250-3kHz），浊辅音能量中等（低于元音，高于清辅音）。
3. 典型示例
- 元音：/a/、/e/、/i/、/u/（所有元音均为浊音）；
- 浊辅音：/b/、/v/、/z/、/m/、/l/、/r/。
五、清音（Voiceless Sounds）：无振动的气流阻碍音
1. 定义与发音机制
清音是发音时 声带保持松弛开放，不产生振动，仅通过气流在声道阻碍处形成湍流或摩擦产生的音素，仅存在于辅音中（无清化元音）。
发音机制细节：
- 声门处于开放状态，气流通过时声带无振动；
- 气流在阻碍部位（如唇齿间、舌尖与齿龈间）形成狭窄通道，流速加快产生湍流噪声，构成清音的核心音色。
2. 核心声学特征
- 时域：波形无周期性，呈不规则噪声状，持续时间短（5-30ms），能量低（尤其是爆破音的闭合期几乎无能量）；
- 频域：频谱为连续噪声谱，无基频和谐波结构，能量集中在高频区域（2-8kHz），无明显共振峰；
- 识别标志：与相邻浊音（元音）形成显著的能量和周期性对比（如"pa"中/p/（清音）与/a/（浊音）的时域波形突变）。
3. 典型示例
- 清辅音：/p/、/f/、/s/、/t/、/k/、/ʃ/、/h/。
六、四类音素的关键差异总结（表格）
| 特征维度 | 元音（Vowels） | 辅音（Consonants） | 浊音（Voiced Sounds） | 清音（Voiceless Sounds） |
|---|---|---|---|---|
| 气流阻碍 | 无 | 有（阻碍部位/方式多样） | 元音无/浊辅音有 | 仅清辅音有 |
| 声带振动 | 是（均为浊音） | 部分是（浊辅音）、部分否（清辅音） | 是 | 否 |
| 时域特征 | 周期性、长时、高能量 | 非周期性（清辅音）/弱周期性（浊辅音）、短时、低能量 | 周期性（元音/浊辅音） | 非周期性（仅清辅音） |
| 频域特征 | 清晰共振峰+谐波 | 连续噪声谱（清辅音）/弱共振峰（浊辅音） | 基频+谐波+共振峰（元音）/弱谐波（浊辅音） | 无基频+连续噪声谱（清辅音） |
| 音节功能 | 核心成分（不可缺） | 边缘成分（可省略或替换） | 核心（元音）+边缘（浊辅音） | 仅边缘（清辅音） |
| 研究应用价值 | 共振峰/F0反映情绪状态 | 时长/能量突变反映语音节奏 | 基频波动与抑郁、绝望相关 | 清辅音占比与语音紧张度相关 |