外国人が中国語を話すとき、なぜイントネーションが変なのでしょうか？

一緒に言ってください：「mā má mà mà mà ……」

ストレスフリーを感じていますか?

しかし、外国人にとっては、それはそれほど簡単なことではありません。

画像クレジット: Liang Pak Sun、イラスト: Jiang Xintong

中国で高校教師をしていたイギリス人の教師がいました。彼は普段は生徒たちとうまくやっていたが、ある日、自習の授業中、活発すぎる子供たちのグループが騒がしくなった。自習授業を見ていた先生は、ついに我慢できなくなり、興奮して立ち上がり、机をたたきました。

「君たちが何をそんなに騒いでいるのか分からないよ！」

生徒たちは校長先生が怒っていることに気づいたが、笑わずにはいられなかった。校長先生は無力でした。事態が手に負えないのを見て、彼も口を覆って笑いました...

画像クレジット: Liang Pak Sun、イラスト: Jiang Xintong

実際、彼はオックスフォード大学文学部の優秀な学生で、中国語にも精通していました。入学後の最初のクラス会では、名簿を手に取り、クラスメイトの名前を一人ずつ、はっきりとした正しい声で、音調も含めて読み上げました。

授業が始まる前に彼は生徒の両親に電話をかけたが、両親は彼の外国訛りにさえ気づかなかった。後で知ったのですが、彼は名簿に各人の名前のピンインと声調を記入していたのです。しかし、その日の自習授業中、生徒たちが騒がしすぎて、彼は怒りの本性を現しました。

これはイギリスのこの教師だけではありません。数か国語を習得できても、中国語をうまく話せない外国人はたくさんいます。中国語を学ぶ上で最も難しいことは何かと尋ねると、彼らはためらうことなく「声調」と答えるでしょう。

画像クレジット: Liang Pak Sun、イラスト: Jiang Xintong

イントネーションの難しさは...よりも難しいです。

中国語は奥深く広大であり、声調は中国語の真髄の一つと言えます。本質の別の意味は難しいです。ゴールドバッハ予想が数学の最高傑作であるのと同じように、数学者はそれを完成するのに何年もかかり、私たち自身の口調も難しいのでしょうか?では、声調を学ぶのが難しいことや声調の発音が不正確であることについて、勤勉で勉強熱心な外国人を本当に責めることができるのでしょうか?

まず、イントネーションとは何かを見てみましょう。私たちが日常生活で話す言葉は単純に聞こえます。これをテープレコーダーで録音し、波形の絵を描くことができます。

画像出典: Liang Pak Sun による描画

しかし、これらの波形には何かが隠されています。見てください、下の写真の膨らんだ小さな袋は音節です。こちらは中国語の「Ma」です。この「ま」の前の部分と後ろの部分はそれぞれ/m/と/a/を表します。

画像出典: Liang Pak Sun による描画

では、私たちを困惑させている「ま」の音調はどこにあるのでしょうか?音色をはっきりと確認するには、「Ma」に対してウィンドウフーリエ変換を実行する必要があります。

画像クレジット: Liang Pak Sun、イラスト: Jiang Xintong

簡単に言えば、フーリエ変換は、音声信号をさまざまな周波数（つまり、さまざまなピッチで聞こえる）の多くの単純な倍音波に分解します。これらの波を重ね合わせることで、私たちが聞く音声信号が形成されます。

これは大規模なアンサンブルのようなものです。元の波形はアンサンブルそのもののようなものであり、フーリエ変換により、バイオリン、チェロ、フルートなど、アンサンブルを構成するさまざまな楽器をはっきりと見ることができます。

ウィンドウ フーリエ変換とは、音楽の一部を選択して各楽器の演奏を確認するのと同じように、選択した期間内に信号を拡大してからフーリエ変換を実行することを指します。

さて、周波数についてですが、下の図を見てみましょう。

画像クレジット: Liang Pak Sun、イラスト: Jiang Xintong

「ま」の音のごく一部は、異なる周波数の多数の単純な倍音波に分解されます。最も低い周波数を持つ波の周波数は「基本周波数」(F0) と呼ばれ、基本周波数の整数倍の周波数を持つ各波は「高調波」と呼ばれます。この小さな音の高さは基本周波数によって決まります。

各小セグメントの基本周波数値を計算でき、それがそのセグメントのピッチを表します。下の図のように、各小区間の値を繋げることで、ピッチの変化を表す曲線が形成されます。

画像クレジット: Liang Pak Sun、イラスト: Jiang Xintong

トーンとは何ですか?単一音節の場合、音調はピッチの変化の曲線（ピッチ曲線）です。物理的には、音は基本周波数 F0 の変動です。

では、なぜ外国人にとって声調を学ぶのはそれほど難しいのでしょうか?英語と中国語の基本周波数（F0）がどのように変化するかを見てみましょう。

これは英語です:

画像出典: Liang Pak Sun による描画

これは中国語です:

画像出典: Liang Pak Sun による描画

違いが分かりますか？

英語は非声調言語なので、文章のピッチは基本的に滑らかです。疑問文の場合のみ上昇します。

しかし、北京語は違います。単一の音節が文章に結合されるとき、各音節のピッチの変化は、トーンとイントネーションの重ね合わせになります。

つまり、中国語には英語と同じように、イントネーションを表す文の長さによるピッチの変化があり、また文の「大きな波」に重ねられた「小さな波」、つまりトーンもあるのです。

画像クレジット: Liang Pak Sun、イラスト: Jiang Xintong

車を運転するのと同じように、英語を話すことは平坦な道を運転するようなものです。浮き沈みはありますが、どれも穏やかな浮き沈みです。

北京語は違います。丘を上ったり下ったりするだけでなく、密集した音節の長さによる突然の衝撃にも直面しなければなりません。それは、平坦な道路の運転に慣れているドライバーが、突然でこぼこした山道に遭遇するようなものです。ギアを変えたり、ブレーキやアクセルを踏んだりするには、手と足を使う必要があります。子どもの頃から声（脳）を様々なスキルで訓練してこなかったら、どうやってすぐに対処できるのでしょうか？

しかし、音調を覚えるのはなかなか難しいのではないでしょうか？

声調は言語的に非常に独特な地位を占めているため、研究者たちは声調に関して広範囲にわたる研究を行ってきました。例えば、中国語学の父である趙元仁氏は、声調をマークするための研究方法を考案しました。

画像クレジット: Liang Pak Sun、イラスト: Jiang Xintong

たとえば、最初の音と 2 番目の音の間に一連の「音」（人間の世界には存在しない）を作成し、人々が聞いた後にそれが最初の音か 2 番目の音かを判断できるようにすることができます (カテゴリ認識)。

日常会話における第 1 トーンと第 2 トーンの基本周波数の上昇と下降の範囲は通常一定です。たとえば、第 1 トーンはほとんど変化せず、第 2 トーンは 100 Hz から 200 Hz の間です。そこで、2番目の音の通常の変化幅よりも変化幅が低い音（図の2～5など）を人工的に作ると、音の判断が難しくなります。 （写真提供：梁朴孫、絵：江欣同）

あるいは、妨害を恐れない脳（または、妨害に慣れているが、妨害に対してより勇敢になっている脳）が、脳とイントネーションの関係を確立しようとしているのかもしれません。私たちの脳は、どのようにイントネーションを処理するのでしょうか？

これを理解することは、外国人が音調を学ぶことよりも N の N 乗 (N>1) 倍難しいです。しかし、誰かがまだ急いで進み出て、カニを数口食べた。

たとえば、20 年前、Gandour などの研究者は、タイ語、中国語、英語を話す人を MRI 装置に入れました (Gandour、Wong、Hutchins、1998)。毎回、研究者は被験者に音調のみが異なる可能性のある音節のペア（/khaa/と/khàa/など）を示し、被験者はその音節のペアの音調が同じかどうかを判断するように求められました。

実験中、被験者はこのような音節のペアを何度も聞いて判断を下します。彼らは、3つの母国語を持つ人々が音調を判断する際に活性化する脳領域の類似点と相違点を記録して比較することで、母国語の背景が脳が音調を処理する方法に与える影響を研究したいと考えています。

画像クレジット: Liang Pak Sun、イラスト: Jiang Xintong

それ以来、脳がどのように言語を処理するかについての脳画像研究がますます多く行われており、その中にはイントネーションに関する研究が 20 件以上含まれています。

そこで質問です。

イントネーションに関する数多くの研究の結果はすべて同じなのでしょうか?

ここで、科学の存在と発展の礎の一つである結論の再現性について言及する必要があります。例えば、暁明は今日太陽が東から昇ることを観察し、「太陽昇り理論」を提唱しました。翌日、小紅も太陽が東から昇るのを観察し、小明の「太陽は東から昇る理論」を検証した。シャオミンの結論が独立した観察によって繰り返し検証されれば、彼が発見したものは真実であるはずだ。

しかし、脳の研究となると、物事はそれほど単純ではありません。

画像クレジット: Liang Pak Sun、イラスト: Jiang Xintong

人によって脳は異なります。丸い脳もあれば、平らな脳もあります。異なるモデルの機器でスキャンした結果も異なります。したがって、その後の研究で結果を厳密に再現することを要求するのは非現実的です。しかし、スキャナーの中に横たわっている間に人々が行う作業が似ている場合、彼らの脳の活性化パターンもまた非常に似ているはずです。

脳の音処理における最も可能性の高い活性化ポイント（さまざまな研究で活性化されるポイント）を見つけるために、音処理に関する既存の脳画像研究（Liang＆Du、2018）の文献レビュー（学名：メタ分析）を実施しました。

この研究では、音素（英語の母音や子音など）とリズム（疑問文のイントネーションなど）の脳画像研究も収集し、音素とイントネーションによって活性化される脳領域の類似点と相違点を比較しました。

画像クレジット: Liang Pak Sun、イラスト: Jiang Xintong

外国人（声調を話さない人）と声調を話す人を比較するために、ボランティアの母国語の背景に基づいて、声調脳活性化の結果を2つのカテゴリーに分けました。リズムは長い場合も短い場合もあるため、リズムの長さに応じてリズム処理タスクを 2 つのグループに分けました。

つまり、私たちは、声調母語話者の声調知覚、非声調話者の声調知覚、音素知覚、単語韻律知覚、文韻律知覚の 5 つのグループの研究を収集しました。各グループごとに脳活性化の結果についてメタ分析を実施しました。

結果は、脳がイントネーションを、それがどのように聞こえるか（音響分析）、話されたときにどのように聞こえるか（調音シミュレーション）、そしてそれがどのような言語機能を持っているかという観点から処理していることを示しました。

メタ分析の活性化結果図: 赤は声調ネイティブ話者の声調知覚、青は声調非ネイティブ話者の声調知覚、緑は音素知覚、紫と黄色はそれぞれ単語の長さと文の長さのリズム知覚を表します (画像出典: Liang & Du、2018)。

具体的には、音調の活性化領域は聴覚皮質（耳に近い脳領域）の右側に偏っており、音調を母語とする話者のみが音調を処理する際に左側で活性化を示しました。これは、意味を決定する役割が音調を母語とする話者の脳内でより多くの言語機能を与えていることを示唆しています（言語領域が左脳に偏っているため）。

左聴覚皮質では、音調活性化領域が音素活性化領域と重なり、文長リズムの前に位置しており、これも音調の言語機能を反映しています。右聴覚皮質では、音の活性化領域は音素の後ろ、リズムの前に位置しており、これは音の長さが音素とリズムの間に挟まれているという音響特性をさらに反映しています。

もう一つの、より神秘的な活性化領域は、発話を司る領域にあります。左運動皮質で音素、イントネーション、韻律の活性化が見つかりました。

さらに、音調とリズム (どちらも喉頭で制御) は重なり合って音素 (唇と舌で制御) の下に位置しており、これは脳の運動皮質の位相分布と一致しています (運動皮質のさまざまな小さな領域は、身体のさまざまな領域に運動コマンドを伝達する役割を担っており、以下の図 1 に示すように、領域の比率に応じて人間の姿に描かれ、「運動ホムンクルス」と呼ばれます)。発音システムの関与は、実際には人々が音声を認識するための独特な方法です。リスナーは、話者の発音の動きを再構築して予測することで、音声理解を支援します (下の図 2 を参照)。

図 1 (写真提供:Liang Boshen、描画:Jiang Xintong)

図2: 音韻知覚の脳メカニズムモデル: (A) 中国語「え? 食べてるの?」のスペクトログラムとピッチコンター。 (B) 音知覚の腹側ストリーム（聴覚皮質、音の音響分析と意味認識）と背側ストリーム（調音運動野、音の調音運動シミュレーション）（画像出典：Liang & Du、2018）

全体として、この文献レビューにより、脳がイントネーションを処理する方法についての理解が深まりました。しかし、研究にはまだまだ長い道のりが残っています。

たとえば、外国人が中国語を学ぶ際の苦痛を軽減するにはどうすればよいでしょうか?それはまるで遠い夜空にきらめき、私たちを導く北斗七星のようです。

画像クレジット: Liang Pak Sun、イラスト: Jiang Xintong

参考文献:

1.Du、Y.、Buchsbaum、BR、Grady、CL、および Alain、C. (2014)。ノイズは、聴覚系と発話運動系の音素表現に異なる影響を及ぼします。米国科学アカデミー紀要、111(19)、7126-7131。 https://doi.org/10.1073/pnas.1318738111

2.Du、Y.、Buchsbaum、BR、Grady、CL、および Alain、C. (2016)。前頭運動皮質の活動の増加は、高齢者の言語知覚障害を補う。ネイチャーコミュニケーションズ、7、12241。https://doi.org/10.1038/ncomms12241

3.Gandour, J.、Wong, D.、Hutchins, G.（1998）。人間の脳におけるピッチ処理は言語経験によって影響を受けます。ニューロレポート、9(9)、2115–2119。 https://doi.org/10.1097/00001756-199806220-00038

4. Liang, B.、Du, Y. (2018)。語彙音調知覚の機能的神経解剖学：活性化尤度推定メタ分析。神経科学のフロンティア、12、495。https://doi.org/https://doi.org/10.3389/fnins.2018.00495