爱华网朱炳祥：论汉字与汉语的原始关系
在今天一般的语言学教科书中，皆认为“文字是记录语言的符号体系”，“文字是记录语言的书写符号的系统”，“文字是在语言的基础上产生的。语言是第一性的，文字是第二性的。”①这个结论对于汉字与汉语的关系而言很不全面，它只说了较后阶段的事，而不是说的全部关系。本文对汉字与汉语的原始关系作出一些探讨，并就汉字与汉语的关系和拼音文字与语言的关系作一些比较。
【一】在人类所创造的符号体系中，语言无疑是表达概念的最重要的符号之一。索绪尔在谈到语言与其所表达概念之间的联系时曾用“能指”与“所指”来区别“音响形象”与这种“音响形象”所表示的“概念”②。事物的“概念”是事物在人类大脑中的反映，而“音响形象”则是人类表达这种概念的一种语言符号方式，即一种“能指”。
当类人猿进化为人类时，为了达到相互之间的交流，他们可以通过听觉器官接收信号，然后再通过发音器官传达信号。但我们必须承认，人类也可以通过视觉器官接受信号，然后再通过手或身体的某个部位的描画动作来传达信号。初民在生产实践中不仅使用听觉器官将劳动工具和劳动对象发出的声音记忆下来，而且他的视觉器官同样将劳动对象和劳动工具印刻在大脑皮层上，在与其他的人进行交流时，他可以用声音来表达，也可以用身体的各种动作主要是手势来表达。例如他要表达一个果实的概念，他可以发出果实被他抛掷时发出的“gululu”（后来成为“果裸”一词的来源）滚动声，也可以用手比划一下果实的圆形。因此，与“音响形象”一样，用手比划一个圆形也是一种“能指”。如果说前一种“能指”根源于人类的听觉器官和发音器官，那么，后一种“能指”则根源于人类的视觉器官和手，我们将前者姑称之为“听说器官”，后者姑称之为“视写器官”，当然这里的“写”是在广义上说的，不仅指写在纸上的，刻划在石头或陶器上的符号，也指诉诸视觉的空间动作。
一些人类学家多谈到现代“原始”民族存在着手势语，这正是由“视写器官”产生出来的。在初民那里，手、口同时与脑密切联系着，以致手和口实际上都是脑的一部分，无庸相互依傍，皆可以独立表达概念。列维.布留尔在《原始思维》一书中引述了许多例证：“在瓦拉孟加人那里，有时禁止寡妇说话达12个月之久，在这整个期间，她们与别人交谈只能通过手势语言。他们使用这种语言达到了如此纯熟的程度，以致在没有必要这样做的时候她们也宁愿使用这种语言”。“林肯港区的人们也象库贝斯克利克的土人们一样不出声地使用许多手势，这对他们的狩猎是十分必要的。他们利用手势，能够让自己的伙伴知道他们发现了什么动物，这些动物的准确位置在哪里。他们也用手势符号来表示一切种类的野兽野禽”③。布留尔在对大量的田野考察材料进行分析的基础上，得出了他的结论：“在大多数原始社会中都并存着两种语言：一种是有声语言，另一种是手势语言。应不应当这样假定：这两种语言并存，彼此不发生任何影响；或者相反，同一种思维由这两种语言来表现，而这种思维又是这两种语言的基础？后一种看法似乎更易于被接受，事实也确证了这个看法，喀申着重指出了有声语言和由手的动作表现的语言之间存在的那些相互关系。他指出，东南西北的次序和配置、数词的形成，在朱尼人那里来源于一定的手的运动。”④布留尔将根源于视写器官的手势称为“手势语言”显然不够准确，因为既是“手势”就不可能是“语言”，但他的思想内核中“两种语言”（手势语言和有声语言）的基础是同一种思维的看法则是极有见地的。为了证明“手势语言”根源于思维，布留尔又从手与脑的联系来说明用手说话可以无须依赖于听说器官：“手与脑是这样密切联系着，以致手实际上构成了脑的一部分。文明的进步是由脑对于手以及反过来手对于脑的相互影响而引起的”。
用手说话，这在某种程度上简直就是用手思维。因而，这些“手语概念”的特征必然在思维的口语表现中再现出来。在符号上差别如此巨大的两种语言（一种语言是由手势构成的，另一种是由分音节的声音构成的），在其结构和表现事物、动作、状态的方法上则又彼此相近。因此，如果说口头语言描写和叙述位置、运动、距离、形状和轮廓无微不至，那么，这正是因为手势语言也是用的同一些表现方法⑤。更有甚之，布留尔还认为有一部分分音节语言的表达是由“手语概念”决定的。他说：“用手势语言说话的人拥有大量现成的视觉运动联想供自由支配，而当人或物的观念在他的意识中出现时，这观念立刻就让这些联想发生作用。我们可以说，他是在描写它们的同时就想象着它们了。因而，他的分音节语言也只能够这样来描写。在原始人的语言中，给轮廓、形状、姿势、位置、运动方法赋予的意义，总之，给人和物的看得见的特点赋予的意义，即来源于此；按物的姿势（立、坐、躺）来对它们进行的分类等也来源于此。”⑥
“听说器官”和“视写器官”都是人类进行交际的最重要的器官，根源于这两者的符号也都是人类最重要的符号系统。人类在从动物进化到人的过程中，身体各个部位是同时协调向前发展的。当猿人进行直立行走时，手就被最早地分化出来，然后口腔和喉咙方能形成一个直角进而为语言的产生提供物质条件。手的灵活性既然足以使人类能够制造出各种各样的工具，这些工具中有一部分是模仿自然界的（例如石球模仿自然界的果实，尖状器模仿自然界的尖形物体），那么他们同样可以用这一双伟大的手，当需要向同伴们表达一些简单的概念时，描摹出物体的形状。而这种在空中比划的手势，只要他们刻划或写画在地上或者其他什么地方（例如石头或陶器上），就成为原始刻划符号和原始绘画。如果说听说器官产生的符号叫作语言符号，那么视写器官产生的符号就是写画符号，这两种符号系统都是初民用来表达概念和情感的工具，手势、原始刻划和原始图画同样是一种“能指”，这个“能指”所达到的对于事物概念的把握是通过“形”来实现的。
另外，聋哑人和盲人的符号表达也可以说明人类的听说系统的表达功能与视写系统的表达功能是处在同等重要的位置上的。盲人缺乏正常人的视写表达系统的功能，他可以用听说系统的功能来进行符号表达：聋哑人失去了听说功能，但他在视写方面得到了补充，他们在没有专门经过哑语训练的情况下，可以用类似我们上面列举的布留尔所说的方法，即用身体的各个部位——主要是用手势来进行符号的表达。可见，听说系统和视写系统是人类进行交际的两个同时产生并行发展的符号系统。听说系统的有声语言符号与视写系统的手势符号（写画符号）是人类表达概念的两种最基本的“能指”。
【二】国内学术界关于汉字起源主要存在着两种不同的看法：一是认为文字起源于原始刻画，一是认为文字起源于原始绘画。
在新石器时代的陕西西安半坡、临潼姜寨等地仰韶文化遗址中，山东章丘城子崖、青岛赵村等地的龙山文化遗址中，浙江良渚、江苏及上海马桥、青蒲菘泽等地的良渚文化遗址中，均发现出土的陶器上有一些刻划符号。一些学者认为这是最早的中国原始文字。例如郭沫若说：“彩陶上的那些刻划记号，可以肯定地说就是中国文字的起源，或者中国原始文字的孑遗。”⑦于省吾说：“这些陶器上的简单文字，考古工作者以为是符号，我认为这是文字起源阶段所产生的一些简单文字，仰韶文化距今得有六千多年之久，那么，我国开始有文字的时期也就有了六千多年之久，这是可以推断的。”后来，王志俊、陈炜湛、张光裕都赞同郭、于二老的观点，并各有发挥⑧。还有另一种观点，如中国科学院考古研究所，陕西省西安博物馆所编《西安半坡》认为这种陶器刻符“可能是代表器物所有者或器物制造者的专门记号”⑨，但书中未加申述。近年来，有学者列举大量的例证，力证唐兰先生提出的“文字的起源是图画”的学术主张⑩。
我们认为，汉字起源于原始刻划还是起源于原始图画这两种相互矛盾的观点，在深层次上是一致的，它们皆由人类的视写器官发生。在中国，原始刻划与原始绘画的最早的考古资料虽然还有待于发现，但新石器时代彩陶纹饰中成熟的刻划符号与图画肯定有一个极为漫长的发展时期。从世界范围内来看，现在可以见到的人类最早的写画符号在旧石器中期就出现了。这一时期，尼安德特人已经能够用红色赭石在石板上描绘道道横条和丛丛斑点。在法国的利埃·穆斯特洞穴中，也发现了各种动物的断骨上面铸有丝丝横线，宛如图案雏型。在意大利、匈牙利和捷克斯洛伐克，都有与此相仿的文物出土（11）。这个时期，初民已经能够画一些简单的在采集和狩猎活动中所遇到的动植物图形，以及刻划一些极为简单的横竖道道来表达某种意思。而旧石器时代中期，按照摩尔根和恩格斯的说法，也正是“分音节的语言”产生的时期。据此，我们认为，语言和原始绘画和原始刻划产生于同一时期，而且，写画符号比语言的音响有着更为有力的考古实证。
汉字既然是从原始刻画与原始绘画直接发展而来，那么就可以说，作为汉字前身的写画符号和作为语言符号的汉语在时间上就是同时起源的。它们具有同等悠远的历史，它们是“同龄符号”，其区别只在于根源于人的两种不同的感觉器官。汉语是根源于人的大脑所指挥的听觉器官和口腔发音器官的交流，而汉字的前身写画符号则根源于人的大脑所指挥的视觉器官和手的交流。听觉和视觉器官是输入器官，口腔发音器官和手是输出器官，它们只起到一个操作作用。人类听说系统的符号与视写系统的符号皆根源于人类最初的生产实践，它们是同时产生的，有着同等的功能，而且对于表达概念具有互补性。汉字与原始写画符号虽然是两个概念，但写画符号却是汉字发生学的根据。因而就发生学的意义上可以说，汉字与汉语同时起源。
但是，关于汉语起源以后到文明时代的发展过程，我们实在是不甚了然。声音不能保存下来，因而汉语的早期音响形象无法推知，我们今天所知道的先秦古音，只是在原始语言不知道发生了多少变化以后的音响形象。而汉字的前身写画符号则不然，从石器时代就有一些刻划符号保存下来。语言在发展中隐去了它的历史，而作为文字起源阶段的刻划符号和原始绘画由于考古发掘材料的不断增多而显现了它的历史。这使我们今天的观念出现了一个很特殊的情况：我们可以将漫长的原始时代的人们所说的语言依然叫作语言，却将原始写画符号与文字区分开来，用两个不同概念来表达。假如我们将漫长的原始时代的刻划符号和原始绘画也叫作文字，我们就会觉得混淆了概念。于是，两个“能指”符号系统的表达就出现了不平衡；我们在思想中对于视写系统的符号作了过细的区分，而对另一个听说系统的符号没有作过细的区分。由于这种思维定势存在，我们现在就不习惯于将已经过细区分过的概念还原到没有过细区分的本来状态上去。这对我们认识汉字与汉语的关系很不利。因此，我们需要用一个“视写系统”概念来和“听说系统”相对应，于是我们对于问题的理解就要好得多了。我们只要将汉字看作视写系统的符号，把汉语看作听说系统，我们就能够明白汉字所属的符号系统与汉语所属的符号系统是同时起源的。
【三】人类的视写符号系统和听说符号系统都来源于人类对客观世界事物的概念认识。既然如此，它们之间就具有密切的联系，初民可以用这一种表达方式，也可以用另一种表达方式，就看彼时彼地哪一种表达方式比较方便罢了。在最初阶段，这两个系统还是并列的、独立的，没有依附性。世界上古老的文字在其开始阶段，均走过了一段象形的道路，说明文字的开始阶段，是根源于人类的视写器官的。汉字也是这样。
举“果”为例。“果”的发音为“gu lulu”，文字写作“”（甲骨文），在这里，两者都是“能指”。“所指”是同一个事物的概念，就是树上挂着的从花苞里长出来的圆圆的果实。也就是说，这两个符号的内涵和表现形式都是从人类的采集中所接触到树木的果实那里来的。所不同的是，“gulu lu”这一音响形象是根源于人类的听说器官，而“”则是根源于人类的视写器官，“”不是记录“gu lulu”这一音响形象的符号，它直接从事物的概念那里得到。这个汉字并不充当语言的附庸而可以直接表达概念。
但是，文字和语言这双重能指既然都是表达同一概念，那么就为这两者统一起来提供了心理上的依据。“”既是一棵果树的形状，又与“gu lulu”果实滚动的声音联结起来，念“果”（模仿“gu lulu”的声音）。在这里，文字并没有附属于语言，不是记录语言的符号，而是直接从客观事物中取得它的符号形态的。文字被当作记录语言的符号系统是由于文字在后来的发展过程中完成了一次变革所造成的。当人们发现说和写都表达思维中的同一概念时，他们为方便起见，就可以使两者联结起来。
一般说来，运用语言表情达意省劲得多，随时随地皆可说出，于是语言便成为人类交际的最主要的工具，视写系统的符号退居次要地位。当语言发展出一个完整的音位系统以后，文字就更加望尘莫及了，这同时也为文字的变革提供了一个契机：可以将原先描摹事物形状的文字改换一下，使之成为记录语言的工具。这样一来，文字与语言就得到了统一，于是文字就成为语言的附庸了。美索不达米亚的图画文字开始不是拼音文字，而是表意的，字形与意义联系十分紧密，文字并不附属于语言而存在。后来产生了美索不达米亚字母取代了象形文字，文字成了记录语言的符号，是“符号的符号”。这是文字发展史上一次巨大的变革，这次变革是把原先由视觉器官产生的形的符号进行一番改造，由它来表示声音系统，便将两种“能指”统一到一起。人类将根源于视觉的原始刻划和原始绘画与根源于听觉的声音表达由原来的“并列关系”分割开来，进行位移，并且重新组合成“主从关系”时，文字就成为记录语言的符号体系。
这次巨大的变革对西方文化影响极为巨大。美索不达米亚字母被称为“一个只发生过一次的发明”，“这种字母很早就传播到埃及、印度、希伯莱、阿拉伯，又经由西亚的腓尼基人带给克里特人。而为全希腊所接受，又通过希腊人的再创造，形成完备的拼音文字，再传播给整个欧洲。今日流行于世界的英文、法文、德文、俄文、希伯莱文、阿拉伯文、梵文，尽管彼此多有歧异，但其字母都大体来自同一渊源”（12）。
然而并非所有的文字都具备这种变革的条件，也不是所有的文字都需要这种突如其来的变革。古代欧洲和北非的一些民族的象形文字被字母文字所代替，是由当时的具体历史环境所决定。但是，中国这块土地上的农业经济的发展并不需要也不可能产生这种突然的完全摆脱原始传统的变化。汉字与汉语的关系的变革是不声不响地进行的。随着形声字的产生并且数量逐渐增加而在汉字中占据优势地位，这种变革悄悄地完成了。但即使完成变革以后，即汉字变成了记录汉语的符号体系，也还保留着较多的原始文化传统。中国的文字训诂学有“声训”和“形训”的“以声求义”和“以形说义”的方法，有力地说明了中国人是从声与形两方面去把握事物概念的。中国文字中由象形、指事、会意三法所造出的大量的字皆保留了从视觉器官取义的原始传统。纵然是形声字，虽然也注意到了“声”，但“形”始终是具有意义的。这是汉字与汉语之关系不同于西方文字与语言的关系的地方，也是汉字与汉语关系的特殊性。
把文字作为记录语言的符号系统这一看法在两千多年以前就产生了。亚里士多德说：“口语是心灵的经验的符号，而文字则是口语的符号。正如所有的人的书法并不是相同的，同样地，所有的人也并不是有相同说话的声音；但这些声音所直接标志的心灵的经验，则对于一切人都是一样的，正如我们的经验所反映的那些东西对于一切人也是一样的。”（13）亚里士多德所处的“轴心时代”是一个“反神话斗争”的时代（14），就是批判原始文化，进行理性文化的创造的时代，此时的一些思想家不去追溯事物的起源而只注重于现状。无论是西方还是中国，几千年来特别注重这个时代，将他们的思想奉为不可逾越的高峰。一代一代传下来，就成为一种文化传统了。文字是记录语言的符号体系的看法也就广为流传了。然而，这种观点并不符合文字与语言的全部关系史，而且，如果不考虑汉字与汉语关系的特殊性，一味套用西方的学术观点来看待汉字与汉语的关系，则有可能由片面性导致出部分的谬误。
注释：
①参见胡裕树主编《现代汉语》，上海教育出版社1987年版，第168页；高名凯、石安石主编《语言学概论》，中华书局1963年版，第186—187页。
②索绪尔《普通语言学教程》，商务印书馆1980年版，第101—102页。
③④⑤⑥列维—布留尔《原始思维》，商务印书馆1987年版，第151页，第153—154页，第155页，第156页。
⑦郭沫若《古代文字之辩证的发展》，载《考古学报》1972年第1期。
⑧参见高明《中国古文字学通论》，文物出版社1987年版，第35页。于说见《关于古文字研究的若干问题》，《文物》1973年第2期。王说见《关中地区仰韶文化刻划符号综述》，载《考古与文物》1980年第3期。陈说见《汉字起源试论》，载《中山大学学报》哲学社会科学版，1978年第1期。张说见《从新出土材料重新探索中国文字的起源及其相关问题》，载《香港中国大学学报》十卷，1981年。
⑨中国科学院考古研究所、陕西省西安半坡博物馆《西安半坡》，文物出版社1963年版，第197页。
⑩高明《中国古文字学通论》第35—37页及第38页以后。
（11）乌格里诺维奇《艺术与宗教》，三联书店1987年版，第27页。
（12）冯天瑜、何晓明、周积明《中华文化史》，上海人民出版社1990年版，第84页。
（13）亚里士多德《解释篇》，商务印书馆1959年版，第55页。
（14）雅斯贝尔斯《智慧之路》，中国国际广播出版社1988年版，第70页。
周晓丽：由象形文字看语言的形成
摘要:文字与语言的关系是文字学与语言学中最基本问题,也是近年来争论最多的问题之一。本文通过对汉字源头上的考察试论语言与文字的第一次结合,分别论述了语言与文字的起源与时间及条件。考察了语言与文字的关系，对语言与文字的第一次结合，阐释自己的观点。以象形文字为切入点,以动物学中的模仿说和“约定俗成”理论为依据，从听觉和视觉两个角度的模仿论说对语言的形成过程作出自己的理解和评议。
引言：文字与语言的关系问题是文字学与语言学中的最基本问题，也是近年来学术界的热点问题之一。当前对语言与文字的研究颇多，也有不少学者引进西方语言学的观点来阐释汉语言。虽然有不少文章探讨了语言和文字的起源，有的观点也已经成为定论但只是分别对语言与文字进行研究，并没有把两者结合起来。本文针对当前的研究现状，从源头上探讨了语言与文字的第一次结合。分别论述了语言与文字的起源与时间，从时间上找到两者的交点。考察了语言与文字的关系，对语言与文字的第一次结合，阐释自己的观点。以象形文字为切入点,运用动物学中的模仿理论从宏观与微观两角度对语言的形成运用模仿理论进行分别的论述，不仅在视觉上进行模仿确定文字的发音而且还从听觉上对文字的发音进行考察，通过这两个角度的研究逐步阐释了语言的形成过程。象形文字是最早的文字其立象取比的方法体现了“天人合一”的思想。这与中国远古的文化内涵是分不开的，汉字即体现了这种合一的思维模式同时也自始至终受这种模式的影响。
1.语言与文字的形成
考察语言和文字在源头上的第一次结合。首先得看语言和文字的起源和形成时间。关于文字的起源历来研究颇多，说法也各异。对此，我总结前人的观点，并以此为依据发表自己的看法。由于远古洪荒，缺少资料可供查考，即使考古上有所论证，也不能据为实录。因此，文字起源于何时，这和语言一样，都是不易解决的问题，不过关于古代文字的起源，我们还是有线索可以依循的。
1.1语言与文字的起源：关于文字的真正来源，根据史籍记载，以及地下文物挖掘所得，我们普遍认为文字的制造有两个来源：一是来源于符号的应用，二是来源于图形的描绘。《易·系辞下》说“古者庖牺氏之王天下也，仰则观象于天，俯则观法于地，观鸟兽之文与地之宜，近取诸身，远取诸物。”由这一段话我们可以看出文字起源于图形，已为人们所公认的史实，即所谓象形文字。在篆文中，篆文之日作【】，月作【】，都是象形文字，经后世不断变化才有了今天的楷书。由此我们可以推想远古时代思想单纯的人们，为了描绘事物的形状来代替语言，大多是取象于实物的，后来由象形字演化出会意字、指事字等等。
对人类语言的起源，前人提出过许多具有参考价值的说法，影响较大的如模拟声音说、感叹说、声象说、劳动喘息说、劳动创造说。“劳动喘息说和劳动创造说，两者虽然都是把人类语言的产生与人类劳动联系起来，但对劳动在语言中作用，又有本质不同的认识。劳动喘息说只是承认劳动对语言形成的直接作用；劳动创造说不仅强调人类语言形成于劳动之中，是劳动的需要引发了语言的出现，而且强调劳动创造了人类。”[1]（P3）我认为模拟声音，劳动创造共同促成了人类语言的产生与发展。我们不能说劳动是语言独一无二的创造者，的确，劳动是创造语言的决定性条件，没有劳动，语言就不可能产生。劳动正是使原始的人能够具备足够的声音材料和意义要素的决定因素。但语言具体是怎样产生的，是什么原因使一些古人在那个时候有了这些突破呢?显然仅仅依靠劳动是远远不够的。“原始语言一开始就是有声语言，就是人们拿来彼此交谈,进行思维的有声语言。”[2]（P25）“有声”这个声到底怎样产生出来，这无疑要归结到模拟或者模仿这一学说上来。关于语言的具体形成过程，将在下文中详细探讨，在此不作赘述。
1.2语言与文字形成的时间：前面已经谈到了语言和文字的各自起源，但只是从如何产生这一角度来考察而没有确定起源的时间，语言文化史家给我们描绘了现代人类的语言发展轨迹：
旧石器时期，距今12万年—5万年之间，现代语言的起源或胚胎阶段；
中石器时期，距今5万年—1万年之间，现代语言的成熟与流播阶段；
新石器时期、农牧业时期，距今1万年前—15世纪，现代语言的分化或接触阶段。
由此可见人类语言历史并不是那么漫长，有声胚胎语言的出现不会早于15—12万年前，成熟的有声语言的历史仅仅只有5—4万年。[3]（P43）
文字史家给我们描绘了世界古老自源文字起源的大致时段。两河流域的楔形文字:1765年发现，成熟于公元前3500年；古埃及的圣书字:1799年发现，成熟于公元前3000年；中国的甲骨文字:1898年发现，成熟于公元前1300年。通过以上从历时角度的考察，文字与语言的起源，我们发现考察文字与语言的关系，特别是从历时的角度上，应该在人类在场的声音符号与不在场的视觉符号之间关系的背景下进行，波普尔在很久以前就注意到这一点。他说：“人类语言是在人能发出清楚区分为‘词语word’的语言系统后才成熟的。”[4]（P59）后人根据他的这一观点提出了语言文字发展的轨迹:首先是“前语言（sound）”阶段，即尚未形成词语的声音符号(呼喊)和视觉符号(刻划、痕迹)；其次是以词(word)组成的(口头)语言系统；再后是书写的文字系统(book)；也就是说要把视野扩大到文字时期乃至语言时期，这样才能把问题说清楚。
2.语言与文字的关系
通过上文的论述可以推断出，文字与语言的关系大体经历了以下这样三个发展阶段:
第一阶段:前文字与前语言之间的关系。从12万年前“人科动物的起源”一直延续到距今5万年前语言时期。这一时期的交际方式主要是在场交际，交际符号是“在场的听觉交流符号”和“在场的视觉交流符号”，这一时期语言和文字都还没有产生，它们之间也自然不会发生关系，所有这一些“符号”只不过是语言、文字的前身。由于本文着重探讨成熟的语言文字，此阶段的关系不再详述。
第二阶段：雏形文字与语言之间的关系。距今5万年至距今5000年，其间的45000年左右的时间，人类的交际需求和交际方式发生了重大改变。这一时期的交际方式是在场交际日渐加强和不在场交际需求出现和不断强化，在场交际符号主要是语言以及伴随它的体态语、手势语等“副语言”，不在场交际符号主要是实物契刻与图画。交际特点是:在场交际符号语言日渐完善，成熟和发展；不在场交际符号经过不断的孕育、抽象、改进、整和而进入到雏形文字时期。雏形文字符号逐渐由语音分离并行向语言靠拢，由记事向记言发展，最后完成了它的蜕变，成为现代意义上的文字。这一时期,虽然说语言已经存在，但严格意义上的文字并没有出现，所以严格的说，也不存在文字与语言的关系，但雏形文字向语言靠拢的趋势越来越明显和强化。
第三阶段:文字与语言之间的关系。距今5000年，人类真正的自源文字系统形成。这一时期的交际方式是在场交际与不在场交际并存；在场交际符号语言进一步发展，不在场交际符号语言逐步完善和发展；交际特点是在场交际与不在场交际互助互补。这一时期语言与严格意义上的文字同现，文字和语言的关系也才真正出现和突显出来。
距今5000年，自源文字的产生，是人类第二次信息技术革命。文字的出现，是人类蒙昧和文明的分水岭，是人类文明的标志。人类对作用于听觉的转瞬即逝的有声语言，实现了在时空两个向度里延续的视觉的记录、传播、留存的建构。完成了由史前的“记事”向现代的“记言”，由助忆符号向交际符号的转变[5]（P409）。文字的产生，是人类不在场的记事交际符号发展史上的里程碑。它使原来处于分离并行状态下的作用于听觉的在场的语言符号，与作用于视觉的不在场的文字符号有机的结合起来，打通了听觉和视觉的分隔，使人类在场和不在场的交际符号由分离并行而互助互补，并且使有声语言在原有的口头形式的基础上又具有了书面形态，完成了对语言的记录和呈现。
以上是从历时的角度对语言和文字三阶段关系的考察。从共时角度看，自源文字成熟以后，人类在场交际与不在场交际都有了完善的交际符号体系。在场交际的符号体系是语言，不在场的交际符号体系是文字。综合历时和共时两个角度来看，在字本位文字观的观点中，汉字是独立发展的自源系统，其与语言的关系是由分离并行到相互促进共同发展。
3.语言与文字的结合
我们谈到过语言与文字的结合，但只是借鉴别人的观点提出了自己的一点看法，主要是从时间上、起源上进行考察。从时间上找到两者的交点，从起源上找到两者的关联，也可以说是从第一层面上考察语言与文字的结合，而没有从更深的层面探讨语言与文字的到底是怎样结合在一起的。
3.1语言与文字结合的微观推想。通过分析文字与语言关系的三个阶段，我们知道，在第二阶段也就是5万年前，“现代语言”即现代人类所使用的有声分节分层次的语言诞生。语言产生后，人类便具有了成熟完善的听觉交际符号系统，它很好地满足了人类在场的交际需求。但是社会是不断发展进步的，在场的交际需求逐渐不能满足交际的需要，也就是说听觉的在场的符号系统已经满足不了交际需要。因此人类不在场的交际越来越强烈，信息的记录、传播和留存越来越重要，一种成熟完善的作用与人们视觉的不在场的记事符号系统呼之即出。
前一阶段漫长的“在场的听觉交际符号”如体态语、手势语的使用，必然会给此时的不在场记事符号的产生、演进、发展以有益的启示。正如陈望道先生所说，人们用声音表达思想，也就知道用形象表达思想。知道从口嘴到耳朵的传达法，一面就知道从手指到眼睛的传达法。于是，以可视性载体来记录、传播与留存的原始记事方法由此诞生，如实物记事、契刻记事、画图记事等。不过，在相当长的时间内，这种不在场的记事符号是与语言分离并行的，它是助忆符号而不是严格意义上的交际符号。“不在场的视觉符号”的诞生虽然一时地满足了交际的需要，但并不能满足永久的交际需要，在初级阶段两种符号系统是并行发展的。至于两者即文字符号同语言符号是怎样建立起联系这是本文着重探讨的一个问题。
前面探讨文字起源问题的时候，谈到文字的创制约有两个来源：一是来源于符号的应用；二是来源于图形的描绘，其实细分开来可以有三部分，其一是绘画而来的象形符号；其二是由刻划而来的符号；其三是由崇拜而来的图腾符号。所有这些为文字系统的形成奠定了物质基础和心理基础。“所谓‘心理基础’是指对各类符号直接意想义的认同，对各个符号阅读时的音义的认同，以及由于崇拜而产生的‘不得改易’的敬畏心理”。[6]（P117）
在此我认为“不得改易”的敬畏心理促成了文字符号的定型。对文明的呼唤是早期人类心底蕴藏的一个愿望，生产力的不断提高，社会的不断发展，人们在各种偶然情况下创造的符号不断的增加，人们对符号的认识也越来越深入。文字符号同语言建立联系之前必然本身要有一定的系统性，不然与语言相关联时会更显杂乱无章。因此，必须先要谈及符号的收集。我们知道文字系统的形成，民俗因素是一个非常重要的因素，“所谓民俗是指一个民族的风俗习惯，是一种有很强传承力量的行为方式和思维模式，其中包括信仰，宗教和这些上层建筑赖以产生和生存的物质文化条件。”[6]（P110）
原始社会生产力低下，人们对自然力的崇拜异常强烈，由于对风、雨、雷、电等自然现象缺乏科学的认识，认为那是一种神的力量，人们在它们面前无能为力，因此巫文化作为人神的桥梁，在社会生活中充当着不可或缺的信使角色。娱神和降神的诸多活动由于交际的需要是需要记录下来的，这样就产生了“史”。“史”在当时是同“巫”合二为一的。有了巫史，就有了人类最早的知识分子，也就使得那些简单符号可以在一定程度上用来记录语言，在记录语言的过程中才会有所调整，成为系统的文字。巫史成为符号的收集者。然而，符号是怎样成为文字体系的，文字体系怎样同语言之间发生联系的，唐兰先生这样描述了文字符号与语言之间联系的发生：原始人类把大象描绘下来，别人看见了都知道是“象”，这“象”的语言就流传了下来。象是古人最早选择的画范，所以这一语言就和这个动物发生了这样密切的关系[7]（P89）。处于“前文字阶段”的各种符号，它们跟语言的结合，也许都经历这样一个过程。下面来探究一下，到底是什么东西让语言和文字第一次结合起来。
古希腊的柏拉图，曾经借用了Homogenes的话，“Anyname which you give is the right one，and if you change that andgive another ，the new is as correct as theold”。我们翻译过来就是“无论你起什么名字，都是对的，如果你想改名，起一个新的，也和旧的一样是对的”。同样，我国古代的荀子认为“名无固宜，约之于命，约定俗成，谓之宜”。美籍华裔语言学家王士元先生在推想语言产生的最初情形时描述说：“在原始人群里，一开始时人们发出声音，只是用一些简单的声音，来描述一些身边的事物。这样人们就可以进行最简单的交流……我们假设一开始时各人可能用不同的声音来表达同一个事物，各自表达的方式不一样，但后来经过彼此长期的交流，相互模仿，最后在人群里形成一统一的信号系统，这就是‘约定俗成’，语言的开始”。[8]（P285）
我们再来体味前面唐先生的话，“原始人类把大象描绘下来，别人看见了都知道是“象”，这“象”的语言就流传了下来。”我们可以推想在原始人群里，也许有好多种声音都代表同一个象，这是原始人类各自不自觉的反应，后来人们在交流的过程中发现，如果用同一种声音同一种符号来表达同一个事物，不但符号简单，而且交流起来也容易的多，于是人们就互相模仿，渐渐的表达同一事物的声音与符号就统一起来了，形成一套独立的语言系统。这样一个符号代表一种声音代表一个事物。鲁迅也曾经说过，世界上本没有路，走的人多了也就成了路。我认这句话完全可以诠释为“约定俗成”。符号与声音是两种互不相关的东西，一旦某一天在原始人群里由于交际的需要，某一个人随意的把某一声音和某一符号联系起来，这一声音代表这一符号，同样这一符号代表这一声音，后来运用这一联系的人越来越多，两者之间的关系便被确定下来。可见，两者之间发生关系是随意的，但是关系一旦确定下来便是每个人要遵循的。
3.2语言与文字结合的宏观阐释—形音义的关系。中国传统的语言文字学的基本观念是字本位，其基本发展脉络是:首先认为文字是形音义的统一体，是一个独立自足的系统，“音生于义，义著于形，圣人之造字，有义以有音，有音以有形，学者之识字，必审形以知音，审音以知义。”(段玉裁《说文解字注》)这种文字形音义三位一体的观念，实际上就是认为文字是一个独立自足的系统，他可以不依附于语言而存在。其次，认为文字是与语言并行的系统。假如追溯源头，文字实与语言相并，别出一源，决非文字本来就是语言的记号。第三认为文字高于语言。汉字对语言系统的超越，是在一个崭新的起点上进行的。汉字的创造、汉字的文字体系的形成，成为独立的概念体系，超越了语言。至于文字是与语言并行的系统，还是文字高于语言，这些要经过对语言与文字关系的历时考察来确定。
汉字是表意文字，原始的汉字是据义绘形的汉字形体的形成可以分为两方面：“象形文字大致可以分为像事物整体之形、像事物的区别特征、在事物整体象形之外附加相关的事物这三类。”因此，汉字的字形往往与他所记录的词的意义发生直接的联系。后来产生的指事、会意、形声等字形都是与意义相互作用的结果。在早期汉字里，形与义是统一的如“、”这两个形体直接表示“太阳、月亮”，形与义的关系是具体的直接的，正所谓义著于形。后来才逐渐的抽象化、形象化。关于音的形成，段玉裁说“音生于义。”也有学者引用荀子的“名无故宜，约之于命。”我认为应是两者的结合。模仿是音形成的一个方面即“音生于义”，而那些不能模仿的就只有约之于命了。黄侃先生在他的《声韵略说》中说：“三者（形音义），又以声为最先，义次之，形为最后，凡声之起非以表情感，即以写物音，由是而义傅焉。声义具而造形以表之，然后文字萌生。”也就是说，“词，这个语言中的最小的、独立运用的表意单位，是音和义的结合体。文字产生之后，这种结合体便被书面形式—字形所代替，字形仅仅是记录这个音义结合体的符号。”由此可见汉字是独立发展的自源系统，与语言的关系是由分离并行到相互促进共同发展。
4.语言形成的模仿说
语言的生成与汉字的生成都与模仿有关系，汉字是从形体上进行模仿而后义附于形，语言是从听觉与视觉两方面进行模仿，虽然语言与汉字进行模仿的角度不一样但两者是有一定的关联的。我们拿“虎”这一象形字来说，字体是由象形经过简化、隶变一步步演化而来的是直接的像物之形，而它的发音是从听觉上直接引用而来的，（虎发音时可以用hua-hua-hua这一音节来表示）这样我们不难发现，字形与发音都是通过模仿而产生的，至于这个字读什么音表什么义也是自然而然地形成的。
4.1汉语音节的视觉模仿。唐先生说：“真正的初文应该是象形文字。象形文字，可以分化出单独的象意字，也可以成为复杂的象意字，更可以加上形符或音符而成为形声文字，一切文字没有象形文字作依据，就写不出来”。可见，象形文字是最早的文字。至于象形文字是怎么形成的，这还需要说明一下，象形文字的前身是图画文字，人们利用图形或线条对各种事物进行描画，使它们代表各种事物从而具有某种意义。如果把图形简化，并用来标志一个语言成分，就成了人类最原始的文字—象形文字”。
我们从旧石器晚期的洞穴绘画和雕刻来看，最早的象形文字主要是动物形象。许慎《说文解字叙》中谈到：“古者庖牺氏之王天下也，仰则观象于天，俯则观法于地，观鸟兽之文与地之宜，近取诸身，远取诸物……”以上描述我们不难看出，象形文字大都模仿事物的形象而来。这是文字的早期阶段，如纳西东巴文。世界文字发展史证明，文字来源与记事绘画，画图和语言相结合就成为文字。正如李孝定在，《汉字史话》中所说：“图画具备了形和义，一旦与语言相结合，赋予图画以语言的音，于是具备了形音意等构成文字的三要件，便成为原始的象形文字”。因此，由模仿现实物象而成的象形文字是所有自源的基础，象形是所有自源文字共有的造字方法，汉字当然也不例外。许慎给象形造字法下了这样的定义“画成其物，随体诘屈。”汉字中大部分的独体字都是用这种方法早出来的。如：羊、牛、鹿、虎。
前面我们说象形文字由模仿而来，其实，追溯有声语言历史演变的源头，我们不难发现，汉语音节也具有对客观自然进行模仿的特点，只是由于有声语言作用于人的听觉而并非作用于人的视觉而变的使现代人不易觉察。我们知道汉语音节是汉语有声语言的基本单位，相当于我们前面提到的语言发展阶段中的“词（word）”，是真正的汉语言形成的开始。象形文字是图画性描摹的模仿，那么汉语音节是对那些方面的模仿呢？
有声语言是通过发音器官发出声音表达意义的，发音器官受人脑的支配，只有人脑从听觉和视觉上获得信息，通过解码才能变成相应的符号传达给发音器官发出声音。因此，我们可以把对声音的模仿分为听觉和视觉两个方面。在视觉方面，主要是用发音器官模仿客观事物的特点，而客观事物又可分为客观物体和人或动物的形态、动作。先看怎么来模仿客观物体当我们发“葫（hu）芦”之“葫”，或“茶壶（hu）”之“壶”的音时，嘴唇要向前伸而且呈圆形，很有点葫芦或茶壶之颈长而圆的意蕴。而发“窝(wo)、碗(wan)、洼(wa)、锅(guo)”等音节的音时，不用唇齿喉等不能取事物特点的器官，而是用舌面构成各种不同的圆窝状，也很有点这类事物窝圆而深的味道。这很像是初创音节的先民在说：葫芦颈是长的因此你的嘴巴要伸长来发音；窝是圆而深的，因此你不能用唇齿等来摹象它，而要用舌面状来模仿。[9]（P83）
再看发音器官对人或动物态动作的模仿。当发“哽(geng)”一音节的音时气塞喉头，像有什么东西堵在喉咙里一样；又如发“咳(ke)”一音节时，很明显是模仿人咳嗽似的特点发出来的。表示人的感觉或感情活动的“喜(xi)、笑(xiao)、怒(nu)、骂(ma)”四个音节，“喜”一音节在古音中发“hi”，现在闽南语仍发这一音。发音时嘴唇扁平，嘴角成笑意状“hi-hi”，像是人喜悦时发出的笑声。“笑”这一音节发音时脸部肌肉向上隆起，与人笑时的神态非常相似；“怒”这一音节发音时则嘴唇撅起，很像人不高兴时嘴唇撅起的样子。“骂”这一音节发音时嘴巴呈椭圆状张开并且脸部肌肉拉长，很像人不高兴时拉下脸来，骂人的样子。虽然汉语音节对客观事物进行模仿，我们同时也必须认识到他的局限性，不可能像象形文字（图画文字）那样细致逼真，许多音节的模仿只是大体上的相似。
人是具有思维的动物，是有感觉的既然具有思维的能力也必然具有一定的逻辑能力，即使是原始人类也同样是具备的。学过语言学的人都知道，发音器官的位置或气流走向是有前后有方向的，在元音舌位图中，仅舌面就分舌面前、舌面中、舌面后三部分，举例来看“前(qian)、中(zhong)、后(hou)”三个音节。“前”这一音节发齿音，发音部位最靠前；“中”这一音节发音部位为舌面中，比“前”一音节靠后；“后”这一音节发音部位最靠后在喉部。由此我们不难发现，发音部位也具有对客观事物模仿的性质。许多汉语音节发音时有送气与不送气的区分，这是以发音时经口腔至唇外的气流运作来判断的。
音节发音时的送气与不送气，与他们所表示的客观事物的特点有很大的相似性。比如“窒(zhi)”与“喘(chuan)”两音节，“窒”发音时气流没有经过口腔，滞留在喉内，为不送气音；“喘”一音节发音时，气流经过口腔呼出，为送气音。在汉语中，窒有不通气的意思，喘有通气的意思。由此可见，发音器官发音时气流的运作即送气与不送气，呈现了客观事物的特点。此外，汉语音节的模仿特点，还可以转移到对一些相关的事物概念的模仿上，如“慢(man)”与“快(kuai)”两音节。“慢”这一音节发音时气流不出口腔为不送气音；“快”这一音节发音时气流通过口腔而且迅速。又如“收(shou)”与“送(song)”两音节。“收”发音时气流不出口腔，是不送气音，而且有舌卷气流入口腔的意思，以示“收”为收进之意；“送”发音时气流突破口腔为送气音，显示送有送出的意思。这些音节发音时所指称的概念并不是直接的，而是好像有取其意象而不取其实象进行模仿的意思。这就好像象形文字的造字原理中“立象取比”中的“取比”，是一种比喻、比较、比辅的方法，在这一点上音节与文字的模仿方法不谋而合。
4.2汉语音节的听觉模仿。汉语音节不仅在视觉上模仿客观事物的特点，而且也从听觉上即对客观事物的声音进行模仿，也可以分为两大类，一类是对客体事物的模仿，一类是对人或动物所发出的声音的模仿。现存的汉语音节中，有很多还能够清楚的表现出音节对客观事物声音的模仿。如，“丁冬、玲、铛”其实是铃铛丁玲当啷声的转音；又如轰(long)从“轰隆隆”一音转来，而“轰隆隆”是对雷声的直接模仿。对人或动物声音的模仿我们可以举出许多的例子，如猫(mao)和猫叫的声音在发音上一致，也就是说猫这一音节是对猫叫声音的模仿；又如嗥(hao)无疑留了狼叫的声音的特征，hau-hau-hau，这一发音的过程可模拟为狼叫的发音过程。还有“虎（hu）”节，仔细推敲不难发现，它是借虎愤怒时发出的“呼呼”声进而产生“虎”这一音节，同时“虎”也是象形文字，至于“一个字为什么读这个音而不读那个音？”这个问题到此就不言而喻了。由此我们也可以说模仿是约定俗成的根本和前提。
还有一些音节模仿声音的特点，现在看来不是特别明显，但通过联想或史料还能将他们的模仿特点发现出来，如“吐(tu)”。用吐不用其他音，因为它就是模仿人口吐东西发出的声音而出现的一个音节，即人们口吐东西发出的声音就是“吐”这一音。此外，根据音节特征结合生活常理也可以推测一些音节模仿声音起源的特征，如“龙（long）”，发“龙”而不是其他音，可能是古人听到打雷隆隆的声音，又看到闪电张牙舞爪的形象，加之对自然神力的崇拜，于是用“隆隆”这一打雷的声音，称他们见到的可怕的闪电形象为“龙”，也就是说，从“隆隆”这一声音转化为“龙”这一声音，再加上历史演变的关系，就有了现在的“龙”一音了。[9]（P86）
象形文字的模仿方法与汉语音节的模仿方法，我们不难看出，古代人的思维模式——“天人合一”。《易·系辞上》说：“圣人立象以尽意。”传情达意是通过立象为中介来进行的，“取物、取身”的思维观察方式就是一种立象取比的思维方式，借形象来传达表述意味。“借形象传达理想与意义与天人合一的基本含义——人物交融，主客浑一，人与自然融合是一致的。”启良在《真善之间》一书中指出：古人的思维模式就是天人合一的思维模式，这种思维模式影响和制约了以后中国“轴心时代”诸子文化。事实上，人一出世，面对的就是自然界，这一时期的象形文字记录了古人对自然的理解。同时，古人在学习使用简单的象形文字的过程中，也不知不觉地种下了天人合一思维模式的种子。象形造字法的立象取比体现了天人合一的思想，汉语音节中气流的运作所指称客观事物概念的方法，同样也体现了“合一”的思想。可见，天人合一的思想贯穿华夏文化的始终。我们今天所说的“和谐”其实就是天人合一的另一种说法。人与人，人与自然之间就是一个和谐的统一体。
语言与文字的关系问题可以从许多的角度进行探讨，总的来看语言与文字的第一次结合可以从多方面进行论述。首先我们最容易想到的是从它们起源的时间上找到两者的交点，本文通过时间的考察找到了真正语言与汉字的形成时间。而后论述了语言与文字的关系，运用前人的观点对语言与文字的结合作出了微观上的推想。而后运用动物学中的模仿理论从宏观上对语言的形成运用模仿理论进行分别的论述，不仅在视觉上进行模仿确定文字的发音而且还从听觉上对文字的发音进行考察，通过这两个角度的研究逐步的阐释了语言的形成过程。象形文字是中国最早的完备的文字，其立象取比的方法体现了天人合一的思想，同时也固定了国人的思维模式即和谐以合为贵。
5.结语
语言与文字的关系是历来争论颇多的问题之一，中国文化源远流长语言与文字的各种问题又是与文化紧密的联系在一起的。本文只是从第一层面、第二层面探讨了语言与文字的结合，从宏观与微观两个角度，运用前人的理论以及通过自己思考，把动物学的模仿说与汉语音节的形成结合起来，分别从听觉和视觉两个角度分析汉语音节的模仿性，阐释语言的形成。当然也只是我浅薄的看法。语言与文字的关系问题随着文化视角的扩展也必定有更深方向的探讨，更深层次的问题有待于我们进行探讨与研究，所以说文化是深厚的，学术上的研究也是无止境的。中国的文化还需要继续发扬光大。
语音的学问和趣事——《奥妙无穷的语言世界》(连载之十四)
语言结构·引言
我们每人每天都要使用语言，但是，如果要问一句：具体地说，什么是语言？那么，并不是每个人都能答得上的了。“我们说的话就是语言。”这样回答对吗？不对。准确地说，“我们说的话”叫作“言语”，它是我们运用“语言”这个工具来表达思想感情时得出的成品。一段话就是一段“言语”。那么，“语言”到底是什么？回答是：“语言”是一种工具，是我们人类在交际活动中用来表达思想感情的工具，也是我们思维时所运用的工具。这种工具是一种符号系统。这种符号系统由三大要素构成。这三大要素就是语音、词汇(有的称为语汇)和语法。所有的语言都有这三大要素。其中，语音是语言的物质外壳，或者说，语音是语言的外在的表现形式。词汇是语言中所有词语的总和，它是语言的建筑材料，我们所说的每一句话，都是用一个个词语造成的。语法是语言的结构规则，也就是人们在用词语造句时必须遵守的规则。要掌握一种语言就必须掌握它的语音、词汇和语法。比如，我们要学好汉语，就要掌握好汉语的语音、词汇和语法。关于我们的汉语的语音、词汇和语法，有许多学问，也有许多故事。让我们深入其中，一睹此公尊容。
语言结构·语音·语音的社会属性
一般认为，天底下同一类的动物，它们的叫声大抵是相同的。中国的北京鸭“呱呱”叫，美国的“唐老鸭”也“呱呱”叫。中国的水牛叫“哞哞”，越南的水牛还是叫“哞哞”。马嘶、犬吠、狼嚎、狮吼、熊訚、虎啸，世界各地如出一辙。但人类的语音就不一样了，别人帮自己做了事，中国人要说声“谢谢”，英国人则说“三克油”(thankyou)；对不认识的东西，北京人说的是“不知道”，广东人说的听起来却像是“母鸡啦”(唔知啦)。据说刚解放的时候，在福建省的某些地方，南下干部下乡最多时要带上七个翻译，原因是不少相邻的村庄说的话都不一样，没有翻译根本听不懂。为什么会出现这种现象呢？这就跟语音的属性有关了。
语音有三大属性：1）语音是由人类的发音器官发出来的表示一定意义的声音，它是人类特有的一种生理现象，这就是语音的生理属性；2）语音是由人类的发音器官振动空气以后产生的声波，它与其它的声音一样，具有音高、音强、音长、音色四大要素，是一种可以用仪器测量出来的物理现象，这就是语音的物理属性；3）语音还是人类社会特有的一种社会现象，它在人类社会中产生，并由社会赋予一定的意义，什么样的语音表达什么样的意义，完全由社会的全体成员约定，这就是语音的社会属性。
很多动物也有发音器官，它们发出的声音也有音高、音强、音长、音色四大要素，这两方面与人类的语音相同，但是，动物之间只有种群关系，而没有像人类一样不断发展进化的纷繁复杂的社会关系，而且，动物的叫声所代表的有限的意义是由整个物种共同遗传下来的，而不可能是由不同的族群所赋予的。所以，人类的语音与动物的叫声有本质的不同，就在于人类的语音具有社会属性。换句话说就是，社会属性是语音的本质属性。按照流行的观点，语音的社会属性主要体现在两个方面：
第一，从人类语言的总体来看，语音与语义之间没有必然的联系。什么样的语音表达什么样的语义，完全由社会的全体成员在长期的社会生活中约定俗成。比如说，像“装订成册的著作”这种东西，中国人叫“shu”，英国人则说“book”。又如，中国人把太阳升起的一方称为“dong”，英国人则称为east，说法完全不同。当然，碰巧也有接近的，比如，英语的dad、mather与中国的“爹爹、妈妈”意思相近，开头的发音也差不多；英语的单词die和我国的壮话（壮族同胞的语言）所说的“死”语音和意义都相同(具体用法还是有所不同的)，但这只是极个别的情况，绝大多数是相差很远的。
第二，各种语言都有自己的一套语音系统。语音系统指的是一种语言中的各种语音要素及其相互关系的总体。这种语言有的音，另一种语言未必有，反过来也是这样。比如，英语定冠词the中包含的齿间音汉语普通话中就没有，英语中的复辅音现代汉语也没有；汉语普通话中的阴平、阳平、上声、去声四种声调英语中就没有。凡是本民族的语音系统中有的音，本民族的人听起来就很敏感，读起来也十分利索。反过来，凡是本民族的语音系统中没有的音，本族人听起来感觉就比较迟钝，有的甚至很难分辨出来，发音的时候更是感到费劲，有的甚至无从“着口”。例如，汉语中特有而英语中没有的塞擦音j—q、zh—ch、z—c，母语是汉语的人说起来就很容易，而母语是英语的人要发它们就比较吃力。再如，英语中没有声调，所以，母语是英语的外国人在刚学汉语的时候，我们听起来总感觉到阴阳怪调的，那就是他们从来没接触过声调这类东西，所以学起来很难发得准。又如，法语中有一种音叫小舌音，这种音发音时小舌要颤动。汉语中没有这种音，从小说汉语的人要学发小舌音也非常困难。其实让小舌颤动我们也会，早上漱口时，我们常常含着一口水并仰起脖子让水在口腔中滚动发出“格格格……”的声音，这时就是小舌在颤动。不过这是借助水在帮忙，如果要我们这些从小就说汉语的人在说话的正常情况下让小舌颤动发音，那就比外国人学汉语的四种声调更困难了。
语音是语言的物质外壳，是语义的载体，这是一种最理想的选择。人们将客观存在的各种现象转化为意义，然后用声音来表达，形成符号，这是人类为认知现实、改造现实而创造的一种最有效的工具，因为它的容量最大、使用最简便，效果也最好。语音是人类用发音器官发出来的声音，发音器官每个人都有，随身附体，时刻相伴，人走到哪里，它就能“跟”到哪里，根本不需要其它任何专门的物质设备。语音的运转最灵活，容量也最大。每一种语言从人类所能发出的大量的元音和辅音中选出数十个，通过排列组合而构成不同的音节或音节的组合，并分别用它们来代表不同的语义，就可以把现实世界中的所有的现象都表达出来；而且它的效果也最好，因为说话只是动动“嘴皮子”的事，轻而易举，根本用不着费什么劲。可以大声疾呼，声色俱厉，也可以慢声细语，娓娓道来。不管是心中的喜怒哀乐，还是大千世界的万事万物，都可以通过语言表达出来。如果改为全用手势，效果就要减少很多：远处看不到，暗中看不见，深奥的道理，细腻的感情，也难以用手势表达出来，而且做手势时还得把手腾出来，影响劳动。由于用声音作语言符号的材料有种种优越性，因而人类的祖先在长期的发展过程中，就自然而然地选用它作为语言这种最重要的交际工具的物质载体。
有一个问题曾引起很多学者的关注，就是什么样的语音与什么样的语义相结合究竟有没有一种人们可以遵循的原则？对于这个问题，学术界存在着泾谓分明的两种回答，分别提出了语言符号音义结合的两条基本原则：一是约定性原则，一是理据性原则。
约定性原则的意思是：语言符号音与义的联系由社会约定，相互之间的结合没有自然的、固定的道理。例如，汉语中为什么把“用两条腿走路、会说话、能制造和使用工具进行劳动的动物”与语音rén相联系，而英语中则是与和man和woman相联系？这是说不出道理来的。于是得出语言符号音义结合约定性或任意性的结论。这种观点源自于瑞士语言学家德·索绪尔。现在一般的语言学著作中占主导地位的是这种观点。
理据性原则的意思是：事物的名称是由事物的性质、特点决定的，用什么样的音去表达什么样的意义是可以说出道理来的，因而是有理据的。持这种观点的是我国的一部分学者。
这两种互相排斥的观点到底谁是谁非呢？有学者认为，“应该说，这两种假设都是对的，只是要结合不同的语言进行具体的分析，不能拿一顶假设的帽子到处套。对于印欧语来说，应该承认语言符号的任意性是它的基础；相反，对于汉语来说，音义结合的理据性才是它的基础。”（徐通锵《基础语言学教程》250页，北京大学出版社，2001）为什么这样说呢？理由是：“归根结蒂，就是由于两类语言的基础性的编码原则不一样，一个以约定性、任意性为基础，一个以理据性为基础。”（同上）印欧语属于前者，汉语属于后者。正是由于这点，汉语的研究传统都比较强调这种理据性。
这里需要解释的是，在谈到语音与语义的结合是否有理据的问题时，应该分清两个层次：第一个层次是最初的语音与最初的语义结合时是否有理据，也就是在最初的源头阶段的结合是否有理据；第二个层次是在源头阶段以后的音义结合是否有理据。关于第二个层次的音义结合的理据性问题分歧不大，因为汉语中很容易找到音义结合具有理据性的例证。例如，“堇”的意思是“少也”，因此，以“堇”为声旁的字多数与“少”的意思有关：“谨”为寡言；“廑”为少劣之居；“僅（“仅”的繁体字）”为“才能、犹言纔能也”；“馑”是“蔬不熟”；“殣”是“饿死”，即“谓乏食而死者也”；“槿”为“朝华莫落者”，即谓开花的时间很短，等等。这就是说，汉语中，凡是以“堇”为声旁的字，都在某方面含有“少、乏”之类的意思。这说明这些字中的音义关系是有理据的，都可以通过“堇”而得到合理的解释。这个例子还说明，汉语的声和义可以相互转化，即义可以转化为声，如“堇”本来是一个有意义的字，但在这个以“堇”为声的字族中它已转化为声，使各个字都能清楚地表现出它们的理据性。这个层次的音义结合的理据性是无法否认的。
然而，在第一个层次中，音义结合是否具有理据，这个问题就比较复杂了。就像“堇”的语音与“少也”的语义之间的结合是否有理据，现在还难以找到确凿的证据。因此，索绪尔认定在源头之初语音与语义之间纯然是任意约定的关系。与索绪尔不同的是，我国部分学者则认为，不考虑表意文字与拼音文字的区别，简单地一概否定理据性原则是难以令人信服的。因为汉语与印欧语不同，汉语中的联绵字一般认为是绘声和绘形的结果，自然是有理据的；至于其它的一般的字的音义联系是不是有理据还难以说清楚，但汉语中确实存在着种种音义理据性的痕迹。因此，他们认为，简单地否定理据性原则未必正确。专家们在这方面的争鸣还在继续，最后的结论还有待他们进一步用事实来证明。
语音是语言的物质外壳，语音是否准确，直接影响到语言的面貌和别人对语言的理解。关于因语音问题而闹出的笑话，大约各地都有。譬如有一篇小说就写到了一件这样的尴尬事：某湖南人在北京买高压锅的皮垫圈，湖南方言把皮垫圈叫“皮箍”，于是出现了这样的场面：
他用湖南话开了腔：“细妹子，有皮箍卖吗？”小辫子把“皮箍”听成了“屁股”，眼珠一瞪，用北京话答了腔：“买屁股？流氓！”老乡以为在告诉他皮垫圈的价钱，把“流氓”听成了“六毛”，便笑嘻嘻地说：“管它六毛七毛哩，反正是我老婆……”还没等他说完“是我老婆叫买的”，小辫子更如火上浇油：“还嘻皮笑脸的，畜牲！”这下可惹怒了老乡，质问道：“么子？出身？买个皮箍还要查出身？还想搞文化大革命？我贫下中农出身！”（邓立武《一场误会》）
要不是后来消除了误会，这位湖南的贫下中农大伯也许要被北京的“革命群众”当流氓抓起来了。虽然这只是一个虚构的故事，但由于语音问题而引出麻烦在现实生活中是屡见不鲜的。
有这样一个真实的故事：1950年12月20日，时任台湾大学校长的傅斯年在一次大会上侃侃而谈自己的办学方针和理想，发言刚刚结束，突然昏倒，不再醒来。官方人士宣布傅斯年校长于20日夜“弃世”，不知是因为说者语音不准还是听者耳朵有毛病，有位记者错把“弃世”听成“气死”，消息报道出去，不明真相的青年学生群情激愤，纷纷涌上街头，要求当局说明事情经过。直到警察出动，并经多方劝说，风波才告平息。一音之误竟至引发事态，实为人们始料不及。
语音是语言的存在形式，是语言的物质外壳。在不同的语言和方言间，总会有一定的语音差异，人们在学习新的语言或方言时，总会遇到一些语音上的难点。比如，在普通话中有六组成双配对的声母：b－p、d－t、g－k、j－q、zh－ch、z－c，每组中的两个声母在发音上的区别只有一点，就是短杠前的那些是不送气音，发音时气流较弱；短杠后的那些是送气音，发音时气流较强。母语是汉语的人对区分这些声母毫无问题，但有些兄弟民族的语言中没有送气音和不送气音的区别，因此在遇到这些声母的字时，都把它们读成前面的不送气音。于是就会出现下面的问题：“兔子跑了”就会说成“肚子饱了”，分西瓜“你吃大片，我吃小片”就会说成“你吃大便，我吃小便”。其实这类张冠李戴的语音错误，每个人在学习与母语的语音差距较大的语言时都有可能遇到。我们不应该拿这类差错来取笑对方。从这里可以知道，我们在学习一种新的语言时，特别要注意学好本族语里所缺少的那类语音，这是学习的难点。一旦突破了这个难点，其它的问题也就不在话下了。
说话念书要把字音咬准，这很重要。“唱、念、做、打”是我国国粹京剧的四大基本功，其中的“念”就要求“念白”必须做到“字正腔圆”。如何做到“字正腔圆”呢？我国传统说唱艺术中有一种指导艺人发声的手段叫“吐字归音”，其要领是：把每个字的字音分为字头、字腹、字尾三个部分，字头就是声母，如果有介音就还要包含介音；字腹指韵腹，即韵母中开口度最大，发音最响亮的那个主要元音；字尾即韵尾，即韵腹后面的音素。发音包括出字、立字、归音三个阶段。出字是对字头的处理，要求发音时准确清晰，短促有力。这是“字正”的基础。立字是对字腹的处理，要求圆润饱满，清楚响亮。这是“腔圆”的关键。归音是对字尾的处理，要求趋向鲜明，到位弱收。归音恰当与否，对“字正”和“腔圆”都有重要影响。出字、立字、归字是在发音瞬间连续滑动的一个整体，不能有丝毫的间歇。相比之下，字腹的开口度最大，时间最长；字头、字尾则较小较短，因而人们常把“吐字归音”的过程形象地比喻为两头小中间大的“枣核形”。基本情况如上所述，但在实际的操作中因字音的结构不同而有所变通，大略地说，可以分为三种情况：
第一种，对字头、字腹和字尾都齐全的字，可以按“吐字归音”正常的全过程来处理。例如“碧玉妆成一树高，万条垂下绿丝绦。不知细叶谁裁出，二月春风似剪刀”这首诗中的“高、绦、刀”都是字头、字腹、字尾齐全的字，发音时，就应当按照前面所说的要求，处理好每个字的出字、立字和归音，就能把字念得准确清晰，饱满圆润。
第二种，对缺少字头（即零声母）的字，情况就要稍微复杂一些了。请看下面的三组字：
①热爱、天鹅、海鸥、江岸、报恩、高昂
②纲要、集邮、香烟、原因、中央、精英
③例外、雄伟、转弯、如温、希望、老翁
④领域、条约、方圆、月晕、风云、功用
以上四组每个词的第二个字都是没有辅音字头的“零声母”的字，这些字在吐字上与字头、字腹、字尾齐全的字是有区别的。大致情况是，第①组的后一个字分别是以元音a、o、e开头的字，这些字在发音开始时要适当增加处在开头位置的主要元音发音的紧张度，为保证吐字的清晰有力，可在增加肌肉紧张的同时，在其前面增加一个喉塞音［］。(因缺少国际音标输入系统，无法打出喉塞音的符号，请见谅——博主注)在②③④组中，后一字分别是以元音i、u、ü开头的字，在这些字中，如果韵母中除了i、u、ü以外不再有其它的元音，那就要在音节前分别加上短促有力的半元音[j、w、y]；如果还有其它的元音，就要把开头的i、u、ü分别发成短促有力的半元音[j、w、y]。这样就能保证字音的准确、清晰、响亮。
第三种，对没有字尾的所谓“开尾字”，即以字腹收尾的字，“归音”的方式有所不同。“开尾字”有两种，一种是韵母为单韵母的字，例如
