像 ‘p’ 或 ‘a’ 这样的字母，本身已经是对人类语音的一种有用建模。事实上，我们将在第15章看到如何在字母与声波之间建立映射。 尽管如此，用稍更抽象的方式来表示语音仍然很有帮助。 我们将一个词的发音表示为一串音素（phones），即语音的基本单位，每个音素用源自罗马字母的符号表示。
用于转写世界各种语言的标准语音表示法是国际音标（International Phonetic Alphabet, IPA）。它是一项不断演进的标准，最早制定于1888年。 但在本章中，我们将使用 ARPAbet（Shoup, 1980）来表示音素。ARPAbet 是一种简单的音标系统（见图14.1），它方便地使用 ASCII 符号来表示 IPA 中美式英语所用的一个子集。
许多 IPA 和 ARPAbet 的符号与常见的罗马字母相同。 例如，ARPAbet 中的音素 [p] 表示 platypus、puma 和 plantain 开头的辅音，也出现在 leopard 的中间或 antelope 的末尾。 然而，总体而言，英语正字法中的字母与其对应音素之间的映射关系相当不透明（opaque）。同一个字母在不同上下文中可能代表非常不同的语音。 比如，英语字母 c 在 cougar [k uw g axr] 中对应音素 [k]，但在 cell [s eh l] 中却对应音素 [s]。 此外，音素 [k] 不仅可以写作 c 或 k，还可以作为 x 的一部分出现（如 fox [f aa k s]），也可以写作 ck（如 jackal [jh ae k el]）或 cc（如 raccoon [r ae k uw n]）。 相比之下，许多其他语言（例如西班牙语）在语音与拼写之间的映射要**透明（transparent）**得多。
| ARPAbet Symbol | IPA Symbol | Word | ARPAbet Transcription |
|---|---|---|---|
| [p] | [p] | p arsley | [p aa r s l iy] |
| [t] | [t] | t ea | [t iy] |
| [k] | [k] | c ook | [k uh k] |
| [b] | [b] | b ay | [b ey] |
| [d] | [d] | d ill | [d ih l] |
| [g] | [g] | g arlic | [g aa r l ix k] |
| [m] | [m] | m int | [m ih n t] |
| [n] | [n] | n utmeg | [n ah t m eh g] |
| [ng] | [ŋ] | baking | [b ey k ix ng] |
| [f] | [f] | f lour | [f l aw axr] |
| [v] | [v] | clov e | [k l ow v] |
| [th] | [θ] | th ick | [th ih k] |
| [dh] | [ð] | th ose | [dh ow z] |
| [s] | [s] | s oup | [s uw p] |
| [z] | [z] | eggs | [eh g z] |
| [sh] | [ʃ] | squash | [s k w aa sh] |
| [zh] | [ʒ] | ambros ia | [ae m b r ow zh ax] |
| [ch] | [tʃ] | ch erry | [ch eh r iy] |
| [jh] | [dʒ] | j ar | [jh aa r] |
| [l] | [l] | l icorice | [l ih k axr ix sh] |
| [w] | [w] | kiw i | [k iy w iy] |
| [r] | [r] | r ice | [r ay s] |
| [y] | [j] | y ellow | [y eh l ow] |
| [h] | [h] | h oney | [h ah n iy] |
| [iy] | [i] | lily | [l ih l iy] |
| [ih] | [ɪ] | lily | [l ih l iy] |
| [ey] | [eɪ] | daisy | [d ey z iy] |
| [eh] | [ɛ] | pen | [p eh n] |
| [ae] | [æ] | aster | [ae s t axr] |
| [aa] | [ɑ] | poppy | [p aa p iy] |
| [ao] | [ɔ] | orchid | [ao r k ix d] |
| [uh] | [ʊ] | wood | [w uh d] |
| [ow] | [oʊ] | lotus | [l ow dx ax s] |
| [uw] | [u] | tulip | [t uw l ix p] |
| [ah] | [ʌ] | butter | [b ah dx axr] |
| [er] | [ɜ] | bird | [b er d] |
| [ay] | [ai] | iris | [ay r ix s] |
| [aw] | [aʊ] | flower | [f l aw axr] |
| [oy] | [oi] | soil | [s oy l] |
| [ax] | [ə] | pita | [p iy t ax] |
图14.1 英语辅音（左）与元音（右）的 ARPAbet 与 IPA 符号对照。
语音转写有多种多样的语音资源可用。 在线发音词典为单词提供音标转写。 语言数据联盟（LDC）发布了埃及阿拉伯语、荷兰语、英语、德语、日语、韩语、普通话和西班牙语的发音词库。 对于英语，CELEX 词典（Baayen 等，1995）包含了 160,595 个词形的发音，并附带音节划分、重音信息，以及形态学和词性标注。 开源的 CMU 发音词典（CMU，1993）收录了约 134,000 个词形的发音。而更精细的 UNISYN 词典（Fitt，2002）包含 110,000 个词，可免费用于研究，不仅提供音节划分和重音信息，还涵盖数十种英语方言的发音。
另一类有用的资源是带语音标注的语料库，其中一组声波被人工标注为对应的音素序列。 TIMIT 语料库（NIST，1990）最初由德州仪器（TI）、麻省理工学院（MIT）和 SRI 联合开发，包含 6300 条朗读句子，来自 630 位说话人，每人朗读 10 句。 这 6300 条句子选自一个包含 2342 个句子的集合：部分句子特意选取以体现特定方言特征（shibboleths），其余则旨在最大化覆盖语音中的双音素（diphone）组合。 语料库中的每条句子都经过人工语音标注；随后，音素序列被自动对齐到对应的声波文件；最后，自动产生的音素边界又经过人工校正（Seneff 和 Zue，1988）。 最终结果是一种时间对齐的转写（time-aligned transcription）：每个音素都关联到声波中的起始和结束时间，如图 14.2 所示。
| she | had | your | dark | suit | in | greasy | wash | water | all | year | |
| sh iy | hv ae dcl | jh axr | dcl d aa r kcl | s ux q | en | gcl g r iy s ix | w aa sh | q w aa dx axr q | aa l | y ix axr |
图14.2 TIMIT 语料库中的一段语音转写，使用了 ARPAbet 的窄式转写特性，例如 had 中 [d] 的腭化、dark 末尾塞音的不除阻、suit 末尾 [t] 的喉化（记作 [q]），以及 water 中 [t] 的闪音化。TIMIT 语料库还包含时间对齐信息（图中未显示）。
Switchboard 转写项目构建了一个带语音标注的语料库，包含从 Switchboard 语料库中抽取的 3.5 小时语音（Greenberg 等，1996），并提供了音节级别的时间对齐转写。图 14.3 展示了一个例子。
| 0.470 | 0.640 | 0.720 | 0.900 | 0.953 | 1.279 | 1.410 | 1.630 |
| dh er | k aa | n ax | v ih m | b ix | t w iy n | r ay | n aw |
图14.3 Switchboard 语句 they’re kind of in between right now 的语音转写。注意 they’re 和 of 中的元音弱化、kind 和 right 的韵尾脱落，以及重新音节化现象（of 的 [v] 作为 in 的起始辅音）。时间以秒为单位，表示从句子开始到每个音节起始点的时刻。
Buckeye 语料库（Pitt 等，2007；Pitt 等，2005）是一个针对自然美式英语口语的音标转写语料库，包含来自 40 位说话人的约 30 万词。 其他语言也有类似的语音转写语料库，例如德语的 Kiel 语料库，以及由中国社会科学院转写的普通话语料库（Li 等，2000）。