普通话渴望更多的音
我曾经是个不确定的人—— 姜馨贺
记得两岁时
我给自己取了个名字
叫王玉溪
也可能是王煜西
也可能是王裕希
也可能是王遇曦
也可能是别的
现在已经无法确定
因为我当时
还不识字
中文里字有很多，但普通话对应的发音并不多，这给口语表达造成了限制。汉语需要更多的音，来承载更多的词汇，减少口语中的歧义，让普通话在专业场合更精确，在文化上的更有表现力和创造力。
音节怎么就不够多了
从普通话的“基础设施”来看，汉语普通话的音节数量约400个，读音约1300个。这个数量远少于英语中的8000-20000个音节数。一个汉字往往就是一个词素，不像日语中可以重复堆叠日语的一百多个音节。由于1300个音远远不够承载所有词汇，于是汉语普通话大量依靠双音节词组，从而让每一个双音节词在单独念出来的时候依然能保有一定辨识度。
满打满算平方一下，所有读音潜在能提供169万个双音节词，以英语作为参考，英语母语者平均有三万的词汇量，英语中正式和非正式总共约100-120万的词汇，看似双音节词是完全足够的，而且这还没有算上多于两个音节的中文词。
但上述粗略计算存在几点不足，一是在句子中，词语的音调会随着前后词而变化，另外如果两个词声韵母相同，只是音调不同，在对话中仍可能难以区分，比如：时间是宝贵的/实践是宝贵的、做一下思想工作/做以下思想工作。如果无视声调，双音节提供的音节多样性就锐减到了16万。
二是有些音节的组合拗口不好念，比如“矫揉造作”，“国际组织”，所以有些音节组合上词汇较少甚至没有。三是受到方言的影响，尤其是南方的普通话使用者也未必能分清前后鼻音、平翘舌音、还有nl不分等，这都限制了讲者的语音精细度。或者哪怕讲者有意区分，听者可能也难以辨别。
过于拥挤的音节
而从结果上看，最重要的证据就是，普通话中的同音词语远远多于英语等其他主流语言，有些音节比如shi上的常用字太多，使得相关的同音词比较多。即便有上下文，同音或近音词依然能造成口语中的歧义，比如：警探检查了死者的笔迹/笔记。另一个知名例子来自赵元任——“石室诗士施氏，嗜狮，誓食十狮，” 他举这个例子是为了指出用罗马字母书写汉语的困难，上文哪怕加注声调，依然无以理解。
拥挤的音节包括：
势力-市立-示例-事例-视力
行事-形式-形势-刑事 （姓氏、行驶、幸事）
适时-事实、逝世-事事-世事（试试、失事、实施、实时、时事）
有上下文也依然可能混淆意义的例子：
发声是不可剥夺的权利/权力
由王大夫出诊/初诊/触诊
求得未知量x的导数/倒数
警察检查了被害人的笔记/笔迹，发现了疑点
黑老大的女人出浴/出狱时被人刺杀
民粹主义带来观点的极化/激化
字幕大行其道
另一个证据是，无论是电影电视还是长短视频网站，字幕都大行其道，而字幕在英语国家并非常态。以我喜欢的up主为例：小艾大叔的豪宅鉴赏节目，一串串顺口溜颇有文采，但如果没有字幕，不是搞装潢的想必听不太懂。于是……他家节目的字幕，特别大。
作为豪宅的看房视频，理解的难点有二，一是生僻专名：马来漆、西厨、壁龛、暖碟机、大横厅，二是文采：泾渭相会，怡情悦性。同音歧义也很常见：弧面-湖面、石材-实材。Dish-warmer, malay paint 这类的合成词如果用英文念出来，则理解困难相比普通话会小很多，美国人哪怕不熟悉装潢，估计也能听懂个大概。我甚至发现，专名越多的节目，越依赖文字表意，字幕字号也越大越醒目。相比之下，一个播客主播就只能通过补充说明来消除字词歧义，比如“这里说的公私（司）合营是私有的私”，其实比较影响节目的节奏。
专名理解困难，难以应对专业交流
许多双字词的发音撞车。这在日常交流中，可能问题还不算太大。但在进行深入讨论、需要用到更多抽象表达、无法避免专有名词的情况下，普通话口语相比英语，就显现出了劣势。
音不够多，首当其冲的问题是专名在口语中无法识别。想象讲者口述以下字词：（圣经中的）《申命记》/ Book of Deuteronomy。不了解基督教的普通话听众可能以为是“生命记”。你可以反驳说上述概念是西方文化舶来品，但如果你听人朗诵一首不太知名的古诗，那也基本只能猜出一半的词，且无法理解。
xī zài lǎng líng dōng ，xué chán bái méi kōng 。
dà dì le jìng chè ，huí xuán jì lún fēng 。
昔在朗陵东，学禅白眉空。大地了镜彻，回旋寄轮风。
最后，我相信，听不清华语歌词的不只有我一个人，一来歌里可以会用一些少见的新奇的词汇，二来曲调会干扰改变普通话的声调，导致歌词比对话更难听清楚。如果普通话有了更多的音，歌词也会更加容易理解，所以饶舌歌手在歌里加英文未必是纯粹显摆，也是在让歌词更抓耳。
解决办法
如何让汉语口语变得更加好用，听起来更省力？从方向上看，第一种是增加读音，开发那些容易发音，基本符合汉语规律，但未被普通话正式使用的音节。第二是利用现有字词读音，组合出新的词，这也是网络造词的主要形式。另外还有一种下策，就是无视普通话的规则直接强行插入外来词，这样的做法在专业场合比如学术讲演，或者外企员工之间可能作为权宜之计，但无法向更广大的受众推广。而从渠道上看，首先在普通话既有的框架下，创造出一些新的用法和词汇。其次就是允许各种语言、各地方言、以及亚文化圈对普通话施加正面的影响，以吸纳新的音节。
从外语借词
作为一个双语者，我对中英夹杂抱有矛盾的态度，在不少情况下，中文里其实存在对应的表达，此时插入英语是一种偷懒甚至是显摆，这是应当避免的（比如：“我来举一个example”）。但也有许多时候，英语补充了中文里不存在的意义，或者让表达变得更加简单，更加跟得上时代。很多时候，外语在中文句子里已经加以变形，符合普通话发音的一般规律，只是没有对应的汉字而已。
“这个方法很low（水准低，不高大上）”。注意汉语使用者在化用low这个词时，会发第一声lōu ，而不是更接近英语里的第四声。这主要是因为，lōu这个音上几乎没有常用词，而lòu上已经有了“漏“，”陋”等常用词，发在第一声上更容易听明白。
同理，”他是个gay” ，也是利用了一个空闲的音节,而因为gēi和gèi都比较空闲，所以两种读音都存在
留学生说，“我的作业明天要due （截止）”，due这个音在汉diū, 有一个常用词，不算拥挤
P图（photoshop修图），虽然/pī/ 上比较拥挤，但是pī tú 这个双音节还是未被占用的。
在下面的例子中，外语的发音正好落在汉语里意外缺失的音节上，这样通过借词就打破了既有的语音组合法则，通过重新组合普通话里存在的声母韵母，扩展了新的音节空间。
打call /kō/
hold 住 /hō/ 注意hold结尾的d被省略，从而符合中文字尾无辅音的发音规则
他润到美国去了。润的来源是英语的run，意为跑路，可能还带有一点（求）滋润的意义。如果按英语念ruang，就是新的发音，如果按字念润，run的音节上也比较开阔，没有别的常用字。
city 不 city, city的发音离汉语的常规较远，但大致可以念成“思一替”
当然也有很多外来词离中文发音习惯较远，在插入中文时就显得生硬，不容易也不适合推广
“研究一下这个case（案例）” 私以为case是个中英夹杂的反面教材。一来case的发音和汉语规则较远，二来“案例”也不是一个很拥挤的音节，其意义也比较清晰。但话说回来，kēi的音节其实不难发音，听起来也清楚响亮，值得在普通话中多加开发。
门店的收入不能cover（覆盖，承载）成本
未婚夫 fiance /fiāng sèi/，对汉语使用者就有点太难了
借词不是今天才发生的事情，更古早的还有沙发（sofa）、卡通（cartoon）、歇斯底里（hysterical），上海话里的嗲（dear）、混腔势（混chance，投机取巧、蒙混过关之意）。有些品牌为了提高语音上或视觉上的辨识度，会主动采取英语，比如手机OPPO，Vivo（当然也是为了显得洋气）。当然，也有一些中英夹杂的表达，私以为是应当将其汉化的。比如presentation可以称为“讲演”，brainstorming称为“集思广益/开动脑筋/一起出主意”也很好。
字母缩写
汉语中还使用了许多英语缩写，一大原因是拿过来容易，念起来省力。有些英语缩写和中文其实是无缝衔接的。央视曾经要求体育解说员不用NBA这个简称，改叫美国职业男篮。而同样是三个英语字母，为什么“NBA”的说法非常流行，但对于世界卫生组织或者世卫组织，少有人在中文口语中称其“WHO”呢？发音是关键，“恩必诶”的发音本就存在于普通话当中，念起来比“美职篮”还要顺口，但字母W和H不但不符合中文发音，而且念起来拗口。
同理，谈论经济时候大家喜欢说GDP（吉低辟），而不是“国内生产总值”，因为GDP完全符合普通话既有的发音规则。最近几年的流行的“PUA“（精神控制）也一样。CEO这个词则略有不同，因为C (si:)并不是一个普通话读音， 更多人会念成 /xī yī ōu/或者 /sēi yī ōu/ （sēi声母和韵母都各自存在于普通话里），尽管如此，CEO还是比“首席执行官”念起来更加简单经济，但可能没有“总裁”方便。
英语里也有类似的情况，简称受欢迎与否，取决于其增加了多少方便。口语里说到人工智能和机器学习，大家会用AI（很好念）来指代artificial intelligence（难念），但不常用ML（不算很好念）来指代 machine learning（不算难念）。
借用英文字母这事，大家也早就干了很多年了：光碟的A面、B超、C罩杯、O型血、X光、P2P、PPT、PM2.5、手机APP。字典里也收录了其中一些。如果觉着这些英语字母在书面中不美观，不如为这些字母专门造字，将其同化。
吸纳方言
推广普通话带来了巨大的贡献，让十四亿人可以相互理解。不过，所谓的中华文化，微观上是由更具体的地方文化作为肌理，搭建汇聚而成的。在普通话已经得到推广的今天，我们要保护方言，发扬方言 ，因为里面蕴藏着巨大的语言资源。
在普通话里缺失的音节，在方言里可能使用广泛。哇塞 /wà sèi/ 本是闽南话里卧槽的意思，七八十年代在华语区流行开，表达感叹惊讶之意，且并没有完全继承比较粗俗的本意。[卒瓦]cèi在北京话里是（弄）碎的意思。普通话从吴语中引入了个“覅”，多了个本不存在的fiào音，不过并没有流行开来。流行词“rua猫rua狗”中的动词rua存在于四川、贵州、河北等地方言，意思类似于“摸、揉、搓、捏”，但rua的意思更猛烈。此外还有，吧bià唧嘴等等。
北方方言在方言破圈的过程中输出了很多流行词，一定程度上是因为其发音用既有汉字书写较为容易。“冤种”在东北话里原指因为蒙受委屈而闷闷不乐的人，现在在网上泛指冤大头、倒霉鬼。其他的例子还有，有内味了，夺笋（多损）等等。
语音漂移
网络卖萌的用语，其语音漂移的方向也有一定规律，不仅仅是选择了听感“更萌”发声位置。
一点点 → 一丢丢
我的脚→ 我的jio
很可爱的样子 → 很可爱的亚子
上述例子中，词语都是从常用词多的音节，飘移到了常用词少的音节，jio甚至是一个新音节。“亚”发音在口腔前部，和子的发音位置接近，所以念起来更经济更加省力。
外推发音，以创造新音节
普通话有22个声母39个韵母4个声调(根据处理方式不同会有小的偏差)，若用简单连乘可排列出3432种可能的音节，但实际中所使用的不过1300余个，尚且不到可能数值的一半。当然了，三千多种理论音节中的一些较难发音，比如dü，或者zhin，但即便如此还有大量好用的音节被闲置。
口语里，有些词受欢迎，有些词很少用，无非以下原因：念起来朗朗上口、听上去清晰抓耳、含义上言之有物，从而以低成本高效地传递信息。有一个字能说清楚的意思，就懒得去用两个字来表达。人区分相近的内容，总是比辨别相异的内容要更困难。字词越是位于空旷的音节上，听者分辨理解之所消耗的认知资源就越低，口语辨识度就越高，更加抓耳。反过来，若一个新闻编辑说“是时候实事求是了，先在报道时事时试试”，听者试图理解所消耗的认知资源就非常高。
通过借用外语和网络造词，我们其实已经成功地开发了一些闲置音节了，另一方面，其实有些“新”音节本来就存在各地方言里面。除了上文中提到的，另有从英文里引入的例子包括，连接Wifi /wāifài/、我不care你是不是真心/kiè/。care是一个颇受中英双语者喜欢的外来词，kie的发音并不存在于普通话，但声母k和韵母ie是存在的，所以推广到这个音节，学习成本并不高，不仅英语使用者是自然而然，kie也存在于方言当中，比如在吴语沙地话里代表“磕碰”之意。care的意思接近“在乎”，“认为……重要”，但care用一个新音节表达，自然更加清晰利落。我们甚至可以为之创造一个新的汉字“上关下心”。
吸纳以前的汉语求资源
更加激进的一种可能的做法，是去恢复旧时汉语中的一些语言元素。（标准）汉语语音在音变过程中消灭了许多音节，例如**尖团合流。尖团音的区分曾广泛存在于各地口音，**剪刀zian/简单 jian，轻重qing/青草cing。粗略来讲，就是发尖音时，舌尖抵在前齿多一点。中央电视台《走基层百姓心声》中，主持人以普通话对路人提问“您‘幸’福吗？”的句子，各个人都有不同的回答，其中一山西太原的中年人回答道“我‘姓’曾”。普通话如若保留尖团音之分别，幸”是团音（xìng）、“姓”是尖音（sìng），上述歧义便不会出现。
在闽南语中，“姓”的声母仍为尖音s，而“幸”仍为团音h；热剧《繁花》中爷叔一角的口音明显有异于新生代演员，因为演员讲的是分尖团的老派吴语。尖团合流客观上导致一些音节变得拥挤，对于尖团合流，学界不是没有批评之声。再举一个好玩的例子，爵士乐的“爵”在上世纪三十年代上海仍为尖音，读作züe-zi，就比jüe-zi的更加接近jazz的发音了。
无论是尖团音，还是恢复一些以前的辅音，对于今天的普通话使用者都实属困难。尖音团音之间的语音区分度也确实有限，也是其在民国时期被标准国语所忽略不加区分的原因之一。
网络用语与音节空间
网络用语是新词创造的生力军。网络流行词在创造最初都以文本形式存在，但是其能否破圈，在大街小巷流行。除了取决于其表现力，是否抓住了时代脉搏，也取决于发音是否顺畅方便、听起来是否有辨识度。如果一个词只能在贴吧存在而不能挂在嘴边，其生命力注定昙花一现。
容易发现，最火的流行词，往往落位于未被过度开发的音位上。内卷本来是一个发展经济学概念，后来引申为（低效率的）竞争，“卷”在其音节上只有一个常用词。 “润”的音节上只有闰年的闰一个其他的词，也非常宽敞。“甩锅”、“坑爹”、“网红”、“猫奴”当中用到的各个字，即使单独拎出来也很有语音辨识度。
不明觉厉（不明白但是觉得很厉害）、十动然拒（十分感动然后拒绝）、累觉不爱这些词，在构词思路上和英语里流行词 Imao（in my arrogant opinion ，依我高见）是异曲同工的，本质上是通过缩短音节和书写来减少了表达原意的成本。不过这些词都是在刻画一个很具体的情绪，使用场景比较狭窄。
土豪、神器、山寨等都是旧词新用，旧有的意义已经脱离现代生活，赋予了新的意义之后就相当于旧物利用，把空闲的双音节高效地利用了起来。这几个词使用的场景就非常广，可以和许多其他词进行组合，从而大大提升了语言的表现力。
有些流行词突破了普通话的发音规则，增加了中文的音节：
栓Q（thank you）、芭比Q （完蛋了） /kiū/，这些词其实也是在对英语进行改编化用，注意kiū的发音虽然不存在，但其声母韵母都符合普通话，所以大多数人能够念出来“腾讯QQ”。除了倔强的山东人会称其为“秋秋”，并把各英文字母统统改为正统汉语发音（参见《山东车牌歌》）。
我po了一张图 /pōu/ ，po是发布/上传的意思，来自英语post
微信的拼音简称是wx,但很多人喜欢打成vx，这是因为字母v念出来的时候，其元音是接近“微”的，而字母w则差太远了。
biubiu 模拟射击声、duang 模拟锣鼓声
当然也有些不太符合中文规范的例子：
YYDS（永远的神），S不太符合中文发音规则，一般会念成“挨思”
xswl（笑死我了），念起来比“笑死我了”的原文还麻烦，所以只会在打字时候使用
cos /kōs/，（角色扮演的简称），汉语使用者念cos发的音，往往不是英语的/ɒ/ 而是中文里的 ō， 但这个词结尾有s，离中文规范还是比较远了
凭空创造新的字词（及其困难）
英文里字母重新组合即可造词，新词也容易念出来，比如vibe或者vape。 汉语系统比较封闭，表音也不发达，造新字比较困难，加上今天我们现在已经不书写而是打字，既有的编码本并不允许你加新字。成龙说“不要给我duang~（模拟锣鼓声）加很多特效 ”，确实很有意思的表达，可惜没有对应的字表示。好在其实汉字也足够多，如果有新的发音，用既有的字来表示也行，但要得到亿万使用者的接受，成为一种约定俗称并不容易。
口语中要让一个新词广泛传播会很困难。中文词的基础是字，但同音的字太多，所以听到一个陌生的双音节词，听者很难还原出其由哪些字构成，预期到这一点，讲者也会避免说一些听者听不懂的话。有一些专名因为相近音的词太多了而影响到了其口语使用，比如编程中的“实例”（instance）或者“线程”（thread），哪怕程序员也不常挂在嘴边。
脱口秀喜剧通过提供创意，给语言提供了新的养分。谐音是脱口秀的常用技巧，比较中英脱口秀会发现，因为中文同音词多，所以中文脱口秀里的谐音梗占比会更多。比如：我就没见过这么不懂事的董事长——王建国，我平时生活状态只有三种，中杯（悲）、大杯（悲），超大杯（悲） ——鸟鸟
但另一方面，过多的同音也一定程度上遏制了口语的创造力，如果一种说法对于听众的接受预期上是困难的，那么讲者可能不会去用。对于母语观众，中文脱口秀离了字幕，效果要差一些。这倒不是因为讲者吐字不清，而是因为脱口秀中文为了要抖机灵，某种说法往往是新鲜的，表达是前所未闻的，如果听众要花时间反应，在脑子里检索某些发音指的是哪些词，往往就错过笑点。比如，“齐桓公跟脱口秀大王有什么共同点啊，都得靠管仲（观众）“——呼兰
官方可以做什么？
最主要也最简单的点，就是不要以正统为名，反对语言的自然演变就可以了。如果一种创造走偏了（比如火星文），自会有其他使用者反对之，或者很快被失宠遗忘，不需要官方下场。而如果一种创造和演变在语言里生了根，说明人们用嘴投票，认同这种说法或者用法的好处。
口语应该被加以重视，义务教育阶段需要提供更多机会练习口语表达。部分由于长期以来汉字统一但方言林立的现实，我国有书面语强势而口语弱势的传统。相比邮件、短信和写作，口语是交流速度、交互性高、更有人情味的沟通方式，表情手势体态蕴含了额外的信息，当面没说清楚的地方可以立刻提请对方释疑，不同意的地方可以当即反驳对方也可以补充。在消费文化产品的时候，很多人喜欢看视频听音频也不愿意看书，说明前者吸收起来更加省力。在学术界，只会论文写作是远远不够的，在会议和工作坊做讲演、台上台下的语言交流，作为更敏捷的沟通媒介，相应的能力都是需要专门培养的。
如果我们要求更高一些，就像编程语言需要维护升级一样，官方可能也需要维护这门语言，这里的维护不是指固定一个语言不去流变，而是有意识地去吸纳好的进步，为新的可能性腾出空间。比如官方可以在每一个（理论）音节上，都找一个非常用字，专门用来表音。或者像台湾那样，用注音符号表音，马(ㄇㄚˇ, mǎ)，相对于拼音的优点，主要是比拼音更形似汉字，插入文本中更加美观。
除了容纳新的发音以外，类似日语假名，这套系统更利于音译吸纳外来词汇。尤其可以更准确的音译地名和人民。比如魏玛德国依照德语发音应该是“崴wāi玛德国” ，马克龙的发音接近“马旷”。有了注音符号或者专门表音用字之后，就无需因为字义不雅而避开更准确的发音了，比如统计学里常用分布之一Poisson更接近“普哇宋”而非“泊松”。
纯洁性之争
不过骄傲于本国灿烂文化的人们估计会反对，这些人着迷于捍卫汉语纯洁性，往往又对中文毫无贡献。纯洁本身没有用，可能有一些美学价值，但高效传递信息才是语言的第一要务。
流行词和网络用语，和双语者有心无心的混用，有时指出了普通话拓展其疆界的方向。世界变化得很快，语言也要变化才能跟上，发展中文才是为了中文好，才是对母语的爱。不假思索的维持正统之纯洁，不过是缺乏创意者固步自封的借口。
普通话多少有人造的成分，离南方人的母语也有点远，它纯洁不纯洁的，就算不是个伪命题，你也很难说，纯洁性的追求比好用来得更重要？既然也是一种设计，总有可以增进之处。那些自以为是阻止中文生长演进的人，就让他们和他们的干瘪语言一起被淘汰就好。当然，日文中的片假名音译滥用确实有点过了，不用到那个程度。
结语
网上总是争吵那个语言先进，我觉得都是自尊心作祟，退一百步看，单论口语，普通话确实需要一些改进和演变，尤其是需要增加其发音。更多的发音除了能提高口语沟通的效率和专业程度，还有一些别的好处。
首先，对于用拼音输入法的用户，如果普通话发音更多，拼音的拼写组合也更多，那么同拼音的字词选项会更少，每一个词语在打字输入时的辨识度，也和在口语中一样得到了提高。这样一来，不但能够增加打字的速度，还能减少在输入法中选词翻页时对写作思路的干扰。其次，词汇发音多了，长期来看，还可以减少谐音金额歧义所致的尴尬和文化禁忌（四楼/吃点鸡吧/先进性教育）。
什么是对母语的爱？只有为其添砖加瓦，注入鲜活血液！
我的研究主业是经济学，而非语言学，而这篇文章也沿袭了成本收益分析的思路。万一有说的不准确的地方，当然欢迎指正。