English Vowels · Diphthong
aɪ

双元音 · i 起点低而前,比 /æ/ 更低更松,唇展开,然后滑向 /ɪ/。三个双元音的终点都是高的,起点才是它们互相区别的地方。中文母语者最常见的问题是把「滑」省掉,把 my 读成 /ma/。

浊音双元音低前起点展唇常丢失滑动
12 条真实语料
113 msaɪ 平均时长
70–212 ms时长区间
12.4 dB谐噪比均值

三步发出 /aɪ/

先压低下巴,再抬起来。

STEP 01

低而前的起点

下颌明显下降,舌面低而靠前,比 /æ/ 更低更松。把本页剖面与 /æ/ 并排看:/aɪ/ 的舌面还低一档。

STEP 02

滑向 /ɪ/:舌面抬高、开口收窄

这是双元音的定义动作。下巴要跟着抬起来一点,整个音节在一次连续的滑动里完成,中间不能停。

STEP 03

自检:手放在下巴下面

读 my。下巴应该先落下去再抬起来。如果下巴一直不动,你读的是一个单元音 /a/ —— 这正是最常见的错。

发音动作(侧剖面)

只画一个发音人、一个瞬间的舌位与唇形。褐色圆圈是「该看哪儿」,图下的文字说明它和另一个音差在哪里。

aɪ articulation diagram
/aɪ/这是双元音,图上画的是起点:舌位低而前(比 /æ/ 更低更松),唇展开,随后滑向 /ɪ/。三个双元音的终点都是高的,起点才是它们互相区别的地方。中文母语者最常见的问题是把「滑」省掉,把 my 读成单音 /ma/。
图为示意,不是医学图像:比例按发音部位整理过,舌尖与上腭的距离比真实口腔夸张,否则在 340 像素里看不出来。双元音只画起点。

拼写对应:i、y、igh 三条路

i 在开音节或后接辅音 + e 时读 /aɪ/;y 在词尾读 /aɪ/;igh 全族都是它。

i + 辅音 + e读 /aɪ/
timelikedrive

词尾的 e 不发音,前面的 i 读 /aɪ/。这条规则覆盖面最大,但例外也不少(give /ɡɪv/、live /lɪv/)。

y(词尾)读 /aɪ/
mytrysky

★ 单音节词的词尾 y 读 /aɪ/(my / try / why / sky),而多音节词的词尾 y 读 /i/(happy / city)。同一位置,两个音,判据是音节数。

igh读 /aɪ/
nighthighright

igh 里的 gh 完全不发音,igh 整体读 /aɪ/。这一条很稳定 —— 与 laugh 里读 /f/ 的 gh 正相反。

i(闭音节例外)可能读 /aɪ/
findkindmild

i + nd / ld 常读 /aɪ/:find、kind、mind、behind、mild、wild。只能按词记。

这一页最有用的一条是 y 的位置规则:单音节词尾 y = /aɪ/(my),多音节词尾 y = /i/(happy)。而 igh 是最省事的:看到就是 /aɪ/,没有例外。

中文母语者为什么会读错

拼音的 ai(爱)是一个滑动很短的双元音,而英语 /aɪ/ 的滑动幅度大得多。

丢掉滑动,读成单元音

my → /ma/ · time → /tam/

my 读成 /ma/、time 读成 /tam/。这是本页最高频的错,也是中文口音最容易被听出来的一处。

判据在下巴:读 my 时下颌必须先落后抬。如果下巴不动,就没有滑动。

起点太高,读成 /eɪ/

time → /teɪm/ · like → /leɪk/

把 time 读成 /teɪm/、like 读成 /leɪk/。起点抬到了中前位置,与 /eɪ/ 重合。

对照本页剖面与 /eɪ/ 页的剖面:两张的舌面高度差得很明显。/aɪ/ 的起点低到几乎与 /æ/ 同高。

词尾 y 一律读 /aɪ/

happy → /ˈhæpaɪ/

学到 my / try / sky 之后,把 happy 读成 /ˈhæpaɪ/、city 读成 /ˈsɪtaɪ/。

规则是音节数:单音节词尾 y 读 /aɪ/,多音节词尾 y 读 /i/。

词表

按目标音在词里的位置分组,共 27 个词,点词即听。这些词是单独录的,不是从上面那些句子里切出来的 —— 切出来的词带着前后邻音,听起来永远比孤立词含糊。同一组用同一个发音人,所以听到的差别来自位置,不是嗓门。

词首9

词中9

词尾9

三组各九个词。词首组(eye / ice / iron / item / idea / island / ivory / idle / ivy)都是 /aɪ/ 开头 —— 这个位置词不多,但没有一个靠拼写猜得出来。

语料与声学测量

点击句中的任意单词可从该词开始播放;波形上方的浅黄区域是目标词的实测边界。

逐条数据

下表所有数值均由音频直接测量得出,非人工标注。

语料口音性别目标词 词长 aɪ 时长 基频 音高幅度 谐噪比

数据是怎么来的

这一节说明每个数字的计算方式,便于复核。

语料:12 条英文句子,由语音合成引擎按 4 个美音音色(两男两女)生成,每句含一个目标词,覆盖词首、词中、词尾三种位置。音频统一转为 22.05kHz 单声道 64kbps,每段截取目标词前 1.2 秒至后 1.5 秒。

词边界:取自合成引擎输出的词级时间戳(WordBoundary),并针对引擎时间轴与音频起始之间的固定偏移做了校正(逐条单独估计)。目标词在波形上以浅黄色区域标出。

音素边界:用 MMS_FA 声学模型做强制对齐得到的实测边界。做法是保留该句每个字符的对齐帧区间,用动态规划把字符序列映射到音素序列(th→θ、ng→ŋ、ck→k 这类多字一音),音素边界落在字界之间的过渡中央,词内覆盖率为 100%。时间精度是模型帧长 20 毫秒;音素边界取相邻字界的中点,所以实际分辨率约 10 毫秒。

基频:用 Praat 的自相关算法(to_pitch)逐帧计算,帧移 10 毫秒,搜索范围按整句估出的说话人音域自适应收缩,并剔除倍频误判。表中「音高幅度」是词内基频最大值减最小值。

这一页为什么没有配对差值:这是一张单音页。本站另有 8 页是「对立页」(θ/ð、l/r/n、长短元音),那些页靠同一发音人的成对词测出差值;单音页不做这个比较 —— 硬凑一对量到的是它与另一个音的差,那属于另一页的内容。单音页给的是「这个词里的音实际有多长、多响」。

关于本页的定位:这一页回答「/aɪ/怎么发、它在词里的三个位置各是什么样」。它不是发音词典的抄录 —— 词典只给音标,给不了孤立词与连续语流里的差别,那只能测。