一种面向泰语和老挝语的音系全面、仅限ASCII的罗马化方案：系统性跨语言对应与中文用户友好设计

# 面向泰语和老挝语的音位全面、仅限ASCII的罗马化方案：系统化的跨语言对应与中文用户友好设计
来源：https://arxiv.org/html/2609.19736
\setCJKmainfont{NotoSerifCJKsc-Regular.otf}[Path=fonts/, BoldFont=NotoSerifCJKsc-Regular.otf, ItalicFont=NotoSerifCJKsc-Regular.otf, BoldItalicFont=NotoSerifCJKsc-Regular.otf]\setCJKsansfont{NotoSerifCJKsc-Regular.otf}[Path=fonts/, BoldFont=NotoSerifCJKsc-Regular.otf]\setCJKmonofont{NotoSerifCJKsc-Regular.otf}[Path=fonts/]\setCJKfamilyfont{korean}[Path=fonts/]NotoSansCJKkr-Regular.otf Zhang Lee

###### 摘要

本文提出一种音位全面、仅限ASCII的泰语和老挝语罗马化方案，将这两种密切相关语言作为统一的跨语言设计问题处理。该方案表征了音段对立、元音长度和词汇声调，同时保持了“一符号一音位”的透明度以及泰语和老挝语之间的系统性对应。方案优先考虑共时语音对应，包括在适用情况下与拼音和粤拼的对应，同时在不妨碍语音透明度的前提下保留历史音韵对应。声调采用紧凑的单数字默认标注，辅以可选的调值和历史声调类别表示。最终方案为语言学习和跨语言语音处理提供了可读、键盘友好且机器可处理的音位表示。

###### 关键词

罗马化, 泰语, 老挝语, 音位表示, 跨语言语音处理

††地址：1中国香港中文大学（深圳），中国††邮箱：[email protected], [email protected]## 1引言

罗马化广义上指使用拉丁字母表表示原本用非拉丁文字书写的语言。在本文语境中，该术语更具体地指对泰语和老挝语——同属壮侗（克岱）语系西南支的两种密切相关语言——的发音进行系统、音韵忠实的拉丁文字编码。这种表示不仅仅是字形的音译，而是旨在保留与目标语言发音相关的音韵对立的转写，包括音段对立、元音长度和词汇声调。

设计泰老罗马化方案的一个主要动机是其复杂书写系统给非母语学习者带来的困难。对外语泰语的实证研究反复表明，书写系统本身是主要的困难来源。侯[1 (https://arxiv.org/html/2609.19736#bib.bib4)]发现，泰语书写系统的复杂性是中文学习者拼写错误的主要原因，在许多情况下甚至超过了简单的第一语言音韵干扰。埃利奥特[2 (https://arxiv.org/html/2609.19736#bib.bib5)]同样认为，老挝语（并延伸至泰语）中非线性的元音位置、辅音类声调编码以及缺乏规律词间空格等特征，给第一语言书写系统缺乏这些特征的成年学习者造成了特别的解码困难。课堂观察报告称，许多泰语二语学习者最终完全放弃了该文字，将学习局限于口语，这与学习者相对容易掌握更透明的系统（如韩文或假名）[3 (https://arxiv.org/html/2609.19736#bib.bib6)]形成对比。实用的语言学习和旅行资源也一直将泰语和老挝语文字描述为短期访客和自学者快速掌握发音的真正障碍[4 (https://arxiv.org/html/2609.19736#bib.bib7),5 (https://arxiv.org/html/2609.19736#bib.bib8),6 (https://arxiv.org/html/2609.19736#bib.bib9),7 (https://arxiv.org/html/2609.19736#bib.bib10)]。

除促进人类学习外，一个精心设计的泰语和老挝语罗马化方案对计算应用也具有价值。特别是，字素到音素（G2P）转换长期以来被认为是泰语文本到语音（TTS）系统[8 (https://arxiv.org/html/2609.19736#bib.bib11),9 (https://arxiv.org/html/2609.19736#bib.bib12)]的关键前端组件。由于泰语正字法缺乏词边界，通过辅音类、音节类型和变音符的复杂交互来编码声调，并保留许多词源拼写，因此从书写形式到音位表示的准确转换对于高质量合成不可或缺。这样的罗马化方案因此可以直接作为音位层（G2P中的“P”），提供一个机器可读且人类可解释的中间表示。老挝语作为一种公开可用语音数据严重匮乏的低资源语言[10 (https://arxiv.org/html/2609.19736#bib.bib13),9 (https://arxiv.org/html/2609.19736#bib.bib12)]，可能尤其受益于此类表示。原则上，一个保持一致跨语言语音对应的罗马化方案，可以促进从资源相对较好的泰语到老挝语的迁移学习，从而缓解数据稀缺问题[11 (https://arxiv.org/html/2609.19736#bib.bib14),12 (https://arxiv.org/html/2609.19736#bib.bib15)]。人类可读性与计算实用性的结合凸显了精心设计的泰老罗马化方案的实际价值。

本文提出一种新的泰语和老挝语罗马化方案。我们没有将这两种语言视为独立的设计问题，而是将其作为一个统一的跨语言工程任务来处理。该统一方案既考虑了泰老之间的系统性对应，也考虑了与已有的外部罗马化方案（尤其是拼音和粤拼）的语音对应。方案依据以下原则设计：

1. 1.全面的音位表示
2. 2.严格的仅限ASCII字符集
3. 3.通过与拼音和粤拼的语音对应实现中文用户友好设计
4. 4.为提高可读性而采用字母数字设计
5. 5.一符号一音位的透明性
6. 6.泰语和老挝语之间的跨语言语音对应
7. 7.历史音韵对应
8. 8.优先考虑共时语音对应

所提罗马化方案直接映射到泰语和老挝语的音位系统，而非其传统正字法。因此，无法从罗马化形式唯一地恢复出原始的正字法形式。

论文其余部分组织如下。第2节[2 (https://arxiv.org/html/2609.19736#S2)]详细阐述并论证这八个原则。第3节[3 (https://arxiv.org/html/2609.19736#S3)]回顾了现有的泰语和老挝语罗马化方案，并指出了促使本方案设计的局限性。第4节[4 (https://arxiv.org/html/2609.19736#S4)]随后提出了所提议的方案，根据上述原则解释并论证了其具体的符号选择。

## 2设计原则

### 2.1全面的音位表示

第一项原则要求该方案编码泰语和老挝语当前分析中采用的音韵对立，包括音段对立、元音长度和词汇声调。

一个音位不完整的表示在两方面同时失败。对于人类学习者，任何省略的对立（例如，未能区分长元音与短元音，或合并送气与不送气塞音）都去除了从书面形式恢复正确发音所需的信息；学习者被迫依赖外部知识或猜测[13 (https://arxiv.org/html/2609.19736#bib.bib17)]。对于语音技术，同样的省略同样有害。现代泰语TTS流程将准确的音位字符串——包含声调和长度——视为驱动声学模型的基本中间表示[8 (https://arxiv.org/html/2609.19736#bib.bib11),9 (https://arxiv.org/html/2609.19736#bib.bib12)]。当一个罗马化方案系统性地未充分指定音韵时，它就无法再作为G2P转换中可靠的“P”，也无法支持依赖于共享音位库的跨语言迁移[11 (https://arxiv.org/html/2609.19736#bib.bib14)]。

因此，全面的音位覆盖并非可选的优化，而是罗马化方案可供语言学习者和计算系统共同使用的最低条件。

### 2.2严格的仅限ASCII字符集

第二项原则要求方案使用的所有符号都必须来自ASCII字符集。

这一限制源于在人类和机器使用语音转写中长期存在的实际考虑。诸如SAMPA和X-SAMPA等系统被特意设计为国际音标（IPA）的7位ASCII编码，正是因为非ASCII语音符号会带来持续的障碍：它们在普通键盘上难以输入，常常缺乏字体支持，并在纯文本环境、电子邮件和遗留数据库中引入编码错误[13 (https://arxiv.org/html/2609.19736#bib.bib17),14 (https://arxiv.org/html/2609.19736#bib.bib18)]。仅限ASCII的表示避免了这些障碍。它可以在标准键盘上输入，无需专门的输入法，并可以作为普通文本进行排序、搜索、分词和词典查找。

### 2.3与拼音和粤拼的语音对应

中国与泰国和老挝保持着广泛的人民交流。官方统计数据显示，中国游客是两国最大的国际游客群体之一，而仅在2025年前八个月，中国大陆与东盟国家之间的人员流动就超过了2500万人次[15 (https://arxiv.org/html/2609.19736#bib.bib19),16 (https://arxiv.org/html/2609.19736#bib.bib20)]。因此，一个为熟悉拼音或粤拼的用户立即可用的罗马化方案，有望惠及大量的学习者、旅行者和专业人士。

熟悉系统与目标系统之间共享的文字-语音知识有助于先前知识的重用，并加速新系统的掌握[17 (https://arxiv.org/html/2609.19736#bib.bib21)]。拼音是中国官方且最广泛使用的普通话罗马化方案，并已被联合国和国际标准化组织采纳[18 (https://arxiv.org/html/2609.19736#bib.bib22),19 (https://arxiv.org/html/2609.19736#bib.bib23)]。粤拼由香港语言学学会于1993年公布，是目前使用的最权威、最系统设计的粤语罗马化方案之一，粤语是中国南部最具影响力的汉语语言之一[20 (https://arxiv.org/html/2609.19736#bib.bib24),21 (https://arxiv.org/html/2609.19736#bib.bib16)]。

因此，我们将与拼音和粤拼的系统性语音对应视为核心设计原则：在相关语言中具有相似或相同语音实现的音素，应由相似或相同的罗马化符号表示[22 (https://arxiv.org/html/2609.19736#bib.bib70)]。将泰老方案与这两个既有的中文罗马化方案对齐，有助于熟悉拼音或粤拼的用户实现正向迁移，同时保持音韵透明度。

### 2.4为提高可读性而采用字母数字设计

尽管仅限ASCII字符集已经改善了输入便利性和人机交互，但并非每个ASCII字符都同样适合于可读的罗马化方案。某些落在ASCII范围内的标点符号——尤其是?、ˆ和  ̃——曾被用于诸如越南语VIQR等传统转写系统中，以代替变音符[23 (https://arxiv.org/html/2609.19736#bib.bib25)]。然而，这些符号在熟悉的罗马化正字法中并不作为普通的字母符号使用；因此它们的出现会产生视觉上陌生的字符串，阻碍快速阅读和直观识别。

拼音和粤拼都不依赖ASCII标点符号（如?、ˆ或  ̃）作为核心音韵符号。因此，我们将本方案的核心字符集限制为相同的字符：a-z 0-9。大写字母A-Z仅出现在可选的用于编码历史音类或词源来源的多轨声调标注中；该设计是一种辅助便利，而非主要正字法惯例的一部分，稍后将详细描述。

### 2.5一符号一音位的透明性

第五项原则要求每个音位都由一个唯一且无歧义的符号表示。这里，一个符号可以由单个字母、二合字母或更长的多字母组合构成，作为一个单一的字素单元。在粤拼的设计中，这被明确表述为“一个符号对应一个音位”的要求，即符号的发音无需参考其正字法环境即可确定[21 (https://arxiv.org/html/2609.19736#bib.bib16)]。在核心音位表示中，允许同一符号根据上下文代表不同音位，或为同一音位分配不同的符号，都会给人类学习者和计算处理引入不必要的歧义。通过保持严格的一对一映射，我们获得了一个清晰、准确且简洁的表示，且仅从书面形式即可高度预测。

### 2.6泰语和老挝语之间的跨语言语音对应

泰语和老挝语同属壮侗语系西南支，表现出广泛的音韵重叠。特别是，它们的元音系统在音位库和语音实现上几乎完全相同（经典的九元音系统，带有长度对立），韵尾音位库也几乎相同。因此，两种语言中的大部分音素具有本质相同或极其接近的语音值。

因此，第六项原则要求该方案为这些在语音实现上相同或近乎相同的共享或近同音素分配相同（或高度相似）的符号。这种系统性的跨语言对应带来两个实际好处。对于人类学习者，掌握一种语言的符号-语音映射有助于可靠地预测另一种语言。对于计算应用，共享表示理论上可以促进参数共享和从资源相对较高的泰语到低资源老挝语语音处理任务的跨语言迁移[11 (https://arxiv.org/html/2609.19736#bib.bib14),10 (https://arxiv.org/html/2609.19736#bib.bib13)]。

### 2.7历史音韵对应

第七项原则涉及历时的亲缘关系。对于历史上对应的音位，该方案优先选择相同或高度相似的符号[22 (https://arxiv.org/html/2609.19736#bib.bib70)]。结果，泰语和老挝语中的同源词往往获得相同或几乎相同的拼写。

这一设计选择对人类学习者和计算系统都有益处。在学习方面，同源词的拼写相似性使掌握了一种语言罗马化的学习者更容易将知识迁移到另一种语言——这与已充分确立的发现一致，即同源词更容易习得和...