学外语时，我们最头疼的永远是"那个音"——俄语的大舌音、法语的小舌音、德语的喉部摩擦音。可你有没有想过一个反向问题：人类嘴巴明明能发出成千上万种声音，为什么全世界七千多种语言，只"挑"了那一小撮音来用？更刺眼的是，有些音我们的声带完全能制造，却没有任何一种语言愿意把它收编为正式的"字母"？
Tom Scott 的这支八百多万播放的短片，把镜头对准了语言学家那本像"元素周期表"一样的国际音标表（IPA），然后甩出一个反直觉的命题：人类能发的声音远比语言用到的多，而 IPA 上每一个空格、每一个被冷落的符号，背后都藏着一条关于"为什么人脑偏爱某些音"的硬规律。 这不是猎奇冷知识，它直击语言最底层的经济学——语言是一种吝啬到极致的系统，它会本能地淘汰一切"性价比低"的音。看懂这一点，你就看懂了为什么有些音全世界通用、有些音几乎没人用。
| 项目 | 内容 |
|---|---|
| 视频标题 | The Language Sounds That Could Exist, But Don't |
| 频道 | Tom Scott |
| 发布 | 2019 年 10 月 |
| 时长 | 约 13 分钟 |
| 播放量 | 810 万+ |
| 核心主题 | 为什么有些生理上可行的语音，没有任何自然语言采用 |
视频的开场白很巧妙——Tom Scott 抛出国际音标表（International Phonetic Alphabet，IPA）。这是 19 世纪末语言学家打造的一套统一记音系统，目的只有一个：用一套符号，记录地球上任何一种语言里出现的任何语音。它的设计逻辑跟化学家门捷列夫的元素周期表惊人相似：辅音按发音部位（双唇、齿龈、软腭……）和发音方法（塞音、擦音、鼻音……）排成一张网格，元音按舌位高低前后摆成一张梯形。
但这张表真正震撼的地方在于它透露的元信息：人类七千多种语言，用到的全部音位，居然塞得进这一张 A4 纸。 这说明语言在"选音"这件事上收敛得极其厉害。化学元素有 118 种还不断在合成新成员，而语音的基础库存却像一个早被冻结的菜单。视频正是从"这张表为什么这么小"切入，把读者引向真正的谜题。> 这一点是我的延伸：IPA 表的"满"恰恰反衬出选择面的"窄"，它不是穷尽，而是一份被筛选过的清单。
Tom Scott 的核心论证从这里开始——IPA 只收录了"被实际使用"的音，但人类的声道（vocal tract）是一台灵活得多的机器。舌头的形状、嘴唇的圆展、软腭的开合、声带的松紧、气流的走向……这些变量两两组合，理论上能生成数以千计的音。打个比方，你的嘴能发出"噗噗""嘟嘟""咔咔"这类拟声，能学马打响鼻、学鸭子叫、能像婴儿一样嘬嘴唇，但这些声音几乎没有一个被任何语言当成正经的"词素"。
于是视频抛出了那个迷人的问题：存不存在一种"人类完全能发、却没有任何语言使用"的音？ 答案是肯定的。这听起来像个冷知识，但它背后是一个真正的语言学硬核问题——是什么力量，让全人类在漫长的演化中，集体避开了某些生理上毫无障碍的音？
这是全片最核心的理论支点，也是我重点补充的部分。语言学里有个概念叫 标记性（markedness）：一个音越"普通"、越容易被习得和听辨，它就越"无标记"（unmarked）；反之越复杂、越罕见，就越"有标记"（marked）。语言在演化中天然倾向于选择"无标记"的音，淘汰"有标记"的音。为什么？因为语言本质上是两个人之间最低成本传递信息的协议，任何增加发音难度或听辨难度的音，都会拉高这个协议的"通信成本"，最终被集体无声地淘汰。
这条标尺有多准？看一组事实就够了：全世界几乎所有语言都有 /p/ /t/ /k/ /m/ /n/ /a/ /i/ /u/ 这几个"祖传基础款"；而挤喉音（ejective，如 /pʼ/）、内破音（implosive）、吸气音（click）这类"高配款"，只在少数语言里出现。这不是巧合，这是几万年人脑与人嘴博弈后留下的最优解。 > 视频借 IPA 的空格引出标记性，而标记性才是真正的解释力所在——它把"哪些音不存在"从神秘现象降维成一个可计算的偏好问题。
Tom Scott 在片中最具传播力的例子，是一种叫双唇颤音（bilabial trill，IPA 符号 [ʙ]）的声音。它就是双唇放松后让气流冲过、嘴唇"嘟噜嘟噜"颤动发出的声音——你模仿马打响鼻、或者婴儿玩嘴时做的那个动作。任何一个人，三秒内就能学会发它。 但作为正式音位，全世界已知语言里只有极少数把它纳入：巴布亚新几内亚的 Kele 语（如 mɾun，原意"你倒着睡"）、瓦努阿图的 Malo 语、印尼的 Wemale 语等寥寥几种，且往往只出现在个别词里。
这个例子的杀伤力在于它把"难易"假设彻底击穿——[ʙ] 并不难发，婴儿都会，可它就是没被语言选中。这说明"罕见"不等于"难发"。 那为什么它仍被冷落？答案藏在下一步：听辨成本。[ʙ] 在嘈杂环境里极易和 /b/、/p/、/w/ 混淆，它的"信号清晰度"太低，不足以稳定承载词义。一个音要被语言征用，光"好发"远远不够。
这是我提炼出的、贯穿全片的隐形逻辑——一个音被语言选中的充分条件是"产出成本"与"感知成本"同时够低。发音成本指你的嘴要付出多少精确控制；感知成本指听话人的耳朵要付出多少解码努力。两条线只要有一条拉高，这个音的命运基本就定了：要么消失，要么沦为边缘音位。
举两个对照：塞音 /t/ 几乎不挑嘴也不挑耳，所以全球通吃；而齿间擦音 /θ/（英语 think 的 th）发音不难但听感模糊（容易被当成 /s/ 或 /f/），所以它在全球语言里相当罕见，只活在不多的几种语言里。语言像一台冷酷的质检机器，同时卡住了"说得省力"和"听得明白"两道关的音，才配留在货架上。这道双门槛，是理解整支视频的钥匙。
视频借 IPA 的稀有空格，暗示了一条"罕见度光谱"。沿着这条光谱，能看到语音从常见到灭绝的完整梯度：
这条光谱的意义在于，它告诉我们"能不能发"和"用不用它"是两套完全独立的判据。前者看生理硬件，后者看社会共识与认知经济。语言的演化不是在拼谁的嘴更灵活，而是在拼谁的协议更省电。
这部分是我的延伸分析，视频未展开，但它是支撑整条逻辑的底层原理。
语言学里有个假设叫 等复杂性（equicomplexity）——没有哪种语言整体上更"原始"或更"复杂"，每种语言都会用各自的资源把表达力补齐。但等复杂性绝不意味着每种语言都"平均用力"。恰恰相反，语言在功能负载（functional load）的指挥下极度精打细算：一个音位只在它能真正区分词义时才有存在价值，否则就会被合并掉。英语历史上 /f/ 和 /v/、/s/ 和 /z/ 才慢慢分家，正是因为区分它们的功能负载越来越高。
这条原理反过来说明：那些被淘汰的"可能存在的音"，往往是因为它们能干的活，已有更廉价的音替它们干了。语言从不养闲音。这种"经济性优先"的设计，和我在工程领域见过的协议设计、数据库索引、5G 标准里的精简取舍如出一辙——任何高效的系统，都懂得做减法。
把上面七点串起来，Tom Scott 这支短片的真正价值才浮现：它表面上在讲"奇怪的声音"，骨子里在讲语言作为人脑与人嘴的协作产物，被演化反复打磨后呈现出的强收敛性。我们之所以能在 /p t k/ 之外找到那么多"空格"，不是因为人类想象力贫乏，而是因为几万年的口语交际，已经替全人类把性价比最高的那批音筛选了一遍又一遍。
这解释了一个跨语言的奇观：尽管各语言互不相通、互不来往，它们在"选音"上却高度趋同。这不是偶然，是同一套生理硬件 + 同一套认知经济规则反复求解同一个最优问题得到的相近答案。看懂这一点，你就理解了为什么无论学哪门外语，你都会反复撞见那几个"眼熟"的音——它们本来就是全人类共同的语音最大公约数。
flowchart TD
A[核心追问<br/>人类能发的音 远多于 语言用的音] --> B{一个音能否进入语言?}
B --> C[第一道关: 产出成本<br/>发音是否省力、可控]
B --> D[第二道关: 感知成本<br/>听辨是否清晰、不易混淆]
C --> E{双门槛评估}
D --> E
E -->|两关都过| F[无标记音 通用档<br/>p t k a i u 全球通吃]
E -->|一关勉强| G[有标记音 边缘档<br/>挤喉音 内破音 少数语言]
E -->|双关难全| H[极罕见音 灭绝档<br/>双唇颤音 ʙ 仅个位语言]
F --> I[底层原理: 标记性 markedness<br/>+ 功能负载 functional load]
G --> I
H --> I
I --> J[结论: 语言是吝啬系统<br/>演化反复筛选性价比最高的音]
J --> K[全人类选音高度趋同<br/>同一硬件+同一经济规则]
对外语学习者：这篇解读给了一个能立刻省力的认知升级——不要平均分配你的发音练习时间。一门外语里真正折磨你的音，永远是那些"有标记"的、你母语里没有的音；而那些基础款，你几乎不用练就能拿高分。所以训练策略应该是：把 80% 的发音精力，集中砸在目标语言里少数几个"你的母语没有、且最易混淆"的音上（比如英语母语者学法语的 /y/、学俄语的颤音 /r/），而不是对着全表逐个死磕。理解了标记性，你就知道哪些音值得为它"付学费"。
对语言教师与课程设计者：这给了发音教学一个清晰的优先级排序——按"无标记→有标记"的顺序教音。先夯实全世界通用的基础音位，再逐步引入有标记音，能显著降低学习者的挫败感。这和认知负荷理论强调的"由易到难、由通用到特殊"完全吻合。
对技术从业者（这是我作为通信/系统背景的延伸）：语言对音位的"减法设计"，和我们在协议设计、编码方案、系统架构里做的事本质相同。5G 物理层的调制符号集、字符编码的取舍、API 接口的精简，都是同一套"功能负载 + 经济性优先"逻辑的工程化身。 一个设计优良的系统，懂得用最少的符号承载最稳的语义；语言用几万年验证了这件事，工程界只需抄作业。
对认知升级：最大的收获是一种"反猎奇"的世界观——世界上看似偶然、怪异的空白（某个音为什么没人用），背后往往有冷峻的经济算计在驱动。一旦你学会用"成本-收益"的眼光看语言的空白，你看很多社会现象、技术选型、甚至产品设计，都会多出一个犀利的解释维度。
人类能发的音有成千上万种，但语言只留下了同时"好发又好听"的那一小撮——语言的演化，本质上是一场几万年的减法。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。