英语和汉语谁更高效？17大主流语言测试结果：没有优劣之分，带宽都是每秒39bit

晓查 2019-09-06 18:29:37 来源：量子位

晓查发自凹非寺

量子位出品 | 公众号 QbitAI

哪种语言是世界上最高效的语言？这个问题一直争论不休，也难以量化。

首先，不同语种的说话速度差异很大。有研究证明，意大利人语速最快，每秒能说9个音节；而德国人语速最慢，每秒只能说5~6个音节。

那么是否较快的语言就能带来更高的沟通效率呢？

实际并非如此，因为不同语言的编码策略不同，有些语言虽然语速慢，但是每个音节中包含信息量也更大。

来自里昂大学、香港大学等高校的学者们，在研究了17种形态各异的语言后发现，即使语速差异巨大，各种语音的都具有相同的传输速率——每秒39比特。

里昂大学的这篇论文给出了语音转文字时的带宽极限，将会给今后TTS的研究带来启发。为何人脑和计算机处理一个传输速率极慢的信息时差距如此之大，神经科学的研究或许将给未来NLP带来新的思路。

目前这项研究成果发表在《科学》杂志子刊ScienceAdvances上。

语速和信息密度成反比

研究语音的“带宽”，即信息速率，最核心的问题是计算不同语言单音节的信息量。早在1951年，信息论创始人香农就已经开始研究英语书面文字的信息熵问题。

关于不同语言发音信息量对比的研究已经持续数年，里昂大学早在2011年就发表论文，统计了世界上几种主流语言的信息密度和语速，最后将二者相乘算出传输速率。

最近，他们把研究的范围扩展到9个语系17种语言，包括越南语、英语、德语、意大利语、法语、日语、韩语、汉语普通话、粤语等等。

研究人员收集了上述17种语言的170名当地成年人的录音，每个语言都以正常速率阅读一组语义相似的标准化的文本，总共大约24万个音节。如此全面地统计研究17种主流语言的信息密度，这还是第一次。

演讲者通过在录制之前会多次阅读熟悉这些文本，来帮助他们理解内容并最大限度地减少阅读错误。

研究人员发现，日语只有643个音节，每个音节的信息密度约为5比特；英语的音节数量为6949，每个音节的密度为7比特；越南语最为复杂，平均每个音节包含8比特的信息，排在所有语言之首。

经过统计，他们得出结论：信息速率（IR）的平均值为39.15bit/s，标准差为5.10bit/s，音节速率（SR）的平均值为6.63音节/s，标准差为1.15音节/s。

但是音节信息密度越高的语言，其语速也就越慢。

然后，他们对比了17种语言每个音节的信息密度（ID）和音节速率（SR）的关系，二者呈高度的负相关关系，相关系数达-0.89。

大脑限制了语言速率

里昂大学的语言学家François Pellegrino说：“由于语言科学长期关注语法复杂性等问题，这种信息传输速率被忽略了。”

他补充说，这篇论文给出的结论就是：

尽管语言的编码策略差异很大，但在提供信息时，没有哪一种语言比另一种语言更高效。

信息密度更高的语言语速可以再提高语速加快传输吗，为何世界上那么多语言都有着相同的传输速率？

这是因为语音受到了大脑处理瓶颈的限制。最近的一篇神经科学论文提出，在美式英语中人类听觉上限是每秒9个音节。

这也解释了提高语言的速率并不能显著提高传输速率，一般人可以听录音大约只能加速到120%，这是限制语音传输速率的瓶颈所在。

传送门

关于语言信息率的研究：

http://www.ddl.ish-lyon.cnrs.fr/fulltext/pellegrino/Pellegrino_to%20appear_Language.pdf

不同语言具有相似的编码效率：

https://advances.sciencemag.org/content/5/9/eaaw2594