1.1 语音的认知基础
1.1.1 认知语音
认知语法家认为语言系统本身并非一个独立于其他认知官能的抽象系统，相反，它与其他认知功能具有内在的联系，通过语言的概念化把人们的外在经历和内心感受表征出来。意义存在于人们两种概念化方式之中。第一种是人们与他人交往互动的方式，第二种是人们构建和使用在互动中获得的各种知识的方式。这些知识表征通过意象图式、概念化、百科知识、图式框架等形式储存在人们的记忆中，供人们在需要时激活、提取。而这两种概念化方式的认知基础则来自人的体验认知。赛伦指出：
说认知是体验的，是指它来自身体和外界的互动，并与之持续地交织在一起。根据这一观点，认知依赖于身体带来的各种体验，而身体拥有不可分割地相互联系的特定的知觉和运动能力，并且它们共同组成了孕育推理、记忆、情绪、语言和其他所有心理活动的母体。（Thelen，2000：5）
由此可见，体验认知强调“身体和外界的互动”与“身体带来的各种体验”，而语言的诞生、发展与成熟离不开其产生的社会、文化语境，也离不开身体与外部世界的互动。语言是由三个相互联系、相互依存的层面组成的：实体层面（认知语音层面，如发声器官、书写用的笔墨纸张、电脑），形式层面（词汇语法层面），情景层面（语义层面）。就认知语言学、认知文体学或认知诗学的研究而言，学者们更关注后两个层面——词汇语法层面和语义层面，而较少关注认知语音层面。无论是认知诗学家斯托克韦尔的《认知诗学简介》（2002），还是乔瓦内利和哈里森的新作《文体学中的认知语法》（2018），都未能探讨认知语音，这不能不说是一种遗憾。那么，语音结构是否具有认知属性呢？是否应该纳入认知语言学的研究范围内？
泰勒在《认知语法》（2013）中严肃地指出：“把语音学排除在认知语法的研究范围之外是一种错误，其理由如下：（1）排除语音学，认知语言学不能称为一种综合的语言学理论……（2）更为重要的是，把‘认知’、‘概念’、‘语义’（意义）看成相同的概念是一种错误。语言的语音结构的认知属性不亚于语义结构。语言的语音结构是人们语言能力不可分割的部分，它是一种人们发出语音、感知语音，尤其是对语音进行范畴化，从而形成语音的心理表征的语言能力。”（Taylor，2013：79-80）索恩博罗和韦尔林（2000）也强调了语音的重要性，尤其是诗歌的语音和格律的重要价值，还提出了诗歌分析的语音模式：
有规律的格律。哪些音节带重音？在重读音节之间重读音节数是否相同？一行诗里有几个音步（重读音节）？
尾韵。如果有尾韵，把它们标示出来。可以查阅《诺顿选集》末页、由乔恩·斯塔尔沃森撰写的一篇文章，确定诗歌的格律和尾韵符合哪一种诗歌体裁（民谣、十四行诗、十九行二韵体诗）。
其他一些语音模式，如半谐音（come，love），尾韵（will，all），头韵（me，my），侧押韵（live，love），倒尾韵（with，will），辅音押韵（love，prove）和重复（the sea，the sea）。（Thornborrow & Wareing，2000：46）
索恩博罗和韦尔林从格律、尾韵以及语音模式等方面讨论了语音分析的范围和方法，对研究认知语音具有重要的参考价值。
1.1.2 拟声词
从认知语音的角度来看，英语、汉语中不少元音、辅音、辅音组合、拟声词等，具有明显的音义结合的本质特征。拟声词（onomatopoeia），模拟声音的词，又称为象声词、摹声词、状声词，是所有语言中最典型的音义结合的词汇。它是模拟、表达、暗示自然界中动物、植物、事件等所发出的声音而形成的一种词。在汉语中，通常是把汉字当成“音标”符号来构成拟声词，它和音译词、联绵词在性质上是同类的，汉语中拟声词种类很多，百度百科把拟声词归入四类：①单音节拟声词，如“乒、乓、唰、哗、轰、砰、嘘、嗖、当、叮、吱”；②双音节拟声词，可分为叠词和AB型词，叠词如“啦啦、哗哗、咚咚、隆隆、潺潺、嘘嘘、关关、啾啾、唧唧、喳喳”，AB型词如“喀嚓、滴答、叮当、知了、啪嗒、哗啦、呼噜、噼啪”；③三音节拟声词，可分为AAA、AAB、ABB、ABA几种类型，AAA型词如“嘻嘻嘻、呵呵呵、哈哈哈、嗡嗡嗡、呱呱呱、嘟嘟嘟、咕咕咕、笃笃笃、咚咚咚”；④四音节拟声词，可分为AAAA、AABB、ABAB、ABCD、ABCA、ABBB几种类型，ABCD型词如“呜里哇啦、丁零当啷、叽里呱啦、叽里咕噜”等[1]。英语也同样存在着大量的拟声词。就模拟动物声音而言，典型的例证如：Cats meow/miaow or purr（猫喵喵地叫）、Dogs bark or woof（狗吠）、Snakes hiss（蛇发出咝咝声）、Horses neigh（马嘶）、Lions roar（狮吼）、Cows moo（奶牛发出哞哞声）、Sheepbaa（咩咩叫）。
1.1.3 语音象征
除拟声词外，语音象征（sound symbolism）是另一种表达音义之间关系的语音修辞手段，指的是英语中的某些元音、辅音或辅音组合借助于人的听觉官能产生某种联想意义或象征意义。伊万·福纳吉（Fonagy，1978）认为音素和隐喻联系紧密，如鼻音和软腭元音通常与“黑暗”相联系，前元音与“精美”“高音调”有关，欧洲语言学家认为轻塞音与“微弱”有关，而希腊人认为摩擦音让人想到“未熟的”“多毛的”。阿伯克龙比（Abercrombie，1965）把英语辅音分为不同的维度：硬辅音/软辅音（hardness/softness）、淡薄/响亮（thinness/sonority），并认为它们在不同的语境里会产生不同程度的移情作用。热拉尔·热奈特（Genette）于1976年出版音义学史《模仿学》，他在长达450页的著作里，详细论述了语言相似性在句法学、形态学和语音学中的演化过程。英语里有些辅音组合具有明显的象征意义，如：
[sn]：与鼻音、嗤之以鼻（轻蔑）之意有关，如sniff，snuff（用鼻子使劲吸），sneeze（打喷嚏），snivel（流鼻涕），snicker（窃笑），snooze（打瞌睡），snide（卑鄙的）。
[sl]：表示“滑的”，如slick，sleek，slippery，slithery（滑的），sled，sledge，sleigh（滑雪橇），sloppy，slosh，sloughy，sludgy，slushy（滑的，泥泞的），slope（斜坡），slump（暴跌）。
[-ash]：表示“猛烈碰撞”，如bash（猛击），crash（撞碎），thrash（击打）。
利奇认为，语音和意义之间的联想“不仅是通过耳朵本身，而且还是通过大家共知的移情（empathy）和联觉的微小通道建立起来的”（Leech，2001：100）。泰瑟姆进一步指出，“认知语音学研究涉及把编码和解码思维转换为声音传递的最后阶段的心理过程。它涉及在读者脑海里产生的联想，即当读者听到某个巧妙的语音音素，尽可能将接收到的声波原原本本地解码为说话人最初的思想”（Tatham，1990：209）。由此可见，语言是基于体验性的，认知语音、语音象征也不例外，应引起足够的重视。