English Vowels · Diphthong
ɔɪ

双元音 · oi / oy 起点低而偏后,而且一开始就圆唇 —— 这是它与 /aɪ/ /aʊ/ 的起点(都不圆唇)唯一的区别,随后滑向 /ɪ/。常见错法是把 boy 拆成两个音节读,「滑」就断了。

浊音双元音低后起点起点圆唇滑向 /ɪ/
12 条真实语料
163 msɔɪ 平均时长
121–242 ms时长区间
12.2 dB谐噪比均值

三步发出 /ɔɪ/

圆着起步,滑着收尾。

STEP 01

低后起点,唇已经圆了

与 /ɔ/ 的起点几乎一样:舌位低而偏后,双唇收圆。这一条就是它与 /aɪ/ /aʊ/ 的全部分界 —— 那两个起点不圆。

STEP 02

滑向 /ɪ/:唇要展开

后半程舌面前部抬高、唇从圆变展。嘴型要从圆到扁走一遍,这个变化是听感的关键。

STEP 03

自检:一个音节,不能停

读 boy。整个动作应该在大约 200 毫秒内完成,中间不能停顿。如果听起来像「波-伊」两个音节,滑就断了。

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。

ɔɪ articulation diagram
/ɔɪ/起点低而偏后,而且一开始就圆唇 —— 这是它与 /aɪ/ /aʊ/ 的起点(都不圆唇)唯一的区别,随后滑向 /ɪ/。常见错法是把它拆成两个音读(boy 读成 bo-yi),中间那一下停顿就是「滑」断掉了。
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:oi 在词中,oy 在词尾

这是英语拼写里少见的位置规则,而且相当可靠。

oi(词中)读 /ɔɪ/
voicejoinpoint

oi 出现在词中:voice、choice、join、point、coin、noise。这条规则相当可靠。

oy(词尾)读 /ɔɪ/
boytoyenjoy

★ oy 出现在词尾:boy、toy、joy、soy、enjoy、annoy。位置决定拼法 —— 反过来记就对了:英语不用 oi 结尾(除了少数外来词),也不用 oy 居中。

o + 元音少数读 /ɔɪ/
royalloyal

royal /ˈrɔɪəl/、loyal /ˈlɔɪəl/ —— 这两个词里 oy 在词中,是位置规则的一个例外。

这一页有一条罕见的好消息:oi / oy 是英语拼写里最守规矩的一对。词中写 oi,词尾写 oy,几乎不会错。

中文母语者为什么会读错

汉语没有 /ɔɪ/ 这个双元音,最接近的是「奥」+「伊」两个音节。

拆成两个音节

boy → 「波-伊」

boy 读成「波-伊」、voice 读成「沃-伊斯」。这是本页最高频的错 —— 汉语里没有这个双元音,只能拼两个音节。

判据是时长:/ɔɪ/ 整段约 200 毫秒,一个音节。拆开来会明显变长。

起点不圆唇

boy → buy · toy → tie

起点读成 /a/ 或 /ʌ/,整个音就变成了 /aɪ/:boy 听起来像 buy。

区别在图上:/ɔɪ/ 的起点是低后圆唇,/aɪ/ 的起点是低前展唇。两张图并排看,唇形完全不同。

终点不滑,读成 /ɔ/

voice → /vɔs/

只发了前半段:voice 读成 /vɔs/、join 读成 /dʒɔn/。

终点必须是 /ɪ/:唇要从圆变展。只看唇形就能自检。

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

★ 词首组几乎全是 oil 家族(oil / oyster / ointment / oily / oilfield / oilcan / oilseed / oiler / oilskin)—— 这不是偷懒:英语里以 /ɔɪ/ 开头的词本来就极少,除了 oil 一族基本没有常用词。这个词位是真的贫瘠。

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 ɔɪ 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「/ɔɪ/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。