Все традиции так или иначе описывали звуковой строй языка. Однако представления о звуках у разных народов отличались. Очень часто в различных традициях — от античной до китайской — смешивали звуки и письменные знаки; одним термином называли и звуковую, и соответствующую письменную единицу, как в китайском «цзы» и греческом «грамма» (отсюда термин грамматика, вначале означавший «обучение письму»). Разный характер письменностей в той или иной степени обусловил представления соответствующего народа о звуках своего языка.
Нам кажется естественным и единственно возможным то представление, которое отражено в письменности родного языка и закреплено школьным обучением. Первичная единица — звук (или, точнее, фонема). Звуку в общем соответствует буква алфавита. Звуки группируются в слоги. Границы слогов не всегда ясны в отличие от границ звуков. Звуков всего несколько десятков, и их можно сосчитать. Слогов много, а количество слогов, например, в современном русском языке вряд ли может кто-либо точно назвать. Отметим, что в европейской традиции, начиная с античных руководств по стихосложению, выделяется ещё одна единица, именуемая м 6р о и, — промежуточная между звуком и слогом. Слог с простым кратким гласным равен море; если в нём долгий гласный или дифтонг (двойной гласный, вроде английского [oil] в слове hope), в нём две моры. Для русского языка, где нет долгих гласных и дифтонгов, выделение моры мало что даёт, но оно содержательно для латыни или немецкого.
Представление о слоге как о единице, производной по отношению к звуку, вполне годится для русского языка, латыни или санскрита. В этих языках сочетаемость звуков между собой довольно свободна, а структура слога может быть очень сложной. Например, в русском языке вполне нормально сочетание четырёх согласных подряд: встреча, всхлип. Слово может состоять из любого количества слогов и звуков. Поэтому и индийская, и европейская традиции исходят из первичности звука.
Несколько по-иному рассуждают арабы. В арабском языке есть особенность, непривычная для нас. Арабский корень обычно состоит из трёх (изредка двух) согласных, разделённых гласными. Эти гласные изменяют грамматическое значение слова, выполняя ту же роль, что и окончания в русском языке. Таким образом, гласные передают грамматическое, а согласные — лексическое значение слова. Отсюда особенности арабской письменности и арабской традиции. Там тоже исходная единица — звук, но в качестве звуков рассматривают лишь согласные (а также долгие гласные, которые постоянно входят в состав корня), эти звуки обозначают буквами. Краткие гласные, напротив, рассматривают не как отдельные сущности, а как характеристику, присущую слогу или же слову в целом (примерно так же мы воспринимаем ударение). В арабском языке от согласного переходят прямо к слогу, а гласный отдельно не выделяют. На письме краткие гласные не обозначают вообще.
Ещё более непривычен японский подход. Вот, например, рассуждения видного японского учёного Синкити Хасимото, работавшего в 30-х гг. XX в. и знакомого с европейским понятием фонемы. Он утверждал, что слова яма («гора») и мацури («праздник») любой человек легко разделит на «звуки»: я-ма, ма-иу-ри, при этом -ма в яма има- в мацури легко отождествляются. Можно идти дальше и выделить фонемы: й-а-м-а, м-а-ц-у-р-и, но это членение уже трудно провести без специальной подготовки. Для нас эти рассуждения звучат странно, однако для японской традиции они вполне естественны. Первичная звуковая единица в этом языке, строго говоря, соответствует не слогу, а море: скажем, слово хогэн («диалект», о в этом слове долгое) принято членить так хо-о-гэ-н; соответствующим образом это слово и пишется. Японская поэзия, как и древнегреческая, основывалась на счете мор, а не слогов Однако если греки помимо мор выделяли звуки, то японцы не членили моры на части Понятие звука в нашем смысле появилось в Японии лишь после знакомства с европейской лингвистикой и латинским письмом, но и сейчас японцы считают латинскую письменность трудной, поскольку европейцы членят «звуки» на трудно воспринимаемые части Дело в языковой интуиции японцев В японском языке почти нет закрытых слогов и сочетаний согласных, мор ненамного больше, чем фонем Поэтому воспринимаются не единичные звуки, а их устойчивые сочетания — моры
Наконец, в Китае первичной единицей считался целый слог, которому соответствовал иероглиф. Термин «цзы» означал и то и другое Количество слогов, конечно, больше количества фонем, но исчисляется сотнями и еще в древности было подсчитано Для китайского языкового сознания слог особенно важен и потому, что он, за редким исключением, имеет значение Вначале китайская наука вообще не членила слоги, а в VIII—X вв, как уже говорилось, появились фонетические таблицы Здесь слог делился на начальную нерифмующуюся — иници ал ъ, и конечную рифмующуюся —финаль Эти единицы больше сходны с нашими звуками (фонемами), но слог никогда не рассматривался как сочетание инициали с финалью (так могли рассуждать лишь европейцы) Наоборот, слог, объединенный общим тоном, был первичен, а инициаль и финаль, выделявшиеся лишь «разрезанием» иероглифа, считались его частями Но если инициаль обычно равняется одному согласному, то финаль очень часто имеет сложную структуру, например, слог -юань- делится на инициаль й- и финаль -уанъ. Однако вплоть до знакомства с европейской наукой и европейскими письменностями финаль в Китае никак не членили