为什么高频词的识别不需要语音的参与呢？其中一个原因可能在于由于高频词的使用频率高，因此它的形与义之间的联结逐渐增强了，能够做到“见形而知义”，因此不需要语音的参与。在语言学中有type（类型）—token（符号）的概念，而在世界上大多数的语言体系中存在这样一个事实，即一小部分词汇类型代表了大多数的被使用的语言符号。例如在英语中，根据Carrolletal.（1971）的语料库的统计显示，大约133个最高频的词占了语料库内50%的语料。这一现象也出现在其他的语言体系内，其中包括中文。虽然汉语中大约有5000个汉字，但是根据《现代汉语频率词典》（1985）的统计，在185万字的语料中出现在245次以上的前1000个高频汉字，累积覆盖率高达约91.2%，这说明高频汉字在在日常生活中的出现频率是很高的，在这个过程中应该可以达到“形—义共振”的现象（visual-semanticresonance）（VanOrden&Goldinger，1994），即形与义的联结已经开始达到了自动化的程度，见到“形”就可以知其“义”。
这种形、音、义逐渐发展起来的相互之间联结的不均衡性，也反映在言语习得的过程中。Backmanetal.（1984）的研究中发现小学四年级的学生中，阅读水平高的学生与成人的反应模式相类似：即都表现出读音规则性与词频的交互作用。而阅读水平低的学生在对高频字做出反应的时候，例外字的错误率仍然高于规则字，这说明被试者在加工高频汉字时仍然依赖语音通路。在中文的研究方面（宋华等，1995）则同样发现从儿童到成人熟练读者的过程中，字音与字形在阅读中的作用存在一个发展转换的阶段：对于初学阅读者，在阅读中主要依靠的是字音，而成人熟练读者主要依靠的是字形。处在同一个年级阶段的被试者，语文能力高的学生与语文能力低的学生相比较对字音的依赖减少，对字形的依赖开始增加。因此可以认为，在阅读中能够达到“见形知义”是成为熟练读者的标志。
然而汉语中，当由形到音的映射速度较快时，语音在高频词的加工中也会起作用。本研究实验2采用声旁与整字读音一致的单字词作为实验材料，结果在高频与低频条件下都得到了语音中介启动效应，并且高频条件下的语音中介启动效应与直接的语义启动效应在统计上无显著差异。这说明即使在高频词的加工中，如果从形到音的计算很快，语音也会对词汇的识别产生影响。
在以往的研究中（例如seidenberg，1985）发现了声旁读音与整字读音的规则性效应与词频存在交互作用：亚词汇水平的读音与整字读音一致时，整字的语音加工得到促进，但是这种促进效应只出现在低频词的加工过程中。这一结论得到了其他研究（e.g.Hue，1992）的支持。但是也有的研究得出了相反的结果，例如舒华、张厚粲（1987）在研究中发现，在高频词的加工中，不一致词的反应时长于一致的词，而在低频词的加工中，二者没有差异。Zhangetal.（1999）认为，研究结果的不一致性可能与声旁与整字的相对频率（relativefrequency）有关，如果声旁与整字的频率差别很大，如声旁的频率远远高于整字的频率，那么声旁的语音加工可能会对整字的语音加工产生较大的影响。本研究的事后分析发现，高频字中声旁的平均频率M=622.4/百万，低频字声旁的平均频率为M=602/百万，而启动字的平均频率在高、低频条件下分别为258.4和10.7。整字与成字声旁在频率上差别较大，622.4vs.258.4，602vs.10.7。这样不论是在高频词的加工中，还是在低频词的加工中，声旁都对整字的加工产生较大的影响，如果声旁读音与整字读音一致的时候，整字的语音信息激活得更快一些，语音对语义的激活速度也会加快，因而得到了较为强壮的语音中介的启动效应。
三关于汉语声调在词汇加工中的作用
本研究在语音中介语义启动任务中考察了声调在词汇认知中的作用，结果发现在较短的SOA上，与语义相关词音段相同、声调不同的语音中介词对目标词的加工有促进效应，而在长的SOA上没有得到这种语音中介语义启动效应。这些结果与以前的研究（e.g.Zhou，2000b）较为一致。这说明尽管声调信息在汉语中有区分意义的作用，但是它匹配到词汇表征上还需要一段时间，声调信息可能在较晚的时间点上对词汇加工产生影响。
造成这一结果的原因可能在于在较短的加工时间内被试者无法对刺激项目的语音表征做出完整而细致的加工，可能会仅仅依靠被激活的音段信息做出反应。另外根据对声调知觉的研究发现，声调本身的一些特性也会影响它的加工速度。例如在汉语中，声调依附于韵母之上，因此在韵母的信息得到完全的加工之前，声调信息不大可能得到激活。CulterandChen（1997）认为，汉语音节内部构成成分的加工顺序应该是辅音、元音，最后才是声调。另外，尽管汉语为母语的被试者能够区分四个不同的声调，但是已有研究（Chuanetal.，1972；见Connie，1997）表明，被试者对二声和三声比对其他的声调更易混淆。Shen和Lin（1991）的进一步研究发现，决定声调的最基本的物理要素——基频（F0，见Howie，1976）在音节中转折点是区分两个声调（例如第二声和第三声、第三声和第四声）的重要线索，这表明区分两个声调需等到一定的信息被积累完成之后才能进行。另外关于“连续变调”的研究发现当两个词在韵律上具有相似性时，其中一个字的声调会发生变化。Connie（1997）发现连续变调可能会导致歧义的发生，例如给音序“mai”分别附上第二声和第三声，它们就可以是“埋”和“买”，当第三声的mai（买）后面再跟另一个第三声音节（比如“马”）的时候，就会产生连续变调，导致第二声成为前一个第三声的表层效果，即“买马”听起来好像是“埋马”。因此在有语境的情况下，由形到声调的映射会受到周围信息的影响：声调读音易发生变化，稳定性小，这也会延误声调的反应时间。总之，以上的因素会直接或者间接地影响到声调信息的提取，使得读者在加工声调的时候比较小心（Speeretal.，1989）。
然而，虽然声调信息被激活得较晚，并不等于说声调信息没有参与词汇的加工。本研究中实验4发现，当SOA延长至400毫秒时，没有得到语音中介效应。这说明在这段时间内，声调信息被充分地激活了，并且成功地抑制住了其他的同音词。CulterandChen（1997）在实验中还发现当声调变得容易区分时（例如第一声和第二声），被试者对目标项目的加工比那些难区分的声调更快一些，判断的准确率也更高一些。这个结果说明作为一种声调语言，声调在汉语词汇的加工中是不能被忽略的，声调信息一旦被激活就会参与到加工过程中来。
四关于汉语词汇加工中存在的交互作用
对人类语言理解与加工机制存在一个模块理论向交互作用理论的发展。早期的模块理论（modulartheory）提出，词汇加工是单向的，从低层到高层的过程，语言理解由按等级组织的词汇的、句法的以及信息水平的加工器来完成，各个层次的语言加工都是自主的，较高水平的过程并不影响较低水平的操作。然而后来更多的研究（Meyer，1971，1975）发现，上层信息（例如语义、句法信息）可以影响低层水平（例如词汇的知觉）的加工。根据McClellandetal.（1981，1986）等人提出的交互作用理论：心理词典的结点（或词汇表征）是按照层次组织的，各个层面的加工是平行进行的，一层面上的激活可以自动扩散到邻近的层面，并且这种激活可能是促进性的，也可能是抑制性的。语言加工中的交互作用理论得到了大量对拼音文字的研究的支持，同时也得到了对中文加工的研究的支持（如谭力海、彭聃龄，1988，1991；Taft、朱晓平，1997）。
在本研究中发现了字形对语音作用的影响，当同音词与语义相关词在字形上没有联系时，得到的语音中介启动效用与直接的语义启动效应有差异，前者显著地小于后者；当同音词与语义相关词不仅同音而且形似时，语音中介启动效应显著地增强了。实验6发现，在语义精确的条件下没有得到语音中介启动效应，而在语义模糊的条件下得到了语音中介启动效应。这些实验的结果表明，语音在词汇识别中的作用受到多种因素的影响，在研究语音的作用机制时，必须要考虑到这些因素。
汉语词汇的加工模式
一汉语词汇的加工模式
根据理论研究和一系列的实验研究，提出一个汉语单音节词的加工模式，如图1。
二汉语词汇加工模式的描述与分析
模型假设：词汇表征包含三个词典，正字法词典、语音词典以及语义词典。这三者在加工过程中有相互作用，相互影响的关系。一种信息的加工会受到其他信息层面的影响，同时也会影响其他信息层面的加工。
在汉语的词汇认知中，语义的通达主要根据字形表征来完成。词汇的识别首先始于基本视觉特征的分析。汉字的基本结构单位是笔画，因此视觉特征的分析主要是对笔画的分析。被觉察到的视觉特征会把激活传递到相对应的正字法单元，当这种激活量超过阈限值的时候，正字法特征就被激活了。然后会传播到相对应的语义词典或者语音词典。由于很多汉语单音节词的形与义之间在使用的过程中建立了较为牢固的联系（图中用粗线来表示），能够做到“见形知义”，因此语义的通达主要根据字形表征就可以完成了。
由字形表征输出的激活也会传递到语音层面上。当语音层面的激活量超过其激活阈限时，语音表征也被激活了。被激活的语音表征是否对语义的通达产生影响，取决于其本身的加工速度以及整个词汇的加工速度。根据汉语的特点，语音的激活比较缓慢，因此语音对语义通达的影响不大，图中用细线来表示。但是如果由正字法表征到语音的激活速度较快的话，那么语音在词义的通达中会产生较大的作用。例如“滤”，其整字水平的语音加工受到了亚词汇水平语音加工的影响，语音激活的速度较快，因而会对词汇的通达产生较大的影响（图中用较粗的线来表示）。
另外语义特征不同的词其加工模式也不相同。根据PerfettiandTan（1998）的观点：语义表征并不是一个整体，它是由若干语义特征组成的。一个汉字的意义越多，它的语义特征也就越多，各个语义特征之间的联结就越复杂。假设语义层面接受到的激活量是一定的，那么语义特征越多，每个语义特征上得到的激活量越少。因此对于包含意义较多，但是又没有主要意义的词（例如语义抽象的词），其每个语义特征上得到的激活量要较小一些；而对于语义特征较少，并且意义比较明确的词（例如语义具体的词），其每个语义特征上得到的激活量要较多一些。因此反映到加工的时间上，前者需要更长的时间。