Fonologia

„Zamenhof był okulistą – może dlatego jego język ładnie wygląda, ale źle brzmi”.

— autor nieznany

Wstęp

Dla niektórych fonologia może być problemem nieistotnym lub mało zauważalnym. To może być spowodowane tym, że ciągle wiele kursów języków obcych nie omawia jej w pełni rzeczowo, tzn. wprowadając IPA, pojęcie fonemu i klasyfikację głosek. Często ludzie uczący się mówionych języków obcych długo, nawet całe lata, nie mają kontaktu z native speakerem, który reagowałby na błędy fonologiczne dużo mniej przyjaźnie niż nauczyciel-rodak, nierzadko sam słabo używający fonologii. Ludzie zwykle nie potrzebują fonologicznej teorii, żeby wzorowo posługiwać się językiem ojczystym (zwłaszcza jeśli jest nim język migowy). Mimo to ta teoria jest często potrzebna, żeby dobrze posługiwać się językiem obcym.

Fonologia języków wschodnioeuropejskich, połączona z fonologiczną niewiedzą ich użytkowników, może prowadzić do przeceniania esperanta w Europie Wschodniej. Polacy, Rosjanie, Węgrzy itd. stosunkowo późno napotykają trudności w wymówieniu tego języka. W dodatku mogą często nie wiedzieć, że inne ludy – nawet w Europie – mogą mieć problemy fonetyczne z esperantem. Jeśli wiedzą, to może im być trudno okreslić, co konkretnie jest przeszkodą. W Europie Wschodniej przez cały XX w. najczęściej nauczanymi językami obcymi były głównie niemiecki i rosyjski. To mogło zamykać temu regionowi okno na resztę Europy, gdzie problemy fonetyczne z esperanto były i są znacznie większe niż w Niemczech i Rosji.

Niektóre cechy fonologiczne esperanta mogą się brać ze zwykłej niewiedzy lub naiwności Zamenhofa; np. ze wschodnioeuropejskiej wymowy łaciny. Taki wariant jest prawdopodobnie bardziej skomplikowany niż łacina oryginalna, a przez to – znacznie trudniejszy od języków romańskich, które z niej wyewoluowały. Inny przykład prawdopodobnej niewiedzy Zamenhofa to przekonanie, że litera ⟨w⟩ w języku polskim i niemieckim jest jednoznaczna – mimo że w praktyce oprócz brzmienia /v/ ma też brzmienie /f/, w sąsiedztwie niektórych liter. Być może przez to Zamenhof wcisnął do esperanta zbitki spógłoskowe typu /kv, /sv/ i /ʃv/ – nieobecne nawet w języku polskim, niemieckim i w wymowie wielu, jeśli nie większości esperantystów.

pula fonemów

System pięciu pojedynczych samogłosek eo jest chyba obiektywnie prostszy niż potężne systemy samogłosek w angielskim, niemieckim czy francuskim – gdzie samogłosek jest po kilkanaście – czy nawet system samogłosek polskich, których jest osiem. Pięć samogłosek było akurat dobrą decyzją Zamenhofa i poprawą względem języka volapük. Tę decyzję zachowano w późniejszych projektach języków konstruowanych (ido, interlingua, elefen itp.), nawet tych nakierowanych na minimalizm (jak toki pona). Języków z mniejszą liczbą samogłosek (4 lub 3) jest stosunkowo mało i nie są zbyt popularne – na szybko nie mogę znaleźć najpopularniejszego z nich; może marokański arabski.

Ta decyzja nie była jednak zbyt trudna. U Zamenhofa mogła być dyktowana nie wiedzą z fonologii porównawczej, ale dość prostym oparciem fonologii na alfabecie łacińskim. To we współczesnym językotwórstwie jest raczej błędem – to pismo jest opierane na fonologii, od której się zaczyna cały projekt języka. Tak więc Zamenhofa można tu nazwać szczęściarzem, podobnie jak Kolumba. Poza tym 5 samogłosek esperanta nie jest w niczym prostszych od 5 samogłosek w hiszpańskim czy nawet rosyjskim.

System sześciu dyftongów esperanta jest już dużo gorszy.

Za to spółgłoski esperanta są tragiczne, nawet gorsze niż w języku volapük. Największe błędy to m.in.:

• Rozróżnienie /x/ i /h/ (litery ⟨ĥ⟩ i ⟨h⟩). Esperantyści się z niego wycofują, np. przez zmiany ⟨Ĥinio⟩ → ⟨Ĉinio⟩, ⟨ĥoro⟩ → ⟨koruso⟩, ⟨ĥemio⟩ → ⟨kemio⟩. Mimo to nie wycofują się do końca, bo próbują unikać homonimii. Stąd np. rozróżnienie ⟨Ĉeĥo⟩ i ⟨ĉeko⟩; inna sprawa, że homonimia esperanta jest nagminna w wyrazach złożonych. Rozróżnienie /x/ i /h/ występuje chyba w niemieckim i, w czasach Zamenhofa, było również w polskim (w niektórych odmianach), ale zanikło – zostając tylko w ortografii przez homofony ⟨ch⟩ i ⟨h⟩. Nic dziwnego, że późniejsze projekty języków pomocniczych nie miały tego rozróżnienia.

• Aż cztery spółgłoski (lub zbitki) zwarto-szczelinowe: /ts/, /dz/, /tʃ/ i /dʒ/. Francuski nie ma ich wcale, choć podobno frankofoni radzą sobie z /tʃ/. Hiszpański ma tylko /tʃ/. Niemiecki nie ma /dʒ/. Włoski ma wszystkie cztery, choć używa /ts/ w sposób zupełnie inny niż esperanto czy polska wymowa łaciny. Przez to imitacja języków romańskich nie wymaga /ts/. Nie wymaga też /dʒ/.

•

Niestety nie znam środowiska esperantystów na tyle, żeby podać dużo przykładów Azjatów skarżących się na fonologię tego języka. Mogą być mało dostępne, bo ludzie z takimi trudnościami mogli porzucać naukę eo i ich skargi mogą nie być dostępne w eo (tylko np. w ich językach ojczystych). Tutaj przykład Japończyka skarżącego się na trudności z eo. Słyszałem też, że np. publikacje esperantystów anglojęzycznych poświęcały sporo uwagi wymowie niektórych dyftongów i zbitek. Nawet polskie opracowania opisują czasem spółgłoski /x/ i /h/ za pomocą tzw. taoistycznej fonetyki – desperackich, metaforycznych, paradoksalnych i często sprzecznych opisów nie mających wiele wspólnego z fonetyką, często mieszających fonologię z ortografią; np. „jak es ale nie jak es”; „twarde igrek“, „er gardłowe”.

fonotaktyka

Struktura sylaby

Nagłos

Esperanto, podobnie jak wiele języków europejskich, zawiera nagłosy złożone – składające się ze zbitek spółgłoskowych. To czyni esperanto niekompatybilnym z wieloma popularnymi językami świata i trudnym dla ich rodzimych użytkowników. Maksymalnie jedną spółgłoskę w nagłosie mają m.in. arabski, turecki, fiński i węgierski. To prowadzi np. do deformacji znanych internacjonalizmów jak nazwy krajów, prowadząc do ich nierozpoznawalności – po fińsku „Francja” to ⟨Ranske⟩.

Fonotaktyka to przykład elementu języka, w którym zrozumiałość jest nie do pogodzenia z uniwersalną łatwością nauki. Twórcy języka interlingua wybrali zrozumiałość, a wraz z nią takie stricte europejskie nagłosy jak /str/ (por. „struktura”). Przez to interlingwiści nie mają zwykle ambicji GLF, a jedynie lingua franca paneuropejskiego lub panromańskiego. Za to autorka toki pony wybrała uniwersalną łatwość, która byłaby pożądana w języku globalnym, choć TP służy do innego celu. Niestety niektórzy esperantyści zaklinają rzeczywistość i ignorują sprzeczności – mówiąc o prostym języku dla całego świata, a jednocześnie chwaląc się jego rozpoznawalnością i przydatnością w nauce innych języków. To błąd potrójny – nie dość, że te dwie cechy są ze sobą sprzeczne, to w przypadku esperanta obie są, w wielu wypadkach, fałszywe. Przykładami kompromisu tych cech mogą być np. novial czy glosa.

W esperanto nagłos ma maksymalnie 3 spółgłoski. To czyni ten język potencjalnie prostszym fonetycznie od polskiego – gdzie zdarzają się zbitki 4 spółgłosek, np. w słowie ⟨trzpień⟩ (/tʃpj/!). Mimo to niektóre nagłosy esperanta są naprawdę osobliwe i trudne, nawet dla Polaka. Poniżej przykłady najgorszych.

pojedyncza spógłoska zwarto-szczelinowa: /ts tʃ dʒ/, pisane przez ⟨c ĉ ĝ⟩: ⟨celo⟩, ⟨ĉaro⟩, ⟨ĝoja⟩; na szczęście zbitka /dz/, którą można traktować jako pojedyczną spółgłoskę, nie występuje w nagłosach – chyba że przy pewnych podziałach na sylaby; por. ⟨edzo⟩.
/sm/,
/sn/,
/sk/,
/sf/,
/sv/, to może być przykład ochrony podobieństwa graficznego i jednoznaczności liter, za cenę podobieństwa fonetycznego i łatwości wymowy. W oryginale niemieckim nie ma takiej zbitki. Obstruenty (spółgłoski zwarte, szczelinowe i zwarto-szczelinowe) cechuje to, że mogą być i dźwięczne, i bezdźwięczne. Łączenie różnych dźwięczności jest niespotykane, czy raczej: jest spotykane tylko w ortografii; polskie ⟨wtorek⟩ to /ftorek/.
/sl/,
/ʃm/, znane z niemieckiego: ⟨⟩
/ʃn/, jak wyżej:
/ʃp/,
/ʃt/
/ʃv/ –
/ʃl/,
/ʃr/,
/xr/
/fj/,
/ft/,
/kn/,
/ps/,
/gv/, np. ⟨gvidi⟩.
/sts/, osławione ⟨scii⟩; ten nagłos zawiera w pewnym sensie 3 spółgłoski lub „dwie i pół”, bo jedna z nich jest zwarto-szczelinowa. Na szczęście to jeden z nielicznych przykładów tego typu.

Miłym przypadkiem nie ma nagłosu /ʃk/ – mimo że jest /sk/. Dla innych zbitek z /s/ występują ich odpowiedniki z /ʃ/, np. /sm/–/ʃm/ itd. Tutaj jest szczytny wyjątek. Na szczęście zabrakło też /pf/, które jest bardzo rzadkie. Można powiedzieć, że „mało brakowało” – Zamenhof nieostrożnie czerpał słownictwo z niemieckiego, gdzie ta zbitka jest częsta. Być może gdyby pan Esperanto miał inny humor, to zamiast romańskiego ⟨ĉevalo⟩ (koń) byłoby germańskie, stricte niemieckie ⟨pferdo⟩.

Być może w toku ewolucji esperanta ktoś zaproponuje słowa z tymi nieobecnymi zbitkami. Tego typu problemy nie pojawiają się w językach, gdzie fonotaktyka jest określona z góry. Np. toki pona ma tu ścisłe reguły i nawet wskazówki, jak adaptować nazwy własne do jej fonologii.

Ostra jazda zaczyna się przy nagłosach ściśle trzyelementowych:

/spr/,
/skr/,
/spl/,
/skl/
/ʃpr/,
/ʃtr/,
/skv/ – kolejny przykład mieszania obstruentów o różnej dźwięczności. Tutaj Zamenhof mógł znowu chcieć zachować podobieństwo do oryginału z łaciny i z wielu języków, mianowicie ⟨squ⟩, a jednocześnie trzymał się kurczowo ortografii jednoznacznej, nie dopuszczającej nawet asymilacji (upodobnienia cech fonetycznych).

W praktyce esperantyści, przynajmniej niektórzy, pewnie wymawiają esperanto niepoprawnie (!), tzn. niezgodnie z fundamentem i z podręcznikami – asymilując spółgłoski i czytając ⟨ŝv⟩ jako /ʃf/. To nie powinno prowadzić do nieporozumień, bo w takich sytuacjach nie ma par minimalnych /f/–/v/; formalnie nie ma nagłosu /ʃf/, a zapis ⟨ŝf⟩ nie pojawia się nigdy na początku sylaby. Ta rozbieżność mowy z pismem, konieczna dla wygodnego mówienia, nie wpływa nigdy na znaczenie słów, ale wprowadza za to praktyczną wieloznaczność liter. Np. ⟨v⟩ teoretycznie czyta się zawsze jako /v/, ale w praktyce, np. w niektórych nagłosach, również jako /f/. Piewcy esperanta powinni być szczerzy i autentyczni – albo przyznają, że ortografia tego języka ma wieloznaczne litery, albo przyznają, że większość nie wymawia tego języka poprawnie. Niestety esperantyści za często ignorują obydwa problemy.

Ta praktyczna wieloznaczność liter nie musi sprawiać trudności dla osoby z Eurosfery, która umie czytać i pisać. Przykładowo Polacy od połowy XX w. są w większości piśmienni. Są przyzwyczajeni, że często słyszy się /f/, a pisze się taką literę, jak dla /v/ – w polskim wypadku to litera wu ⟨w⟩. Tak jest często w sąsiedztwie /t/ ⟨t⟩, jak w słowie /ftorek/ ⟨wtorek⟩. Ta wieloznaczność liter bywa przyćmiona przez inne, większe problemy w nauce ortografii, np. homofonię pisowni łącznej i rozdzielnej, dużych i małych liter, a w przypadku polskiego – klasyczne pary ⟨h ch⟩, ⟨u ó⟩, ⟨rz ż⟩. Być może to naiwne przekonanie, że litery dla głoski /v/ są jednoznaczne, Zamenhof przeniósł na swój język.

Ukryta wieloznaczność liter może stwarzać problemy, kiedy ktoś nie zna żadnego pisanego języka europejskiego. To się zdarza w co najmniej dwóch wypadkach:

u człowieka niepiśmiennego, np. dziecka; także eurojęzycznego,
u człowieka nie-eurojęzycznego, także piśmiennego.

U takich ludzi nie powinno być większych problemów z czytaniem, bo – jak u wielu esperantystów – słowo ⟨Svedio⟩ prosi się o przeczytanie /sfe'dio/. Trudność pojawia się przy dyktowaniu. Kto by pomyślał, że /sfe'dio/, często pewnie /sfe'dijo/, pisze się ⟨Svedio⟩, przez ⟨v⟩? To jest nie do odgadnięcia. Zostaje do zapamiętania reguła. Czy to znaczy, że reguł esperanta wcale nie jest 16, a ta jest siedemnasta? Na szczęście nie – reguł przemilczanych przez esperantystów są całe dziesiątki, jeśli nie setki. To pewnie po to, żeby się nie nudzić i jeszcze mieć niespodziankę.

Skomplikowane nagłosy esperanta stwarzają szczególne problemy przy łączeniu sylab, np. w wyrazach złożonych (zawierających więcej niż jeden morfem leksykalny). Opisano to w jednej z dalszych sekcji.

Jądro sylaby

Jak wspomniano, esperancka sylaba może być zbudowana nie tylko na pojedynczej samogłosce, ale też na dyftongu. Występowanie /aj/, /ej/, /oj/ i /au/ można zrozumieć, bo są dość częste w Europie i nawet poza nią. Za to /uj/ i /eu/ są przeszkodą; nie tylko dla Azjatów – np. Japończyków i Chińczyków – ale też Europejczyków, np. użytkowników angielskiego, niemieckiego i francuskiego. Późniejsze projekty języków pomocnicznych to ograniczały, choć zostawiając często /eu/.

Trudność i polonocentryzm /eu/ przejawia się tym, że zapis ⟨eu⟩ jest czytany w Eurosferze na rozmaite sposoby. We francuskim to pojedyncza samogłoska, w niemieckim to /oj/, a w angielskim – /ju:/. Mimo to trudno się pożegnać z tym dyftongiem, bo to oznaczałoby albo zrezygnowanie z jednoznacznej ortografii (jak we wspomnianych językach), albo zrezygnowanie z zapisu ⟨eu⟩, który jakoś jednoczy Europę. Wyrazy z ⟨eu⟩, różnie czytanym, często pochodzą z języka greckiego; por. euforia, eufemizm, eugenika, eulogia, czy znane imiona jak Euklides. To połączenie zakorzenione bardzo głęboko, bo greckie ⟨eu⟩ oznacza „dobrze”. Dlatego ten dyftong można wybaczyć językowi, który ma ambicje paneuropejskiego, jak interlingua czy glosa. Trudniej go wybaczyć językowi, który miał ambicje światowego, jak esperanto.

Na szczęście brakuje /ou/, choć to może stwarzać pewne problemy anglofonom. W angielskim ten dyftong jest bardzo częsty i głęboko zakorzeniony w ortografii, która często zapisuje go po prostu jako ⟨o⟩, por. ⟨Go!⟩ /gou/.

Wygłosy

Niektóre języki, jak np. swahili i hawajski, nie pozwalają na żadne wygłosy, tzn. na żadne spółgłoski na końcu sylaby. Japoński pozwala co najwyżej na /n/, por. ⟨Honda⟩, ⟨shogun⟩. W Europie j. włoski, do którego esperanto bywa porównywane, też preferuje sylaby otwarte, tzn. bez wygłosu.

Wygłos esperancki zawiera obstruenty – spółgłoski zwarte, szczelinowe i zwarto-szczelinowe, mogące mieć różną dźwięczność. Takie wygłosy są w Europie częste, ale jednocześnie trudno tu dogodzić każdemu. Kontynentalna Europa, w tym Polska, preferuje opcje bezdźwięczne. Dźwięczne pojawiają się tylko w zapożyczeniach z angielskiego, np. ⟨snob⟩, ⟨smog⟩, ⟨blog⟩. Angielski ma obydwie dźwięczności. Esperanto siedzi okrakiem na kanale La Manche – zwykle zawiera opcje bezdźwięczne, ale ma takie przypadki jak ⟨sed⟩ (ale), wzięte z łaciny. To kolejny przykład tego, że esperanto próbuje imitować języki naturalne głównie w pisaniu i jednocześnie zachowywać prostą ortografię. To znowu rujnuje podobieństwo fonetyczne i przez to łatwość nauki, głównie nauki mówienia.

Takie kwiatki jak /sed/ można śmiało nazwać wyjątkami, ale esperantyści bardzo nie lubią tego słowa – przecież esperanto w założeniach nie ma wyjątków. Owszem, jest regularne w tych regułach, które są znane uczniowi szkolnemu – jak ortografia i morfologia. Jednak są też inne reguły, rządzące np. fonologią – i tutaj brak uwagi poskutkował wyjątkami.

Geoff zwraca też uwagę na wygłosy złożone zawierające obstruenty:

/nt/, por. ⟨cent⟩ (sto),
/ns/, por. ⟨trans⟩ (przez),
/st/, por. ⟨post⟩ (po).

One same w sobie sprawiają problemy i może dlatego włoski ich unika. Por. ⟨cento⟩ /'tʃento/, znane z nazw modeli samochodów: ⟨seicento⟩, ⟨cinquecento⟩. Oprócz tego takie złożone wygłosy pełne obstruentów robią prawdziwą masakrę przy łączeniu sylab. To ostatnie jest w esperanto bardzo częste, ze względu na jego morfologię.

Reguły na poziomie sylaby

W wielu językach świata nie każdy nagłos łączy się z każdym jądrem, a nie każde jądro łączy się z każdym wygłosem. Przykładowo angielski zawiera nagłos /fj/, ale łączy go – tak jak każdy nagłos złożony zawierający /j/ – praktycznie tylko z jądrem /u/. Mimo że są słowa /fju:/ ⟨few⟩, /fju:m/ ⟨fume⟩ itp., a nawet /fjord/ ⟨fjord⟩, to nie ma słowa /fjat/ – mówi się bardziej /'fijat/.

W esperanto reguły na poziomie sylaby są bardzo arbitralne. Przykładowo /ts/ łączy się zwykle z samogłoskami przednimi, tzn. z /i e/. To może dlatego, że we wschodnioeuropejskiej wymowie łaciny jest podobnie. Litera ⟨c⟩ jest zwykle czytana jako /k/, np. w słowie ⟨caritas⟩ (miłość), ale przed tymi konkretnymi samogłoskami jako /ts/, np. w słowie ⟨centrum⟩. Takie unikanie połączeń /tsa/, /tso/ i /tsu/ ma głównie tę zaletę, że ogranicza liczbę wystąpień samego /ts/, jednego z najmniej potrzebnych fonemów esperanta. Jest prawdopodobnie trzeci do odstrzału (po /x/ i /dʒ/) i faktycznie jako trzeci został wyeliminowany w późniejszych projektach. Ido jeszcze go miało, ale interlingua i elefen – już nie. Jednak dla wielu ludzi na świecie połączenia /tsa/, /tso/ i /tsu/ nie są w niczym łatwiejsze od /tse/ i /tsi/. To dotyczy także Słowian, w tym Polaków, którzy mają słowa ⟨cały⟩, ⟨co⟩ i ⟨cukier⟩. To ostatnie jest bezproblemowe, choć jest zapożyczeniem (z niemieckiego) i faktycznie polski używa /tsu/ głównie w takich słowach; por. ⟨cukierek⟩, ⟨jiu-jitsu⟩ i ⟨Mitsubishi⟩. Ten fakt może ujawniać, że esperanto unika połączenia /tsu/ właśnie dlatego, że polski go unika.

Reguły łączenia jądra z wygłosem też zostawiają sporo do życzenia. Problemem jest to, że wygłosy zdarzają się także po dyftongach. Osławione są końcówki ⟨-ojn⟩ i ⟨-ajn⟩, oznaczające biernik liczby mnogiej, odpowiednio rzeczownika i przymiotnika.

Reguły międzysylabowe

Na granicach sylab, zwłaszcza w połączeniach morfemów, zdarzają się naprawdę monstrualne zbitki, trudne nawet dla Polaka czy Gruzina, którzy są wyćwiczeni w zbitkach przez swoje języki ojczyste. Esperanto zawiera wprowadzoną ad hoc regułę (spoza listy „tylko 16”), że spółgłosek nie może być więcej niż 4 z rzędu. W razie potrzeby wprowadza się między morfemy dodatkowe /o/. To sprawia, że esperanto toleruje niektóre koszmarne zbitki 4 spółgłosek.

Nie trzeba jednak wybiegać do takich przykładów, żeby się nie nudzić. Na granicy sylab, zwłaszcza na granicy morfemów, powstają zbitki 2 i 3 spółgłosek nieobecne ani w nagłosach, ani w wygłosach pojedynczych sylab – przynajmniej tych sylab, które są z wnętrza pojedynczego morfemu.

Morfologia esperanta pozwala na sytuacje, w których jedna sylaba kończy się na /t/, a następna zaczyna się od /s/ lub /ʃ/. Tym sposobem esperanto różnicuje spółgłoski zwarto-szczelinowe i odpowiadające im zbitki, w imię ścisłego braku fuzji (aglutynacja), braku asymilacji i wmyśl reguły „jedna litera – jeden dźwięk”. Przez to dwie litery muszą być dwoma dźwiękami, a nie jednym. Istnieją nawet pary minimalne – słowa różniące się tylko tym, czy spółgłoska zwarta i szczelinowa są wymawiane osobno i razem. Przytaczam je za Geoffem:

⟨placpaco⟩ – ⟨platspaco⟩
⟨arĉata⟩ – ⟨artŝata⟩,
⟨sorĉtrumpeto⟩ – ⟨sortŝtrumpeto⟩.

Być może podobne kwiatki da się znaleźć dla połączenia /d/ i /ʒ/.

Inny kwiatek na granicy sylab to /nj/, np. w wyrazie ⟨panjo⟩ (mamusia). Wymawianie /nj/ osobno jest trudne i prosi się o asymilację do //. To akurat jest niezgodne z regułami eo. W końcu każdej literze odpowiada jeden dźwięk i odwrotnie, a nie ma żadnej litery na taki dźwięk, więc nie ma go w esperanto. Podobnie jak przy zbitce /sv/ – trzeba albo przyjąć, że większość esperantystów wymawia ten język niepoprawnie, albo że jego ortografia wcale nie jest fonemiczna, bo zawiera dwuznak /nj/ i głoskę //. Na szczęście taka asymilacja nie sprawia żadnych problemów w dyktandach – nie ma innego zapisu, który mógłby odpowiadać tej głosce, niż ⟨nj⟩.

Kolejny przykład zbitki, która kusi zakazanym owocem asymilacji, jest /np/. Tutaj już wymowa /mp/ – najłatwiejsza i pewnie najczęstsza, choć formalnie niepoprawna – może prowadzić do błędów w dyktowaniu. Czy to może poskutkować nieporozumieniami, tzn. czy są pary minimalne /np/–/mp/?

Jak wspomniano, niektóre wygłosy złożone prowadzą do masakry przy łączeniu sylab, np. w łączeniu morfemów. Takim potworkiem jest np. ⟨postscio⟩: /post'stsio/, dosł. wiedza po fakcie. Tak, tutaj pojawia się zbitka pięciu spółgłosek: /ststs/, ale dwie ostatnie są traktowane jako jedna, pisana przez ⟨c⟩. Przez to reguła „góra czterech spółgłosek” jest, przy dobrej woli i gimnastyce, uratowana.

Akcent i intonacja (prozodia)

Esperanto jest jednym z tych języków, gdzie występuje akcent wyrazowy, ale nie ma tonalności. Ten wybór nie wydaje się bardzo zły, ale może zdradzać pewną niewiedzę lingwistyczną i prowincjonalność Zamenhofa. Możliwe, że wielki białostocczanin nigdy nie uzasadniał tego wyboru, być może traktując go jako jedyną opcję. Brak akcentu wyrazowego, jak w koreańskim, wydaje się kuszącą opcją – podobnie jak morfologia izolująca, jest to wspólny mianownik różnych rozwiązań. Komuś akcentującemu może być łatwiej zrezygnować z akcentu niż odwrotnie – komuś bez akcentu nauczyć się akcentowania.

Akcent w esperanto jest zawsze paroksytoniczny – pada na sylabę przedostatnią, tzn. drugą od końca. W przypadku eo nie ma wyraźnych problemów z określeniem sylaby, co się zdarza w innych językach. Czy taki wybór miejsca akcentu jest dobry? Nie stwarzałby problemów, gdyby nie wadliwa fonotaktyka eo – konkretniej współistnienie pewnych połączeń wewnątrzsylabowych i międzysylabowych. Te problemy skutkują złą ortografią.

Z jednej strony sylaby eo mogą zawierać dyftongi /au/, np. w słowie /'auto/ (samochód). Z drugiej strony:

są sylaby otwarte (bez wygłosu) zawierające /a/, np. /a/, /ma/, /pa/ itp.,
są sylaby bez nagłosu i zawierające /u/, tzn. zaczynające się od niego, np. /u/, /um/, itp.,
sylaba tego typu może być akcentowana, np. w słowie /'unu/ (jeden), ponieważ może być przedostatnia,
te dwa rodzaje sylab mogą ze sobą sąsiadować. Słowo typu /a'uto/ jest dopuszczone przez fonologię eo, a jednocześnie jest czymś innym niż /'auto/, bo fonem-dyftong /au/ może być jądrem akcentowanej sylaby.

To prowadzi do zapisywania dyftongów literą ⟨ŭ⟩ (ło), bo /'auto/ i /a'uto/ wymagają osobnego zapisu: stąd ⟨aŭto⟩ i ⟨auto⟩. Takie połączenia /a/ i akcentowanego /u/ raczej nie zdarzają się wewnątrz jednego morfemu – przynajmniej nie wewnątrz tych oficjalnych. Za to mogą się zdarzyć przez połączenie morfemów. Nie brakuje takich zaczynających się od /u/, np. /uj/ (pojemnik), /ul/ (osoba). Nie brakuje też morfemów, które kończą się na /a/ lub /e/ – samogłoski tworzące dyftong z /u/. Stąd takie połączenia jak /obe'ulo/ – osoba posłuszna.

Esperanto zawiera i wyrazy z dyftongami /au/, /eu/, i wyrazy, w których te samogłoski są rozdzielone akcentem, np. wspomniane /obe'ulo/. Być może nie ma pary minimalnej, tzn. takich dwóch słów, które różnią się tylko akcentem i rozdzieleniem samogłosek. Być może rozdzielanie dyftongu, po którym jest jeszcze inna sylaba, jak w przykładzie /'auto/–/a'uto/, zawsze prowadzi do słów czysto hipotetycznych i nieznaczących, jak to /a'uto/. Mimo to takie pary minimalne mogą się pojawić w toku ewolucji, która jest nieodłącznym elementem każdego aktywnego języka. Żeby język ewoluował, nawet niekoniecznie musi być w pełni żywy – patrząc np. na ewolucję łaciny średniowiecznej i nowożytnej.

Podobne różnicowanie dyftongu i pary samogłosek, głównie przez akcent wyrazowy, pojawia się też dla innych dyftongów, tych zamkniętych przez /j/ – konkretnie /aj/, /ej/, /oj/ i niechlubne /uj/. Przykłady:

Tych problemów można by uniknąć na rozmaite sposoby – inaczej konstruując którykolwiek z elementów tej układanki. M.in. po to wymieniono aż 4 cechy eo, które prowadzą do kolizji. Można by się ograniczyć tylko do jednego, ostatniego punktu, ale ujawnienie warunków koniecznych pokazuje, co można zmienić. Może akcent powinien być na inną sylabę, np. zawsze ostatnią lub zawsze pierwszą; może nie powinno go być wcale. Może pewnych sylab nie powinno być lub nie powinny występować w pewnych miejscach. Opcji jest dużo i im więcej ich widać, tym bardziej widać, jak niedopracowanym i niefortunnym projektem jest eo.

Oficjalne informacje nt. esperanta milczą o akcencie zdaniowym – np. o opadaniu i wznoszeniu. Taki brak precyzji może mieć złe skutki. Użytkownicy z różnymi językami ojczystymi mogą przenosić na esperanto nawyki z tych języków, wprowadzając wewnętrzne zróżnicowanie. Przykładowo język polski intonuje wszystkie pytania wznosząco, ale angielski niektóre pytania intonuje opadająco -- konkretniej pytania "otwarte", "niebinarne", ang. wh-questions, np. "who are you?" (kim jesteś?). Jeśli język ma być neutralny, to można od niego oczekiwać przynajmniej precyzjnego opisu. Inaczej prowadzi to do sytuacji, gdzie po intonacji można rozpoznać czyjś język ojczysty, ze wszystkimi tego niepożądanymi konsekwencjami.

Krucha konstrukcja

Esperanto nie jest językiem przygotowanym na własną ewolucję, bo ona może łatwo doprowadzić do problematycznych sytuacji – różnicowania znaczeń akcentem, par minimalnych /u/–/w/, konieczności użycia diakrytyków dla uniknięcia homofonii, itd. To bardzo krucha konstrukcja i widać, że może się rozlecieć jak domek z kart. To nic dziwnego, patrząc na to, że elementy tego języka nie pasują do siebie. Jego fonotaktyka i prozodia nie pasują do morfologii syntetycznej, konkretnie aglutynacyjnej. Te warstwy języka wymagają „sklejania ich taśmą”, np. rozwiązaniami ad hoc typu znaki diakrytyczne, nienaturalne dwuznaki lub dwuznaczność liter. Te rozwiązania mogą stać się bardziej problematyczne z biegiem czasu, tak jak taśma klejąca nie jest zbyt trwała.

Być może ewolucja esperanta już była parokrotnie „przycinana” i kontrolowana, tak żeby nie szła w kierunku słabym wizerunkowo i kompromitującym pierwotne rozwiązania. Jeśli tak, to niestety byłby to dowód, że decydentom esperanto nie zależy na płynnym zaspokajaniu potrzeb komunikacyjnych jego użytkowników, ale na budowaniu pewnego wizerunku, podtrzymywaniu mitu dobrego i prostego projektu, chowaniu głowy w piasek przed problemami itd. To nie zachęca do nauki esperanta nawet w celach czysto towarzyskich. To preskryptywizm językowy najgorszej próby, dyktowany nie troską o zachowanie pewnego stanardu literacko-wydawniczego, ale podtrzymywaniem ruchu i jego wizerunku.