传统语音学研究表明，唇形对元、辅音的产生起重要作用。目前流行于言语工程界的视听言语处理（AVSP）结合视觉感知手段，提高了合成言语的自然度和语音识别系统的识别率。特别是在虚拟人像的生成中，唇形的变化对感知的真实性有特别重要的作用。本研究着力于建立对应于普通话音位系统的唇形变化系统，这个系统被定义为“视位系统”。汉语的视位研究尚属空白。 这篇文章致力于建立一个初步的汉语普通话视位模型。首先创建了一个小规模的汉语普通话语音唇形参数数据库。发音人为一男性，面部做了唇区域标记和点标记。发音材料为195个单音节。图像连续捕捉速率为每秒钟25帧。结合语图对音素的代表帧做了判定。我们用11个参数对每个音素的唇部形态进行了描述及特征化。数据库由494条记录组成。然后以此数据库为基础，通过一系列统计分析的运用，归纳出一套汉语普通话视位模型。初步的结论有：1．大部分唇形参数之间高度相关，起主导作用的是内唇高度、唇角突度和上齿露现度；2．普通话共有8个视位，辅音视位有“b”、“d”、“f”和“z”，元音视位有“i”、“u”、“o”和“a”，它们的视位变体共有14个。