Speechprosody-2026 论文

该研究用电磁发音仪测量台湾华语四声与五种焦点条件下词首辅音手势，发现轮廓声调增大位移与峰速度而焦点延长形成时长且二者无交互，与重音语言中同时调制两维的模式不同，但样本仅五人且只分析了辅音手势。

该研究让普通话母语者在走 45 米的同时读文章或重复/pɑ/并只改变一侧速度，发现改变步速会连带改变语速而改变语速几乎不改变步速，显示不对称耦合且不支持对称振子互 entrain 的强预测。

该研究用词与句子配对的同异判别任务与可解释分类器检验原型语音空间在语言层级间的稳定性，最强证据是句内准确率高于词内而跨层级泛化不对称下降，代价是均值线索在长语音中可靠性下降而对语速与变异性线索依赖上升。

该研究以 27 名日本职前教师的 3 分钟微格教学和 729 人次九维度同伴评分为对象，用 8 个客观声学特征做 72 对相关映射，发现语速偏向内容清晰等认知维度而平均基频偏向表情与观众意识等情感维度，但 15 个名义显著相关经错误发现率校正后全部不显著，故最优区间只作探索性参考。

该文追问法语重音短语如何切分，提出以连续重读音节间最小约 250 毫秒、最大约 1250-1350 毫秒为时长约束，并以脑电 delta 振荡 0.8 Hz 到 4 Hz 作机制解释，代价是长词与快慢语速下的切分不再唯一依赖句法或音节数。

该研究让 40 名普通话母语者用三种朗诵风格读五言和七言诗联，用当前音节与前一音节时长比估计边界强度，报告慢速诗体中第 2 字和第 4 字处的高边界在日常语速下基本消失，且七言首个双字组从不独立成组。

本研究用 7×7×2 重合成 hid-heed 连续体检验 f0 突显如何改变频谱与时长线索权重，结果显示突显使频谱斜率变平而时长稳定，支持产生镜像而非全局增强，但三阶交互与设计差异仍限制推广。

本研究在德语载体句中并置词汇频率与语义场启动对边界区间时长的影响，报告显示低频在三段边界区间上一致更长而启动总体不显著，代价是当前仅一轮拉丁方小样本与冠词韵尾上小幅反向交互均待全样本验证。

该研究让 19 名高熟练牙买加英语、卡斯蒂利亚西班牙语和南部标准英国英语说话人在中性、积极、消极条件下用英语做自发与半自发表达，测量语调短语时长、停顿时长、语速、发音速率和音高范围，发现只有消极高强度情绪带来可重复的组间交互且以音高范围变窄最突出，而发音速率不受情绪影响。

该研究用三音节词朗读任务比较美国母语者和巴西二语者的重音实现，显示母语者时域元音缩减更充分而二语者缩减不足并依赖更大的响度对比和更宽的共振峰分布，基频在两组间均未形成可靠区分。

该研究以自报听力困难的老年听者为对象，用自然、增强末尾重读音节 f0 峰、压低 f0 峰并提前下降三种问句条件做在线按键预测，发现压低条件比增强条件更快更准，而增强峰反而损害预测，同时主观努力与信心因天花板效应未能区分条件。

该研究用听音辨调加试后三秒视觉反馈的四天训练，检验普通话母语者对粤语六声的即时学习、新说话人泛化和一周保持，并报告音乐能力稳定预测成功而工作记忆只支持初期增益、音高敏感性作用有限，但未分离视觉与反馈各自的独立贡献。

该研究在 46 人面对面自由讨论中比较自闭与非自闭组语调风格，发现起伏度和跨度均值无组差，但用香农熵度量 16 格分布多样性时自闭组更可预测，代价是该熵效应后验概率仅 0.88 且置信区间含零。

论文以粤语上升调 T2-T5 为对象，用发音与感知分离的样例模型证明最小对比例决定生产端平衡距离，而感知端随功能负荷下降更快塌缩，零负荷时走向完全合并，代价是一维基频目标与理想化词库的简化。

该研究用同一句 Molly mailed a melon 在四种问答语境下考验七个主流 TTS 能否做出正确且自然的韵律焦点，人类基线仍最稳，最强的 Gemini 也不均衡，而高自然度与高可辨度难以兼得。

该研究以同一短篇故事的真人朗读与两种开源合成语音对比疑问句尾音升降，发现较好的 Kokoro 在是非问句升调比例接近真人但在 Wh 问句大量误升，且两系统音高变化范围与自然度均低于真人。

该研究用双音节词对绕口令式重复任务检验重音格是否独立于音段被计划，初步显示时长无主效应但重复次数与错误数支持抽象格，代价是样本仅 36 人且功效不足。

该研究用电磁发音仪与视频追踪检验匈牙利语指点手势与语音地标的时滞稳定性，初步证据指向第一音节元音目标与手指目标的对齐最稳定且不受信息结构与基频轮廓调节，代价是仅报告一名被试且未发现基频的组织作用。

该研究以焦点是否改变音高轨迹为问题，用函数主成分分析把整条基频曲线拆成范围、形状和峰对齐三维并做贝叶斯回归，最强证据是焦点下前两个主成分得分可信降低且高原组效应更大，代价是峰对齐维度无组效应且方向因人而异。

该研究以飞翔话 25 对单音节最小对立体的 298 个降调产出为证据，用广义加性混合模型定位差异在韵母后段、用主成分分析把相关声学特征压缩为音高与时间两维并用逻辑混合回归验证两者共同区分 Fall 1 与 Fall 2，代价是样本仅 6 人且为居家录音与单字朗读条件。