Speechprosody-2026 论文

该研究以三人协作生存排序任务比较远程、共处与混合三种会议形式，发现远程和混合会议中填充停顿率显著高于共处会议、远程会议中无声停顿率也更高，而平均时长无差异，提示非共处设置增加了交际努力，但混合会议内远程与共处者之间无差异。

该研究用句子图画验证任务检验 31 名 6 到 8 岁普通话儿童对主语韵律和宾语韵律的理解，发现韵律条件主效应显著但个体在韵律线索与句末位置线索之间的权重差异很大，且工作记忆 digit span 未能解释这种差异。

该研究用问答诱导的宽焦点、句首窄焦点与句尾窄焦点比较南宁普通话 31 人与标准普通话 10 人的 f0 最小值、最大值与极差，最强证据是句首焦点下标准普通话出现焦点扩张与焦点后压缩而南宁普通话无极差调制，代价是仅分析声调音节的极值而未建模完整轮廓与时长强度等多线索。

该研究用图片故事诱发宽焦点、确认和纠正三类焦点，比较意大利语母语、德语母语和在德意大利人德语二语的韵律、句法与叠加标记，结果显示二语少用纯韵律、多用句法而接近母语意大利语，叠加策略居中但差异不稳健。

该研究用 12 名美国冥想教练与企业高管的连续演讲样本，以分性别的多变量协方差分析检验音高、音质、强度与时间结构，最强证据是风格整体分离的大效应量，但代价是每组仅三人的高度筛选样本与去背景声后期处理限制了推广。

该研究用普通话一声到二声的 Ganong 任务追踪 1 到 6 年级儿童与成人，发现声学语音加工与词汇依赖各自从一年级起保持稳定，但二者关系在 12 岁左右才从独立转为成人式的此消彼长的权衡，且高语文水平是出现权衡的条件，代价是低水平儿童尚无此策略性补偿。

该研究用平板正弦声调界面比较母语与零起点法语者在词汇朗读、哼唱、手势三种模态下对易混双音节三声的模仿，显示哼唱与手势高度重合而词汇朗读系统性偏离，支持先做无词段旋律练习再进入词汇训练，但固定顺序与小样本限制了因果推断。

该研究从非正式播客访谈中抽取希腊语是非问句，用核音调标注加时间序列聚类与函数主成分分析，显示核重音类型不由偏向唯一决定，而肯定偏向对应整体更高的基频，且该效应在很大程度上独立于具体调型。

该文把每门语言大量 F0 帧间差值 dF0 做成整体概率分布，用 Wasserstein 距离和最优传输比较 20 门语言，并在教学示例层面把经验分布解释为 Boltzmann 型动力系统，但未分解各峰的功能来源。

该研究用单音节极性问句与陈述句考察唐氏综合征成人的基频动静态特征，以逐人广义加性混合模型比较经四人一致听辨筛选的 58 条唐氏综合征曲线与 144 条对照曲线，发现多数人能产生可辨认的上升与下降轮廓但个体差异大、陈述句缺测多，女性唐氏综合征组最大基频偏低而均值相近，与既往偏高基频的报告不一致。

论文用十对多合流与少合流粤语者的无脚本密室游戏对话检验声调超音段适应，发现少合流者缩小三声与六声的归一化基频距离以靠近多合流者、两组在对话末尾对齐而前后朗读无变化，支持目标驱动的音高区间趋同而非简单的去合流模仿。

该工作把网球赛后发布会视频加工成带说话人角色、转写和词级对齐的自发情感语音语料，并用预训练声学与文本模型做维度回归、离散分类和文本情感三组基准，显示胜者效价与优势感更高、败者悲伤主导更集中，但两组文本多呈积极且 arousal 差异小。

该研究用听觉启动加默读选择任务检验含 only 歧义句的信息结构启动，报告显示动词重音启动提高了非常见动词关联选择，而去词汇与自然启动的效果差异取决于工作记忆与听觉想象等个体差异，但总体启动并不稳定且代价是条件依赖性强。

该研究在德语自发对话中比较同批说话人的两种焦点超清晰化做法，最强证据是 23/24 人收紧了音高重音与手势顶点的对齐而只有 10/24 人 steepen 了降调斜率，且人人至少用一种策略，代价是韵律单通道结论不稳定、需双通道联合判断。

该研究让 36 位母亲在相同指认任务中分别对假想儿童和成人说话，发现对儿童元音更长、音高更高，且困难指认拉长时长、对儿童抵抗二次提及弱化，但音高不随困难升高而是抵抗了列表语调的下降。

该研究用英语为矩阵语、粤语为嵌入语的对比性焦点产出实验检验韵律层面的混合与超清晰化，报告切换词居中而切回后英语词出现类声调转折与更极端高低目标的主要证据与代价。

本研究在 45 名波士顿 AFAB 英语者中比较朗读与自发两种语域下的平均基频、基频范围、元音离散度和发音速率，报告自发语中女同性恋、双性恋与异性恋组间的系统差异在朗读中被中和，代价是语料量不平衡与整文件聚合掩盖个体与话题变异。

该研究用同一批巴西葡萄牙语自发语音对比人工韵律切分、WhisperX 切分与随机森林韵律切分训练 FastSpeech2 的效果，最强证据是自动韵律切分的 F0 曲线走向接近人工切分，但 70% 合成核轮廓偏离自然语音且焦点位置更分散。

论文把任务定为估计第二句相对第一句在九个反义维度上的印象差向量，对比可解释声学特征、自监督表示与多模态大模型三条路线，报告自监督表示在复杂印象上更稳，而多模态大模型零样本不可靠，代价是单女声优与同文本的强受控条件。

该研究用无语境听辨任务检验普通话四类字面与反语的韵律感知，发现反语批评正确率较高而反语表扬极低，且自闭特质量表得分越高反语表扬越差，但样本仅 20 人且为单一女声录音。