Speechprosody-2026 论文

以半自发话语补全任务比较 18 名保加利亚犹太西班牙语与保加利亚语双语者及 18 名单语者，报告是非问句多以高边界结尾、特指问句多低降、选择问句前升后降的分布，并显示双语者的保加利亚语更接近单语者但仍有 heritage 影响。

该研究用 146 句普通话 TED 演讲做听辨式显著词标注，发现 65 名母语者的两两一致性平均 Kappa 仅 0.251，提示在声调语言中基于声音显著性的短促判断并不稳定。

该研究以瑞安温州话双音节连读变调中仍为重音的音节为对象，用广义加性混合模型与线性混合效应模型检验基频、辅音时长与嗓音质量如何分别编码高低调域，显示词首基频仍强而词中减弱、元音间浊闭塞时长与元音起始段气嗓仍稳健，且青年组各维度区分均弱化，代价是跨调对的邻接声调未能完全控制故只能做调对内中和结论。

该研究用 16 人录音与 8 名女性回访的二选一辨认任务检验普通话问句与陈述语调的感知产出关系，发现听自己更准、刺激中韵律区分度越大越好辨认，但听者自身区分度的作用只体现在问句与陈述的不对称偏移上且受声调制约。

针对标准马拉地语识别在聋人语音上接近失效的问题，论文用冻结编码器的迁移学习加日常任务词表约束，把词错误率从 97% 降到 64%，代价是仍高达 64% 且依赖单人小词汇后处理。

该研究以 51 个 NotebookLM 生成播客为样本，用发音率与言语率检验面向不同听众的提示词与说话人性别的影响，发现提示词对发音时长的预测力强于性别，而男女声在停顿使用上趋同但在播客尾段发音率上出现分化，代价是 diarization 存在幻觉且输入文本未做控制。

该研究以十地带口音普通话自发独白为对象，用元音辅音区间节律指标加整体距离聚类，报告吴方言口音偏向重音定时、粤闽口音元音占比偏高、厦门口音与官话聚类相近，而节律距离不平行于词汇距离。

该研究用 ABX 辨别任务比较法国人与美国人对英语升调与降升调的区分，显示法国人显著更差，支持语调对比也存在音系性耳聋，但美国母语人仅 79% 正确率说明频率与语境仍是重要限制。

该研究用 1.0 米、2.5 米、4.0 米三距离呼唤任务检验听者能否仅凭语音判断目标听者，最强证据是全听者准确率 0.702 与目标听者准确率 0.748 均高于 0.333 的随机水平，代价是样本仅 4 人且词相关差异机制尚未做声学分解。

该研究用德语朗读生产实验检验限定性是否为语言冗余因子，发现冠词前边界 B1 上定冠词显著短于不定冠词而冠词后 B2 无显著差异，且词频主效应不显著，但图片预熟悉可能抬高了可预测性这一代价限制了词频解释。

该研究让 6 位伊博语母亲对婴儿和成人唱同一首摇篮曲与游戏歌，报告对婴儿演唱平均基频抬高约 79-91 赫兹、基频范围扩大约 32-56 赫兹且频谱倾斜更高，而倒谱峰突出度和谐噪比在控制音高后无显著差异，代价是样本小且未直接编码声调实现。

该研究用同一句话在 50%、100%、200%、400% 四档用力下比较“大声”与“有意念”两种外部提示，报告显示提示间声学与感知差异很小而档位间差异显著，但 400% 用力反而平均强度与音高范围下降，代价是自然度与清晰度的权衡仍未解开。

该研究以《我是演说家》48 名选手的 96 段 30 秒语音为样本，用九个韵律参数预测比赛名次，发现平均第三共振峰越高名次越好，女性则靠基频变化范围取胜，但整体预测力弱且只在开场显著。

该研究用自适应低通滤波去掉可懂语义后，比较 33 名评分者对 25 人语音的韵律判断与 108 个声学时序特征训练的逻辑回归分类器在 251 人数据上的表现，两者准确率均为 80.0%，代价是灵敏度中等且韵律标记与症状总分无显著关联。

该研究用门限范式追踪普通话介音/j/的/i/感评分如何随声学片段增长而累积，显示门限、慢速、CGVX 结构和普通话母语组带来更高评分，而快速语速与 GVX 结构和日语初级组构成主要代价。

该研究用 48 对本科生四轮立场表态加案例讨论检验事先立场一致是否影响随后语速差，发现不一致显著增大语速差而时间顺序本身也带来发散，且代理感与社交吸引力只在匹配与否条件下反向调节，但全为探索性混合模型结果且无代码数据公开。

该研究用德语三档自然语速与其 PSOLA 时长对齐版本做清晰度评分与 A/B 偏好实验，证明全局语速强烈预测清晰度但重音、有声段保持与元音频谱保持贡献独立方差，而线性伸缩不能复原自然缩减的分布。

论文以北卡舒布语名词变格中的重音位置变异为自然对照，用同一语音位置的重读与非重读元音比较检验时长、基频和强度，结果显示元音时长是主要声学相关物而强度作用较小且基频无显著作用，但分析只覆盖后元音并排除了词首词尾与短语重音条件。

该研究用图片命名诱发 196 个单音节词并以生长曲线与线性混合模型比较 18 名 4 至 7 岁白语儿童与 12 名北方成人基线，报告习得顺序为 T35 大于 T55 大于 T214 与 T51，代价是各年龄组时长系统性偏长且降调 T51 在三组中均未达成人轮廓。

研究以双音节英语重音辨别与粤语声调同化任务检验知觉同化解释，粤语组辨别灵敏度显著高于英语组并把首末音节分别同化为 T1/T3 与 T4/T1 的两类对立，但证据限于无元音弱化的双音节词与行为选择数据。