整条曲线还是局部对齐：延续升调的接触变异如何同时需要全局形状与时间定位

英文题目：Reconciling Dynamic Data Analysis with Linguistic Reality: Comparing Legendre Polynomial Modelling and GAMM Applied to Prosodic Contact

会议身份：conference:interspeech:2026:conference-paper-id:dian26_interspeech

来源为官方会议 PDF；图片依据原页像素，表格数字依据原文引用。PDF 文字层不视为原始 TeX，未可靠恢复的结构不作推断。

会议来源：官方记录 · 官方 PDF

标签：#统计分析 #模型比较 #韵律 #社会语音学 #语言识别

评分：5.2/10 | 创新 1.0/2 | 技术严谨 1.2/1.5 | 实验充分 0.7/1.5 | 清晰度 0.8/1 | 影响力 0.7/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.5/1.5

排名：后50% | 文档类型：方法研究

👥 作者与机构

• Angelo Dian：机构信息未能从会议 PDF 纯文本可靠映射
• Mary Baltazani：机构信息未能从会议 PDF 纯文本可靠映射
• Spyros Armostis：机构信息未能从会议 PDF 纯文本可靠映射
• Elinor Payne：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文输入为塞浦路斯希腊语与雅典希腊语延续升调感兴趣区内基频轨迹，输出为接触变异的音系解释，难点在于表面连续曲线可对应多组调性目标与对齐方式。先以原始轮廓为输入做听觉预分类步骤，其职责是区分塞浦路斯低核与高核变体，输出的分组标签直接作为后续两分支建模的共同因子进入回归与平滑。再以分组后按半音转换并时长归一化的轨迹为输入做勒让德压缩步骤，其职责是用四阶正交基提取表征整体几何的均值斜率曲率系数，输出的系数进入线性混合效应检验以判定组间整体类型差异。最后以同一归一化轨迹与前步类型假设为输入做广义加性混合建模步骤，其职责是用样条与说话人随机平滑拟合曲线并输出成对差异曲线，定位显著分歧区间以衔接并细化前步的全局结论。前者长于整体类型判定而对局域不敏感，后者以样条与随机平滑显式定位时间对齐与缩放差异，适用于共享结构核心下的细粒度系统内比较。在归一化RoI时长语料的GAMM差异评估任务下，CYG-nh相对ATG显著分歧区间的上端指标为49.5%，低于CYG-nh相对CYG-nl首段分歧区间的上端指标55.5%。该结论适用边界受限于青年半自发延续升调且依赖预分类，尚未验证无标注未知变体或自发语流的外推。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

本次未形成可展示的已核验资源记录，开放状态尚未核实。 可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。

🧭 深度解读

输入是什么：为什么延续升调适合检验动态分析？

本文的输入是真实发音实验中截取的延续升调基频轨迹，目标是判断接触背景下是否存在两种可分离的实现，并比较两种动态建模给出何种不同证据。必须保留的信息是语料来自当代年轻人的半自发任务，分析对象是核重音加短语边缘的完整运动，结论依赖感兴趣区定义、半音转换与说话人随机效应。输出是 1 篇可复述建模步骤与实验条件的解读，不做超出原文的因果断言。

延续升调的白话含义是话还没说完时的上扬语调，英文为 continuation rise。核音高目标的白话含义是落在核重读音节上的高或低转折点，英文为 nuclear tonal target。塞浦路斯希腊语简称 CYG，雅典希腊语简称 ATG。CYG-nl 指核为低目标、形态类似 ATG 的变体，CYG-nh 指核为高目标、在中段多出隆起的变体。

延续升调 × 核音高目标： 延续升调是出现在非句末宽焦点陈述句、以上升边界调结束的语调事件，承担话语未完结功能；核音高目标是落在核重读元音上的音系锚点，决定升调起点是低还是高。二者搭配的理由是同一话语功能可以由不同核目标实现，组合意义在于把功能等价但形式不同的两条曲线区分为 CYG-nl 与 CYG-nh，从而为接触变异提供可检验对象。

在自重音音系框架下，有意义事件被建模为离散声调目标，观测到的基频动态被看作目标之间的语音实现。静态地标分析只取离散点的高度与对齐，容易丢失曲率与时间交互。本文要解决的学习依赖是先理解功能等价但形式可能不同的 3 类曲线，再理解全局几何与局部分段两种数学描述如何对应到同一语音信号。

相关路线如何看连续曲线与离散目标的关系？

实验室音系学过去二十年越来越多地把整条轮廓当作连续函数建模，以便量化曲率与对齐差异。原文回顾的路线包括多项式拟合与广义加性混合模型，近期综述与语音动态建模教程被引用为方法背景。共同输入都是按时间采样的基频，监督来源是预先给定的变体加声调分组，运行阶段都是事后统计建模而非在线识别。

音系实现 × 语音插值： 音系实现指离散声调目标向连续基频曲线的映射，语音插值指目标之间由发音与平滑形成的过渡部分。分工是前者解释目标的类别与对齐关系，后者解释曲线上目标之外的形态；搭配理由是动态模型只观测到二者叠加后的表面曲线，组合意义在于提醒不能把曲率或差异区间直接等同于音系对立，还需结合音节边界与目标定时做解释。

原文强调的矛盾是勒让德拟合或平滑曲线在数学上精确描述了随时间的弯曲，但不区分音系性目标与语音性过渡。同样的表面轨迹可能来自不同的目标、缩放与对齐组合，不同的表面轮廓也可能来自共同底层结构。在接触情境下问题更复杂，因为变异可能来自调库存差异、实现层面的对齐与缩放差异，或混合产生的新模式，甚至整体曲线被搬用而不携带原系统功能。因此本文不把任一模型的显著性直接读作音系对立的证明，而是要求说明被前景化的信号属性及其与音系解释的距离。

要回答的具体问题是什么？

本文用当代 CYG 与 ATG 延续升调做案例，检验两个问题。第一，年轻说话人是否仍保留档案研究发现的两种 CYG 模式，即 ATG 式的低核轮廓与高核变体。第二，勒让德多项式建模与广义加性混合模型是否等价、孰优孰劣，还是互补。评价标准不是谁的拟合误差更小，而是各自能否在相同感兴趣区与相同分组下，对轮廓形状与时间定位给出可解释且可复现的证据。

关键约束在开头就应明确。两种方法都要求预先把 CYG token 听辨为低核与高核，这一步依赖研究者对轮廓的定性检查。多项式需要预先指定阶数，平滑模型需要选择基函数与随机结构。没有无监督发现新类别的环节，因此本文报告的是在给定分组下差异是否成立，而不是无分组时能自动发现几类。

两种方法如何分工：全局压缩与局部分段的全景

沿一个样本走完全程有助于建立依赖。取一句被判为延续升调的宽焦点非句末陈述句，从核前音节起点截到短语末尾作为感兴趣区，每 10 毫秒提取 1 次基频并按 token 转成半音。同一组半音序列送入两条支路。一条拟合多项式并转到正交勒让德基，得到每个发音的 5 个系数，只取斜率、曲率与高阶形状做组间比较。另一条把归一化时间作为平滑项，用惩罚样条估计每组的平均函数与组间差异曲线，并用说话人与 token 的随机平滑吸收个体差异。

勒让德多项式系数 × 广义加性混合模型平滑： 勒让德多项式系数把整条感兴趣区曲线压缩为正交的全局几何参数，分别近似平均高度、斜率、曲率和高阶形状；广义加性混合模型平滑用惩罚样条逐点估计随归一化时间变化的函数并容纳随机效应。二者搭配的理由是同一基频信号既有整体倾斜也有局部对齐，组合意义在于分别回答轮廓在整体上像什么与差异发生在相对时间的哪里。

原文的安排理由是两者都把观测看作潜在平滑函数的采样而非独立时间点，都能跨越清音段的缺失做插值。多项式把缺失视为全局函数的自然延伸，听者也不感知微小断裂。平滑模型用惩罚控制过度弯曲，缺失处由邻近点与全局平滑度及随机效应决定轨迹。教学例子是若某 token 中段因清辅音缺测，多项式靠整体形状补出趋势，平滑模型靠邻近观测与说话人模式补出趋势，但这只是例子，不附加原文未报告的误差数值。

多项式支路做了什么计算？

多项式支路的输入是每句按 10 毫秒采样的赫兹基频，动作为人工检查并修正基频错误，再按 token 转成半音以消除绝对音高差异。先用 10 阶多项式拟合单条轮廓，再把感兴趣区建模降为 4 阶并表达为正交勒让德基。输出是每个发音的 c0 至 c4，其中 c0 近似平均高度，c1 近似斜率，c2 近似曲率，c3 与 c4 近似 N 形与 M 形高阶形状。统计时只用 c1 至 c3 作为因变量，因为它们在组间模式更分明。

组间检验用线性混合效应回归实现，固定效应为变体加声调的三水平因子，随机效应为说话人截距加按说话人的变体斜率。选择 c1 至 c3 的理由是原文明确报告它们显示更清晰的分布差异，不是通用降维准则。需要指出的是原文未给出 10 阶到 4 阶的阶数选择搜索过程与拟合优度曲线，也未报告 c0 与 c4 的完整检验，因此不能从方法名称推定最优阶数或其余系数的效应。

平滑模型支路做了什么计算？

平滑模型支路的输入同样是每 10 毫秒采样的赫兹基频并转半音，但提取经由 Praat 与 R 的接口完成并人工检查八度跳变。模型用 bam 函数拟合，完整模型包含变体加声调参数项与按归一化感兴趣区时长的分组平滑，简化模型去掉该因子。用最大似然比较完整与简化模型以检验整体因子显著性，再用差异平滑定位局部显著区间。随机结构为说话人与 token 的因子平滑交互，基函数采用 3 次回归样条，以缓解残差自相关并容纳层级结构。

该支路的输出有 3 层。顶层是各组模型预测曲线，中层是 CYG-nh 与 ATG 的差异曲线，底层是 CYG-nh 与 CYG-nl 的差异曲线。显著的含义是差异平滑的置信带不含零，而参数项不显著则被读作整体高度无差异、形状有差异。原文未报告平滑维度、惩罚参数与自相关阶数的完整调参表，因此复现时应保留原文已验证的分组平滑加随机平滑结构，不自行增删协变量。

本研究有没有训练阶段：实际优化是什么？

本研究没有训练神经网络，也没有冻结与更新神经权重、梯度路径与早停等环节，不能把无训练等同于确定性求解。实际计算是两类统计拟合。第一类是对每条曲线做最小二乘多项式拟合，再对系数做线性混合效应回归估计与显著性检验。第二类是用惩罚似然估计样条系数与随机平滑方差，用最大似然做模型比较。监督来源是人工给定的 3 类标签与归一化时间，重置时机不适用。

缺项应明确指出。原文未报告多项式拟合的数值优化器细节与收敛阈值，未报告平滑模型的完整惩罚选择与有效自由度选择过程，只报告了关键检验的统计量。因此解读中不猜测去掉随机平滑后必然如何，只按证据说明完整模型包含随机平滑是为吸收说话人与 token 变异并减轻自相关。

数据、划分与感兴趣区如何保证可比？

被试为 8 名 ATG 说话人与 13 名来自尼科西亚的 CYG 说话人，年龄 18 至 30 岁，任务包括半自发对话与地图任务。判为延续升调的条件是出现在宽焦点陈述句、非句末、以高边界调结束，允许后接短暂停顿。标注时从核词重读前音节起点截到短语末尾，确保核重音与短语边缘运动都被包含。CYG token 按听辨分为低核与高核两类，对应先前档案研究发现的两种模式。

比较公平性依赖 3.1 致。感兴趣区定义一致，采样间隔一致，单位一致。两种方法都用赫兹每 10 毫秒采样并转半音，只是提取工具链不同，解释时不应把工具差异读作方法差异。指标方向需先说明。多项式看系数均值差异方向，平滑模型看差异曲线相对零线的位置与区间长度。

下图显示建模前 3 类原始均值轮廓，是理解后续两种建模分工的起点。横轴为感兴趣区相对时长，纵轴为半音，3 条曲线在后段都上升，但在中前段形态分叉。

看图路径： 1. 先确认横轴为感兴趣区相对时长 0 至 1，纵轴为半音基频，三条均值曲线及灰色正负 1 倍标准误带；2. 比较黑色 CYG-nh 在中前段的隆起与蓝色 ATG-nl、橙色 CYG-nl 的低平凹陷有何不同；3. 观察三者在后段上升支的起点早晚与终点高度是否重合；4. 注意起点附近三条带的重叠程度，判断开头差异是否可靠

论文图 2。原论文 Figure 1：“Mean f0 contours (semitones) within the RoI for ATG (blue), CYG-nl (orange), and CYG-nh (black)”。

从像素可见黑色 CYG-nh 在约 1/4 处先下探后在约 0.4 处形成小隆起，再下探后上升，而蓝色 ATG-nl 与橙色 CYG-nl 在前半段更低平，橙色起点更低且后段上升更早。三者终点都收敛到 5 至 6 半音附近，灰色标准误带较窄，说明均值形态差异主要在中前段与上升起点，而非终点高度。该图支持后续把 CYG-nh 单独分组，但本身未做显著性校正，不能替代两种模型的检验。

复现需要哪些具体配置？

复现多项式支路需要按 token 的半音序列、感兴趣区相对时长、GNU Octave 的 polyfit 实现 10 阶拟合再降为 4 阶并转正交勒让德基，以及 lmerTest 的线性混合模型设定。复现平滑支路需要 Praat 经 R 提取的半音序列、mgcv 的 bam 实现、分组平滑加说话人与 token 随机平滑、3 次回归样条与最大似然模型比较，再用 itsadug 做模型预测平滑与成对差异曲线。原文声明资源状态为本次未能确认可达，没有发现来源绑定且完成超文本传输安全协议状态验证的资源，因此不得声称代码、模型或数据已公开，复现只能按文字步骤重写。

下表整理原文明确给出的数据与采样条件，便于核对被试、任务与信号处理是否一致。表格数字来自全文连续原句，单位保留原文写法。

上述整理显示两条支路在采样间隔与感兴趣区上一致，差异在提取工具与统计结构。代价是 CYG 分组依赖听辨，若分类噪声大，后续显著性会被削弱。原文未报告每类 token 数量与时长分布，这是复现时需要补记的缺项。

多项式结果报告了什么全局差异？

多项式支路的核心问题是 3 类轮廓的全局几何是否可分。原文报告 3 组系数的主效应均显著，事后检验显示 CYG-nh 与另两类在三项上都显著分离，而 ATG 与 CYG-nl 之间不显著。方向是 CYG-nh 斜率更低、曲率更高、N 形分量更高。原文进一步描述 c1 接近或低于零表示整体倾斜减小甚至反向，c2 升高对应更明显的 U 形，c3 升高对应更明显的 N 形，且 c1 与 c3 呈负相关，即越 N 形则越不倾斜。

下表把多项式检验的统计量与方向放在同一行，便于核对哪个系数支持分离，哪个比较未胜出。表中 F 值、自由度与显著性阈值保留原文写法。

表后解释应强调收益与代价。收益是用 3 维低维表示实现类别分离，未胜出项是 ATG 与 CYG-nl 在全局形状上重叠，这恰好支持接触中共存低核变体的判断。代价是系数差异是间接证据，不能定位差异发生在相对时间的哪里，也对边界效应敏感。若只看该表会误以为 CYG 内部完全 2 分，实际上散点存在重叠，需要结合平滑模型的区间定位理解。

下图是三系数空间的发音分布，每个点是一句，颜色区分 3 类。导读时先看整体聚类，再看各轴偏移。

看图路径： 1. 先按图例确认浅蓝 ATG-nl、橙色 CYG-nl、黑色 CYG-nh 三类散点的颜色归属；2. 沿 c1 轴看黑色点是否更靠近零或负值一侧，蓝色与橙色是否重叠；3. 沿 c2 与 c3 轴看黑色点是否整体上移，判断曲率与 N 形分量是否更大；4. 观察 c1 与 c3 的倾斜分布关系，检查复杂度增高是否伴随整体斜率降低

论文图 1。原论文 Figure 2：“Distribution of utterances in the three- dimensional space defined by the first three Legendre coefficients (c1–c3: slope, curvature, and higher-order”。

从像素可见浅蓝与橙色点在左下密集重叠，黑色点整体向右上偏移，尤其在 c1 较小、c3 较大区域形成可辨的簇，但三者交界仍有混杂点。右上少数离群黑点与橙点提示个体或 token 异质性未被完全建模。该图显示全局形状支持两类 CYG 模式，但重叠区说明全局压缩会抹平局部对齐细节，这正是需要平滑模型补充的原因。

平滑模型把差异定位到相对时间的哪里？

平滑支路的核心问题是在控制说话人与 token 变异后，组间差异是否成立以及位于何处。原文报告完整与简化模型比较的整体效应显著，CYG-nh 与 ATG 基线的平滑差异高度显著，但参数项无显著差异，读作整体高度无差异而形状有差异。区间定位显示 CYG-nh 高于 ATG 的显著段在归一化感兴趣区约 29.2% 至 49.5%，对应 CYG 高目标附近。CYG 内部比较的显著段更长，从感兴趣区起点至 55.5%，以及终段上升的 67.7% 至 87.9% 且后者 CYG-nh 更低，与 CYG-nl 上升更早一致。

下表把整体检验、平滑项与显著区间放在同一框架，便于与多项式表对照。显著区间的百分比保留原文精度，不做四舍五入。

表后解释需点明互补性。多项式回答差异是什么形状，平滑模型回答差异在何时。未胜出或反例是参数项不显著，说明不能把 CYG-nh 理解为整体抬高。边界是显著区间依赖归一化时间与随机平滑设定，若改用绝对时长或去掉 token 随机效应，区间可能移动，原文未提供此类消融，因此区间结论应限定在当前设定下成立。

下图顶层为 3 组拟合曲线，中底层为两组成对差异曲线，红色虚线与底部红段标示显著区间。

看图路径： 1. 先看顶层三条拟合曲线及其置信带，确认与原始均值图的对应关系；2. 再看中层 CYG-nh 减 ATG-nl 差异曲线，找出置信带不含零且标红的相对时间段；3. 再看底层 CYG-nh 减 CYG-nl 差异曲线，对比前段显著区间与后段负向区间的范围；4. 注意纵轴是估计差值而非原始半音，零线是判断显著的基准

论文图 3。原论文 Figure 3：“GAMM-derived f0 contours (top) and pairwise difference smooths for CYG-nh vs. ATG (middle) and CYG-nh vs. CYG-nl (bottom). Shaded”。

从像素可见顶层 3 条带在前中段分离而在终点收敛，中层差异曲线在约 0.3 至 0.5 隆起且置信带上移，底层差异曲线前段为正、后段为负，红色标记段与原文百分比区间一致。该图的可执行价值是把全局 N 形分解为中段隆起加后段延迟上升两个时间事件，从而把音系讨论引向核目标对齐与短语末上升斜率的交互。

两种方法的边界与共同局限是什么？

多项式的优势是把曲线视为整体语音对象，适合回答接触中是否整体搬用了语音模式，系数正交且维度低，便于比较上升与下降、U 形与倒 U 形及拐点程度。约束是阶数需预先指定，提高阶数以容纳复杂形状会导致不稳定与过拟合，作为全局函数对局部时间差异不敏感，对边缘效应敏感，在核音与边界调附近可靠性下降，且原生不支持层级随机效应与自相关建模。

平滑模型的优势是样条估计更灵活，边界行为更稳定，能在统一框架内容纳预测变量、交互、随机效应与时间依赖，差异平滑可明确给出差异发生的位置，结合音节边界可讨论对齐与缩放，适合系统内部渐变分析。约束是同样需要预分类，分组来自定性检查，平滑维度与惩罚选择影响区间位置，且结果解释仍需额外的对齐信息才能连接到音系目标。

共同局限是都需要假设驱动的分组，在文献不足或无可靠预分类的语言中难以直接套用。原文建议聚类分析与函数主成分分析作为互补，但未在本数据上实施，因此不能把该建议读作已验证的替代收益。缺失证据不是技术错误，但复现时应记录分类者一致性与阶数稳健性，否则显著性可能被高估。

要复现应先做什么、再验证什么？

复现先做三件事。第一，按原文感兴趣区定义重标核前音节起点到短语末尾，记录每类 token 数、时长分布与听辨标准，以固定分组条件。第二，重跑两条支路的最小可运行流程。多项式按每 10 毫秒半音序列拟合 10 阶再转 4 阶勒让德基并提取 c1 至 c3，平滑模型按归一化时间拟合分组平滑加说话人与 token 随机平滑并输出差异曲线。第三，核对 3 组关键数字是否重现。多项式三项主效应、平滑整体比较与两个显著区间是必须命中的检查点。

还需补两项验证。第一，稳健性检查。改变多项式阶数、平滑基维度或归一化方式，观察 CYG-nh 分离与显著区间是否保持，若区间大幅漂移则应在报告中标注设定依赖。第二，分类敏感性检查。报告听辨者间一致性，或尝试无监督聚类看是否自然恢复两类 CYG 模式。

原文未提供这些结果，因此新验证属于待验证扩展，不应反写为原文结论。资源方面，原文未提供可验证的公开代码与数据链接，本次解读按本次未能确认可达处理，不承诺开箱可运行。

何时值得尝试这种互补建模？

当研究问题同时涉及整体是否相似与局部何处不同时，值得同时尝试两种建模。若只关心接触中是否整体借用了语调形态，可先用多项式系数做全局比较。若关心同一功能下对齐提前或延迟、缩放高低，则需用平滑模型的差异区间定位。若两者都显著且方向一致，如本研究的低斜率加高曲率对应中段隆起加后段延迟，则支持存在两种延续升调模式的判断。若两者冲突，例如全局可分但无稳定显著区间，则应怀疑分组噪声、边界效应或阶数选择，而非直接宣布音系对立。

全局形状 × 时间对齐： 全局形状描述整条曲线在感兴趣区内的倾斜、弯曲与波形复杂度，时间对齐描述高低目标相对于核音节与短语边界出现的位置与缩放。分工是前者判断接触中是否整体搬用了语音模式，后者判断系统内部映射是否发生渐变；搭配理由是接触既可能整体迁移曲线也可能只移动对齐，组合意义在于用互补证据区分整体借用与系统内重组。

最终回答是动态模型揭示了全局形状与结构对齐如何交互，而不是把语调简化为抽象类别或表面相似。本文显示两种方法经验上兼容但视角互补，多项式刻画整体几何，平滑模型定位时间，两者共同说明当代 CYG 延续升调存在低核与高核两种实现，且 ATG 与 CYG-nl 在全局与局部都更接近。这一结论限于年轻被试、半自发任务与给定分组，推广到其他年龄、语体或无预分类场景仍需待验证。

⚖️ 评分明细

评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。

• 评分规则：type-aware-v1
• 评分模型：muse-spark-1.3-contributor
• 评分请求协议：openai_responses

← 返回 interspeech-2026 论文汇总