普通话卷舌擦音不只一种舌形：五位发音人的超声轮廓与无监督聚类初探

英文题目：Tongue-Shape Strategies for Standard Mandarin Retroflex Sibilants: A Preliminary Ultrasound and Unsupervised Clustering Study

会议身份：conference:interspeech:2026:conference-paper-id:jing26b_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：#无监督学习 #语音学与音系 #语音 #语音属性识别

评分：5.1/10 | 创新 1.1/2 | 技术严谨 0.9/1.5 | 实验充分 0.7/1.5 | 清晰度 0.8/1 | 影响力 0.6/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.7/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• Zixi Jing：机构信息未能从会议 PDF 纯文本可靠映射
• C. T. Justine Hui：机构信息未能从会议 PDF 纯文本可靠映射
• Karen Huang：机构信息未能从会议 PDF 纯文本可靠映射
• C. I. Watson：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

标准普通话卷舌擦音研究的输入是载体句中齿龈与卷舌最小对立音节的超声舌面影像，输出是可复现的舌形策略标签与说话人策略偏好分组，难点在于卷舌实现非典型且存在跨地域与个体内变异。该工作先在辅音段内挑选最大收缩单帧并做质心对齐以抑制探头偏移，得到统一坐标系下每token的42点舌轮廓。再构造全局范围与曲率及分段斜率等多维形状描述子并做标准化Ward.D2层次聚类，输出6个细簇并经离群值剔除形成代表性平均轮廓。最后将6个细簇合并为圆顶、驼峰与凹陷3个超策略，并在中心对数比变换后做说话人组合聚类以比较个体分布。与Luo的驼峰与成束二分法相比，该机制差异在于完全由数据驱动发现凹陷类并用圆顶替代成束，从而容纳更宽背景发音人的舌体形态。在5名女性普通话发音人读句语料下，说话人二分组的平均轮廓系数指标为0.626，高于6个细簇的平均轮廓系数指标0.134。结论仅适用于小规模女性普通话读句语料的舌体可见段形态，尚未验证与声学合并格局或地域分布的对应关系。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：要解释的发音现象与学习目标是什么？

这篇解读的输入是会议论文的正文证据与 4 张官方原图像素，目标是让刚进入语音与音频领域的研究生能够核对实验条件并复述方法链条，必须保留的信息包括被试构成、刺激设计、采集参数、轮廓表示、聚类流程、验证指标与发音人分组结果，输出是 1 篇按学习依赖展开的中文技术解读。本文只讲论文实际做的普通话卷舌擦音舌形策略研究，教学中举的例子会明确标为例子，不补充无来源的数值或效果。

普通话有所谓卷舌系列，与齿龈系列构成音位对立，论文研究的是声母位置上的 3 组对立，用国际音标记为塞擦与擦音的齿龈与卷舌对应。白话说，卷舌音的典型想象是舌尖向上向后卷起，用舌尖下侧接近齿龈脊。英文称为 retroflex。论文强调普通话这套卷舌擦音是非典型卷舌，英文为 non-prototypical retroflexes，意思是它们缺乏典型卷舌音那种强烈的后部性，不一定出现系统性的舌尖卷曲。

初学者容易误以为卷舌一定等于舌尖卷起，本文首先纠正这一点：超声主要看到的是舌体区，可比较的是舌体隆起、平坦或凹陷等塑形方式。

卷舌音 × 非典型卷舌： 卷舌音在典型定义中包含舌尖上卷后缩、舌下腔形成和舌体后缩等一组发音属性，它是跨语言比较的参照原型；非典型卷舌指普通话所谓卷舌擦音缺乏强烈后部性、舌尖卷曲并不系统，仍能实现听感目标的一类实现，它承担解释为何同一音位可有多重舌体形态的分工，二者搭配的理由是不能用原型要求去硬套普通话数据，组合意义是把研究目标从验证是否卷曲转向刻画多种舌体塑形策略。

从学习依赖看，先要理解任务不是做语音识别或合成，而是做发音形态的类型学初探。问题是来自不同地域背景、都自认读标准普通话的发音人，在实现同一卷舌目标时是否使用不同的舌形策略，以及这些偏好是否稳定到可以把发音人分组。后续所有方法选择都围绕这个描述性目标，而不是追求分类准确率或声学指标提升。

相关路线比较：声学路线与构音路线各解决了什么？

同输入同目标的既有工作可分为声学路线与构音路线。声学路线输入同样是普通话齿龈与卷舌擦音的录音，目标是刻画两类擦音的声学差异，常用频谱矩特别是重心与共振峰线索。论文引述的北京话与台湾国语研究多属此类，优点是可大规模比较地理分布的合并格局，缺点是声学合并与构音合并并不总是一致，单纯看声学可能漏掉舌形差异。 构音路线输入是超声、电磁构音图等舌运动记录，目标是直接观察舌配置。

北京话超声研究显示许多发音人没有系统性舌尖卷曲，而是用隆起或驼峰等多种舌形实现对立。台湾国语超声研究则主要用来判断齿龈与卷舌是否合并，并报告了相当大的发音人间与语境依赖差异。两条路线运行阶段也不同：声学可在自然语料上大规模跑，构音需要在实验室控制韵母、声调与载体句，样本小但形态信息直接。 与本文最接近的是罗姓作者对普通话齿龈卷舌对立的构音舌形分析，该工作提出驼峰形与簇缩形等类型，英文为 humped versus bunched。

本文的差异在于被试取样更分散，包含海外福建背景与四川、安徽、山西等地背景，目标是从更多样的小样本中重新发现反复出现的轮廓，而不是验证北京中心轮廓是否成立。因此不能把本文与既有工作的类别名称直接当作同条件胜负来比，只能比较取样、韵母控制与聚类是否数据驱动。

研究问题是什么：要回答的具体差异是什么？

论文提出的核心问题是：具有不同地域背景的发音人，在实现标准普通话卷舌擦音时使用的舌配置有何不同。论文把标准普通话界定为发音人自认的普通话目标，而不是规范发音的强制输出，实际语音实现允许变异，正是要研究这种变异。为此论文分解为 3 个可执行步骤：用舌超声记录卷舌擦音发音时的舌配置，在目标帧提取舌轮廓并做无监督聚类以刻画反复出现的轮廓模式，再做发音人层面的成分分析比较个体在已发现类别上的分布。

需要明确的是，本文不做地理分布制图，也不检验合并格局是否与地理结构对齐。讨论部分明确说目标不是映射地理分布，而是在小而背景多样的样本中刻画复现性策略并量化发音人差异，地理对齐留待更大样本检验。初学者应把结论限定为存在多种可行舌体塑形且个体偏好稳定，而不要推广为某地域必然用某策略。

方法全景：一个样本如何走完输入到输出？

先沿一个样本走完全程。假设 5 号发音人读载体句中间第 3 个音节的目标字，该字是卷舌声母加指定韵母的一声音节。录音与超声同步采集后，研究者在辅音区间内挑选收缩最大的 1 帧超声图像，把图像旋转校正到舌尖位于右下方，再用半自动工具描出从舌体后部到舌前部的可见舌面段，得到 42 个点的坐标序列。接着减去该轮廓的质心以消除探头放置与解剖差异带来的整体偏移，保留原始尺度与形状。

然后从该 42 点轮廓计算一组形状描述子，送入不使用发音人身份的 token 层面聚类，得到该 token 所属的 6 个细簇之一，再按形态合并到穹顶形、驼峰形或凹形超策略。最后统计每位发音人 3 类超策略的比例向量，做发音人聚类，输出发音人群体结构。

舌超声成像 × 舌轮廓： 舌超声成像负责在发音过程中实时显示舌面回声图像，它提供原始观测但包含探头偏移和不可见区；舌轮廓负责把目标帧上的可见舌面追踪为 42 个点的坐标序列，它把图像压缩为可计算的形状表示，二者搭配才能从连续视频得到逐 token 可比的形态输入，组合意义是后续形状描述子和聚类都有统一的数值对象。

这个全景中有 3 个关键约束。第一，只分析卷舌 token 的轮廓用于发现策略，齿龈 token 主要作为最小对立的刺激设计存在。第二，轮廓只保留探头可见段，极端舌尖与最靠后舌根在视野外时不纳入，避免把声影遮挡当成形态。第三，发音人身份在策略发现阶段被刻意屏蔽，只在最后的成分分析中启用，这样可以检验策略是否跨发音人复现，而不是被发音人先验带偏。

组件与计算：轮廓如何变成可聚类的特征？

轮廓表示组件的输入是每 token 的 42 点坐标，操作是质心居中，也就是每个点减去该轮廓质心坐标。白话说，就是把整条曲线平移到以原点为中心，但不旋转不缩放。英文称为 centroid centring。这样做保留了曲线的宽窄、高低与弯曲，去除的是探头放偏一点或不同人舌头位置整体偏移的影响。论文明确说保留原始尺度与形状，没有做旋转或尺寸归一化，这一点复现时必须照做，否则峰位置与跨度特征会改变。

形状描述子 × 无监督聚类： 形状描述子负责把 42 点轮廓转写为整体跨度、整体曲率、峰谷位置、前后段斜率、双峰性状和 6 段分段斜率曲率等可解释特征，它承担去除位置偏移并保留形状差异的分工；无监督聚类负责在标准化特征空间中按 Ward.D2 层次聚类发现反复出现的轮廓组，它承担不使用发音人身份先验的分组分工，二者搭配的理由是先把几何差异显式化再让数据自己成团，新增作用是得到 6 个可命名的策略簇而非人工预设类别。

形状描述子组件把居中后的轮廓转写为特征向量，包括整体横纵跨度、整体曲率汇总、峰谷位置索引、前后段直线斜率、双峰性状如双峰指数、谷深、峰间距与峰索引，以及把 42 点等分为 6 段计算的分段斜率与曲率。特征矩阵做标准化后计算 token 间距离，再用 Ward.D2 层次聚类加动态树切分确定簇。网格搜索在候选簇数与切分参数上用综合评分选解，评分同时考虑平均轮廓系数、簇内双峰指数方差、与目标簇数的偏离惩罚和过小簇惩罚。教学例子：可以把该评分理解为既要簇间分开，又要簇内双峰性一致，还要避免碎成过小簇，这只是帮助理解的例子，不是论文给出的权重数值。

策略簇 × 超策略： 策略簇指对单个发音 token 直接聚类得到的 6 个细粒度轮廓组，它保留局部峰形和变异细节；超策略指把六簇按形态合并为穹顶形、驼峰形和凹形 3 个高层类别，它承担压缩稀疏分布以便做发音人比较，二者搭配的原因是细簇数量多且个别发音人样本少，直接比较会不稳定，组合后既保留形态依据又得到可做成分分析的 3 维比例向量。

离群轮廓处理是独立步骤。在每个簇内计算每条轮廓到簇均值的距离，用中位数加 3 倍中位绝对偏差的稳健阈值标记离群并移除，再导出更新后的标签与叠加轮廓图。随后用可解释轮廓描述子做 Kruskal-Wallis 检验并做错误发现率校正，以确认六簇在统计上是否可区分。最后按形态把六簇合并为 3 类超策略：含后部单峰的第 2、4、6 簇为驼峰形，整体较平坦有宽缓隆起的第 1、3 簇为穹顶形，有中线凹陷双峰的第 5 簇为凹形。论文强调没有发现罗氏定义的簇缩形，即中后部更高更紧且前部相对低或后缩的形态，这是与既有框架的主要分歧。

没有神经网络训练时，真正的计算与搜索是什么？

本研究没有训练神经网络模型，也就没有梯度路径、参数冻结与更新、监督损失或早停等概念。必须明确说明未训练的对象是任何声学或图像编码器，实际调用的计算是基于规则与统计的聚类与检验流程，不能把无训练等同于确定性求解，因为层次聚类结果仍依赖特征选择、距离度量、切分参数与随机子采样验证。 真实计算过程分为 3 段。

第一段是 token 层面无监督聚类，输入为标准化形状特征矩阵，操作是 Ward.D2 层次聚类加动态树切分，搜索空间为深分裂参数、最小簇尺寸与候选簇数三到八，目标是综合评分最高，输出是六簇标签。第二段是离群剔除与统计验证，输入为簇内轮廓到均值距离，操作是稳健阈值过滤与 Kruskal-Wallis 加错误发现率校正，输出是剔除后标签与显著性结论。第 3 段是发音人层面成分聚类，输入为 3 维超策略比例向量。

中心对数比变换 × 发音人聚类： 中心对数比变换负责把每位发音人的三部分超策略比例向量从单纯形映射到无约束实数空间，它解决比例之和为 1 带来的共线性和距离失真问题；发音人聚类负责在该变换后空间中用 Ward.D2 层次聚类比较发音人之间的策略组成相似性，它承担发现稳定发音人群体的分工，二者搭配才能用欧氏距离合理度量组成差异，新增作用是把个体偏好问题转化为可做自举检验的群体结构问题。

该段先做中心对数比变换，英文为 centre log-ratio transform，再在变换后空间做 Ward.D2 层次聚类，用平均轮廓系数选发音人组数，并用自举重采样报告近似无偏与自举概率值评估分支稳定性。论文未报告神经网络训练资源、推理延迟或帧率优化，超声帧率是采集设备固定参数，不是模型输出帧率，不能混为一谈。

实验条件：被试、刺激与采集如何控制？

被试条件需要逐项核对。初筛招募 6 位女性普通话母语者，平均年龄 27 岁，均自报无言语或听力障碍史，因超声成像质量差排除 1 位，剩余 5 位进入分析。5 位地域背景分别为新西兰长大但家庭源自福建、安徽芜湖、马来西亚长大家庭源自福建、四川绵阳、山西榆次，均经背景问卷与第一作者评估判定为普通话母语水平。样本小，论文明确定位为探索性，但有意最大化地域与家庭方言背景多样性。复现时若只招北京背景，将无法检验本文关于多样取样的解释。

刺激设计控制韵母与声调。候选字主要来自汉语方音字汇，只保留能同时构成 3 组齿龈卷舌对立的韵母，并限定目标字为高平的一声，以减少声调对舌配置的影响。最终得到 21 组最小对立共 42 个字，覆盖多个韵母的声母对比，另有 76 个不符合严格配对或作填充的字。每字嵌入载体句我把某字读好中，目标字固定在第 3 个音节即中间位置，控制前后音段与韵律位置，被试按随机顺序每句读 1 次。

采集条件方面，音频与超声在隔音室同步记录，话筒经音频接口接入录制电脑，超声为无线探头加 3 维打印支架固定，成像深度 220 毫米，动态范围 80 分贝，帧率为每秒 10 帧。刺激呈现与超声显示分别由两台电脑承担，实验员操作录制。音频与超声先在视频软件中同步，再在辅音区间选收缩最大帧描轮廓。下面表格整理了本节关键的可核对条件，指标方向在此不适用，重点是复现时保持一致。

看图路径： 1. 先看左侧示意图中被试、实验员、两台电脑、音频接口、超声探头与话筒的连接主路径；2. 再看右侧超声图中红色点线舌面的走向与亮带位置，确认舌尖在图像右下方；3. 对照左右两面板，理解音频与超声如何同步采集

论文图 1。原论文 Figure 1：“Experimental setup and an example tongue contour.”。

上图左侧为实验装置示意，右侧为超声舌面示例，阅读时应先确认音频与超声双路同步的主路径，再确认舌面点线的形态含义。右侧红色点线为半自动追踪的舌面，舌尖位于图像右下方，亮带为舌面回声，下方弧形为探头视野边界。该图支持的判断是采集是双模同步且轮廓来自可见段，限制是单帧示例不能代表策略分布，具体分布需看后文聚类图。

主结果：六簇与三超策略给出了什么证据？

要回答的比较问题是：在控制韵母与声调后，卷舌 token 的舌轮廓是否形成可复现的形态分组，以及发音人分布是否不同。公平条件是所有轮廓都经过质心居中且保留尺度，聚类不使用发音人身份，比较指标包括簇可分性、重采样复现性与发音人分布差异显著性，轮廓系数与调整兰德指数越高越好，分布检验的显著性阈值为常规水平。

看图路径： 1. 按 1 到 6 顺序比较每幅小图中黑色均值线的单峰、平坦或双峰走向；2. 观察灰色单 token 细线围绕黑线的离散程度，判断簇内一致性；3. 重点对比第 5 簇中部凹陷与第 2、4、6 簇后部单峰的区别

论文图 2。原论文 Figure 2：“Six strategy clusters after outlier removal (tongue tip on the right). Grey lines indicate individual token contours, and the black line indicates the cluster mean.”。

上图为剔除离群后的 6 个策略簇叠加轮廓，横轴为居中后横坐标，纵轴为居中后纵坐标，舌尖在右侧。每幅小图中灰色细线为单个 token 轮廓，黑色粗线为簇均值。可以执行观察：第 1 与第 3 簇均值线宽缓平坦，第 2、4、6 簇在右侧后部有较集中的单峰，第 5 簇左右各一峰且中部明显下凹。该图支持六簇在形态上可区分，但灰线离散显示簇内仍有变异，不能把均值线当作每位发音人的固定形状。

下表第二张整理了论文直接报告的验证数字，比较对象不是可部署基线，而是统计与稳定性参照。需要同时核对指标、聚合对象与显著性口径，不能把不同指标的差值混放一列。

表后解释如下。

论文报告 21 个检验特征中有 20 个在错误发现率校正后仍显著，仅第 4 段曲率不显著，这支持六簇不是随机划分。代价是平均轮廓系数仅 0.134，说明簇间边界并不锐利，80% 子采样的调整兰德指数均值 0.541 也只是中等稳定，因此六簇应理解为反复出现的倾向而非硬类别。未胜出项是第 4 段曲率，它提醒并非所有局部特征都有效，复现时不应单独用该特征做分类。

看图路径： 1. 先看横轴 1 至 5 号发音人与纵轴比例 0 到 1 的堆叠结构；2. 比较 1 号全穹顶形与 2、3 号几乎全驼峰形的极端偏好；3. 再看 4 号凹形为主与 5 号驼峰加穹顶混合的过渡形态

论文图 4。原论文 Figure 4：“Bar plot of speaker-level strategy proportions (out- liers removed).”。

上图为剔除离群后每位发音人的超策略比例堆叠条形图，纵轴为比例，横轴为 1 至 5 号发音人，深灰、中灰与浅灰分别对应穹顶形、驼峰形与凹形。可以执行观察：1 号几乎全为穹顶形，2 号与 3 号几乎全为驼峰形，4 号以凹形为主并含部分穹顶形，5 号为驼峰形与穹顶形混合。该图支持发音人偏好强烈且系统不同，蒙特卡洛卡方检验显著，但限制是每人样本量小且仅女性，条形高度不能推广为地域规律。

下表整理了论文直接报告的采集与语料规模数字，用于核对样本量与成像口径，不能把配置参数误读为结果指标。

表后解释如下。

本表数字均为采集与表示口径而非效果指标，Six 与 27 years 界定样本规模，21 minimal pairs (42 characters) 界定对比覆盖，42 界定轮廓分辨率，220 mm 与 80 dB 及 10 frames per second (fps) 界定成像条件。复现时应先对齐这些口径，再比较六簇验证指标与发音人分布差异，不能用采集参数直接论证形态可分性。

反证与分组稳定性：发音人聚类经得起扰动吗？

本节承担反证任务：若超策略组成没有发音人结构，则发音人聚类应不稳定且分支支持度低。论文用两种方式检验。首先按中心对数比变换后的 3 维比例做 Ward.D2 层次聚类，用平均轮廓系数选组数，最优为两组，轮廓系数均值 0.626，分为 1 与 4 对 2、3、5，树状图中后一组内还显示 2、3 相对接近而 5 相对分离。其次用自举重采样报告关键分支的近似无偏与自举概率值，在当前设置下关键分支均为 1.00，提示分支稳定。

看图路径： 1. 先找到最顶层分支左右两大组的划分位置；2. 再看右侧 1 与 4 合并、左侧 5 先分出、2 与 3 最后合并的层级顺序；3. 结合分支高度理解组间距离大于组内距离的含义

论文图 3。原论文 Figure 3：“Speaker dendrogram based on super-strategy distri- bution.”。

上图为基于超策略分布的发音人树状图，标题中分组一词与正文超策略对应，阅读时应先确认顶层两大分支，再确认下层细分。可以看到右侧 1 号与 4 号先合并，左侧 5 号先分出，2 号与 3 号最后合并，这与条形图中 1 号穹顶形、4 号凹形为主但共享非驼峰主导，以及 2、3 号驼峰主导的观察一致。但必须指出，该稳定结论依赖当前小样本与自举设置，论文未报告跨韵母、跨声调或留一发音人等更强扰动下的稳定性，也未检验声学重心等指标是否同步分组，因此不能把该树状图当作地域分类。未评测边界包括男性发音人、不同探头固定方式与更高帧率下的轮廓变化。

限制是什么：哪些结论不能从现有证据推出？

论文直接报告的限制是样本有限且为探索性，仅 5 位女性发音人，地域多样但每类地域只有 1 人，不能做地理建模。超声帧率每秒 10 帧较低，可能错过收缩峰值帧的精确时刻，目标帧选择依赖人工判断最大收缩，存在操作变异。超声视野只覆盖从舌体后部到舌前部的可见段，极端舌尖与舌根在声影遮挡时缺失，因此论文明确避免对舌尖卷曲做直接观察断言，只能谈舌体形状策略。

初学者常见误解是把穹顶形、驼峰形、凹形理解为舌尖动作，这是不准确的，它们是可见舌体轮廓的形态标签。 统计上的限制同样重要。六簇平均轮廓系数 modest，说明类别边界模糊，合并为三超策略是作者基于形态的解释性合并，不是聚类算法自动输出的 3 类，复现时若直接设簇数为三可能得到不同划分。发音人聚类的高自举值不能掩盖每人 token 数少的问题，个别离群剔除或韵母不平衡就可能改变比例。

论文未测量误判率、延迟、成本或声学可懂度改善，因此不能承诺这些量得到优化。相关性也不是因果，策略偏好与地域背景的共现不能推出地域决定策略，仍待验证。

复现先做什么：按什么顺序重建方法链？

复现应按数据、表示、发现、比较的顺序推进，每步保留关键参数与信息条件。第一步重建刺激与采集：按 21 组最小对立共 42 字加填充字的结构准备一声音节表，嵌入固定载体句第三音节位置，随机呈现，在隔音条件下同步录制音频与超声，记录成像深度 220 毫米、动态范围 80 分贝、帧率每秒 10 帧与探头固定方式。若帧率更高，需单独说明与原文的可比性，不能直接合并。

第二步重建轮廓：同步后在辅音区间选最大收缩帧，旋转校正到舌尖右下，用半自动工具描出可见段 42 点轮廓并保存坐标，只保留后部舌体到前部舌叶段，缺失段如实记录。

第三步重建特征与聚类：对每条轮廓做质心居中，不做旋转与尺寸归一化，计算跨度、曲率、峰谷、前后斜率、双峰性状与 6 段分段特征并标准化，用 Ward.D2 层次聚类加动态树切分在候选簇数三到八上网格搜索，以综合评分选解，再用簇内到均值距离加中位约 3 倍中位绝对偏差剔除离群，最后用 Kruskal-Wallis 加错误发现率校正验证。

第四步重建超策略与发音人比较：按形态把六簇合并为穹顶形、驼峰形、凹形，计算剔除离群后每人比例，做中心对数比变换后 Ward.D2 聚类并用轮廓系数选组数，加自举评估分支。资源状态方面，本次未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，不得声称代码、模型或数据已公开，复现需自行实现上述流程。

何时值得尝试这种数据驱动的构音分组？

当研究目标是刻画同一音位的多重实现而非提升识别分数，且已有小规模超声数据但缺乏先验类别时，本文的先做 token 聚类再做成分比较的路线值得尝试。它的价值在于把形态差异显式化为可检验的簇，并把个体偏好压缩为可比较的比例向量，适用于发音人背景多样的探索阶段。反之，若目标是实时分类或临床诊断，则每秒 10 帧、人工选帧与半自动描轮廓的流程不具备部署条件，还需补高帧率、自动追踪一致性与跨设备泛化验证。

回到中心矛盾：普通话卷舌擦音听感目标相似，但舌体塑形可以不同。本文用中等稳定的六簇与显著的发音人分布差异支持了多策略观点，同时以适度分离度与小样本提醒类别边界模糊。后续验证应扩大样本并纳入男性与更多韵母声调条件，联动声学重心等指标检验策略标签是否对应可听差异，并用电磁构音图或气流压力等互补手段直接评估舌尖与收缩机制，才能把形态策略与发音机制更稳固地连接起来。

⚖️ 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