词中塞音为何变弱：用强度曲线的函数主成分统一度量九种语言的延续弱化

英文题目：Cross-linguistic word-medial stop lenition: A Functional PCA approach

会议身份：conference:interspeech:2026:conference-paper-id:lee26p_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 #语音学与音系 #韵律 #多语言 #语音属性识别

评分：7.3/10 | 创新 1.3/2 | 技术严谨 1.2/1.5 | 实验充分 1.0/1.5 | 清晰度 0.8/1 | 影响力 1.0/1.5 | 开源 1.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.7/1.5

排名：前50% | 文档类型：应用研究

👥 作者与机构

• Seung Suk Lee：机构信息未能从会议 PDF 纯文本可靠映射
• Morgan Sonderegger：机构信息未能从会议 PDF 纯文本可靠映射
• Meghan Clayards：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文输入为九语言大规模对齐语料中的元音间塞音序列/V1CV2/，输出为词中相对词首是否更弱化的判定，难点在于弱化同时体现为时长缩短与强度凹陷变浅且跨语言实现方式不一。先从/V1CV2/切段中提取强度包络并归一化得到可比强度轮廓，再将该轮廓输入跨语言混合函数主成分分析以分离凹陷大小与过渡陡峭度并输出第一主成分权重作为弱化度量，最后将该权重与对数时长共同输入贝叶斯混合效应回归以在控制语速与音段协变量下估计词中相对词首的差异。与以往依赖极值点查找凹陷深度或斜率的方法相比，该机制无需定位极小值因而保留极端弱化甚至近似擦除的token，避免丢弃最值得关注的弱化样本。原文未提供可核对的关键定量结果。浊塞音在多数语言中同时呈现更短时长与更浅强度凹陷的定性趋势支持连续性弱化假设，但结论适用边界受限于词首与词中音节首的读出与自发语料对比，尚未验证更大韵律层级与听者利用该线索的因果链。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 代码相关资源：https://doi.org/10.17605/OSF.IO/CE65H → https://osf.io/ce65h/ — 链接可访问（HTTP 200） 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

要回答什么：词中塞音变弱是否同一种现象？

输入是本篇论文的原文证据与两张官方原图像素，目标是让刚进入语音学的研究生能核对方法并复述流程，必须保留的关键信息是任务定义、9 种语言的语料条件、强度轮廓加函数主成分的度量做法、时长与弱化双通道模型设定、主结果的分布格局以及例外解释，输出是 1 篇按学习依赖展开的中文技术解读。

塞音弱化这个白话说法是指塞音发得不那么塞，英文名是 stop lenition。典型的塞音在强度上会形成一个深而陡的凹陷，因为发音器官先完全关闭再维持一段时间，声音能量骤降。弱化后闭合不完全，可能发成擦音或近音，凹陷变小变浅，闭合段也变短。延续弱化这个白话说法是指韵律成分内部的弱化提示延续，英文名是 continuity lenition。它假设词中变弱的塞音告诉听者当前韵律成分还没有结束，有助于切分出词的边界。

延续弱化 × 域首强化： 延续弱化分工是描写韵律成分内部辅音变弱、提示延续，域首强化分工是描写大韵律成分起点辅音变强变长，二者搭配理由是同一边界的两侧观察，组合意义是把词中更弱和词首更强统一为切分线索的正反两面，本文检验其中弱化一侧是否跨语言成立。

已有线索显示这种词中弱化很常见，但比较困难在于过去每个研究只看少数语言，且用实验室语音和各自不同的弱化操作定义。有用陡度定义的，有用下降幅度的，有用上升段的，极度弱化到找不到明显谷底的 token 甚至会被丢掉可达 10%，恰恰可能是最值得看的样本。因此本文的研究问题很直接。第一，跨语言看词中延续弱化有多一致。第二，不同塞音类型是否一致，包括鼻塞音、浊口部塞音、清口部塞音，韩语则细分为鼻音、 lenis、送气和 fortis。本文假设所有词中塞音都比词首更弱，但语言和类型可能分化为只变短不变浅，或只变浅不变短。

已有路线如何各说各话？

同输入同目标的直接前人工作是若干单语或少数语言的弱化与强化研究。英语和首尔韩语的鼻音研究发现大韵律成分首的鼻音时长更短或强度变化更陡，作者把这解释为域首更像辅音、域中更像元音，与延续弱化一致。法语、西班牙语、韩语等语言的强度凹陷研究建立了词位置效应，但各自取不同的强度指标。另一条同目标路线是类型学层面的词首辅音更长趋势，在 51 种语言多样样本中 43 种语言得到确认，被引为普遍的切分线索。

同监督同运行阶段的对照是跨语言语料语音学的新做法，用统一流程处理大规模强制对齐语料，而不是每个语言重新设计指标。本文沿用这条路线，把读出语音和自发语音都纳入统一方法。区别在于本文不比较不同实验室指标的大小，而是用同一个函数主成分权重跨 9 种语言直接比较词中减词首的差值。教学例子是，如果把过去做法比作每个语言用不同的尺子量凹陷深度，本文做法是先把所有语言的曲线放在一起学一把公共尺子，再用这把尺子分别量每个语言的词首词中差异。

任务如何形式化：比较的是哪两类 token？

任务不是识别音素，也不是合成语音，而是估计词位置对塞音实现的效应。输入样本是形如元音加塞音加元音的序列，记作 V1CV2，其中 C 是鼻塞音或口部塞音，出现在词首音节首或词中音节首。输出是两类估计，一类是强度弱化程度的差异，一类是对数时长的差异，都是词中减词首。负值表示词中更弱化或更短。

沿一个样本走完全程有助于理解。假设有一个法语词中浊塞音 token，前后都是元音。先取出包含 V1CV2 的整段音频，每 10 毫秒测一个强度值，得到一条随时间起伏的曲线。再把辅音边界作为界标进行时间规整和平滑，并在每个 token 内部做中位数中心化，使曲线表示相对邻近元音的强度变化。然后把该曲线的第一主成分权重作为弱化分数，把该辅音的对数时长作为时长分数。

最后在控制语速、发音部位、邻近元音高低和音节可预测性等协变量后，比较同语言同类型中词中 token 与词首 token 的边际中位数差异。指标方向是差值小于零支持弱化假设，区间是否跨过零决定是否显著。

方法全景：从波形到词位置效应的三段流水线

流水线分为 3 段。第一段是语料与 token 抽取，覆盖 GlobalPhone 7 种语言、英语 LibriSpeech 子集和首尔韩语自发语料，共约 1,470,000 个 V1CV2 实例。第二段是度量构造，用跨 9 种语言合并的强度轮廓学出函数主成分，第一主成分同时编码凹陷大小和过渡陡度。第 3 段是统计建模，每个语言分别拟合两个贝叶斯混合效应线性回归模型，一个预测标准化主成分权重，一个预测标准化对数时长，再用模型算出词中减词首的边际中位数差。

函数主成分分析 × 强度轮廓： 强度轮廓分工是提供每 10 毫秒一个点的时变观测，记录元音-塞音-元音段的能量起伏，函数主成分分析分工是把整条对齐后曲线的形状差异压缩为权重，搭配理由是避免只取极值点而丢掉极度弱化 token，组合意义是用第一主成分权重同时刻画凹陷大小和过渡陡度，作为可比较的弱化度量。

关键设计是跨语言合并学主成分、分语言拟合效应。合并学保证弱化标尺一致，分语言拟合允许效应大小和通道分化不同。连续预测变量和因变量都在每个语言内标准化，以 2 倍标准差为尺度，使词位置效应跨语言可比。随机效应包括说话人、按音节位置索引的词、具体 VCV 序列，并带有词位置和塞音类型的随机斜率。首尔韩语的 4 类塞音在呈现时把 fortis 和送气归入清塞音组，把 lenis 归入浊塞音组。

度量组件如何工作：第一主成分捕捉什么？

先解释符号与输入。输入是每个 token 的中位数中心化强度曲线，横轴是规整后的归一化时间，纵轴是相对 token 中位数的强度。函数主成分分析输出若干条特征曲线和每个 token 的权重。第一主成分是解释方差最大的形状方向，原文报告它解释了全部变异的很大一部分，数值见实验条件表引文。权重越高表示曲线越偏向红线一侧，权重越低越偏向蓝线一侧。

计算目标是得到一个不依赖寻找极值点的弱化分数。过去基于谷底和峰值的方法需要先找到明确的下降和上升转折，极度弱化样本没有清晰谷底就会被剔除。本文方法对整条曲线加权投影即可得分，因此保留了这些样本。原文明确的实现是先以辅音边界为界标做配准，再平滑，再做 token 内中位数中心化，再跨语言合并做函数主成分分析。

时长缩短 × 强度弱化： 时长缩短分工由对数音段时长的混合效应模型估计，强度弱化分工由标准化主成分权重的混合效应模型估计，搭配理由是弱化可能只影响二者之一，组合意义是把词中减词首的差值放在 2 维平面上判断属于更短、更弱化、兼有或皆无，避免只看时长得出普遍性结论。

验证该主成分确实与弱化有关的做法是看它能否按预期区分塞音类型。在每个语言中模型预测的排序都是鼻音小于浊塞音小于清塞音。白话是鼻音的强度凹陷最小最平，清音最大最深，浊音居中。这与发音常识一致，支持把该权重读作弱化程度，权重越低表示越弱化。教学例子是，同样是元音包塞音，鼻音段仍有鼻腔能量通过所以谷底浅，清塞音完全关闭所以谷底深，主成分权重正好把这种连续差异排成 1 维。

没有神经网络训练时，计算发生在何处？

本研究没有训练神经网络声学模型，也没有更新任何编码器参数，因此不存在梯度路径、冻结层或早停等概念。真实的计算发生在三处。第一处是函数主成分分解，本质是对协方差算子的特征分解，得到特征函数和权重，没有监督标签。第二处是贝叶斯混合效应回归的后验采样，用哈密顿蒙特卡洛在 Stan 软件经 brms 接口拟合，每个语言 2 个模型，固定效应 flat 先验，随机效应方差用 Student-t 先验，相关用 LKJ 先验，采样设置为四链每链 4000 次迭代一半预热。第三处是边际估计，用估计边际均值方法算出控制协变量后的中位数差及其最高后验密度区间。

需要指出的缺项是原文未报告链收敛诊断、有效样本量或拟合时长，也未报告硬件预算。复现时应把这部分当作待补记录，而不是默认采样一定收敛。另一缺项是配准与平滑的具体带宽参数未在证据片段中给出，需回到代码仓库核对。当前可确认的是代码已公开，资源状态为可用，链接见复现节。

实验条件：语料、划分、协变量与可比性如何保证？

比较问题是词中相对词首是否更弱，公平条件是同一语言同一塞音类型内比较，并控制语速、发音部位、邻近元音高度和音节可预测性等主要协变量，指标方向是标准化对数时长差和标准化主成分差小于零为弱化。语料风格并不完全一致，7 种 GlobalPhone 语言和英语为读出语音，韩语为自发语音，这构成后续解释韩语大效应的一个混杂。

下表整理语料规模与 token 总量，数字与单位保留原文写法，表头单位与裸值按原文呈现。表前已提出比较问题与公平条件，表后将解释规模差异带来的统计精度差异。

表后解释是规模差异主要影响区间宽度而非效应方向。大语料使英语和 GlobalPhone 各语言的区间较窄，小而异质的自发语料使韩语估计更易受语体和词汇结构影响。未胜出项在设计阶段就存在，词重音信息在 GlobalPhone 发音词典中缺失，韩语本身无词重音，因此主模型未纳入重音，只能用 5 种语言的补充分析检验稳健性。聚合对象是模型估计的边际中位数差，不是原始均值差，跨语言比较的是标准化后的差值。

补充的实验条件细节见下表，同样保留原文数值写法。主成分解释方差、采样设置和类型学背景比例是复现时必须对齐的数字。

表后总结是这些条件数字共同保证跨语言比较的公平性。主成分信息量确认弱化维度有效，采样配置保证后验稳定，类型学比例提供普遍性先验，标准化与随机结构则让词中与词首的差值可在同一尺度上解释，任何一项错位都会削弱结论的可重放性。

主结果：哪类塞音最一致，哪类分化？

测试对象是每语言每塞音类型的词中减词首差值，比较条件一致，指标方向已如前述。总体格局是大多数格子落在左方、下方或左下方，即更短、更弱化或兼有。浊塞音最一致，在 9 种语言中 8 种同时更短且更弱化。鼻音和清塞音分化明显，有的语言只变短不更弱化，如英语和瑞典语鼻音，有的只更弱化不变短，如法语鼻音、西班牙语浊音、俄法西清音和韩语 fortis。

以下导读针对主结果散点图，横轴为标准化对数时长差，纵轴为标准化主成分差，三列分面为鼻音、浊塞音、清塞音，颜色表示 4 种组合，须线为 95% 最高后验密度区间。该图是全文最关键的证据，阅读时先定分面再定象限。

看图路径： 1. 先看三列分面分别对应鼻音、浊塞音、清塞音，再看横轴为时长差、纵轴为主成分差；2. 再找横竖虚线零点，判断点落在左下方、左方还是下方以区分兼有、仅短、仅弱化；3. 再对比韩语鼻音和浊塞音点明显偏下，以及韩语送气和瑞典语清塞音点落在零线上方；4. 再看须线表示的 95% 最高后验密度区间是否跨过零线以判断显著性

论文图 1。原论文 Figure 2：“Model-estimated differences in marginal median standardized log duration (x-axis) and standardized PC1 (y-axis) between word-medial and word-initial stops.”。

解释该图可见内容时抓住三点。第一，中部和左下聚集了大量黑色点，表示兼有两种弱化，这是普遍性所在，尤其是中列浊塞音除西班牙语外几乎全在零线左侧和下方。第二，左下最突出的韩语鼻音和韩语 lenis 点明显低于其他语言，表示强度弱化幅度最大，但需结合语体差异谨慎解读。第三，右列上方两个粉色点为韩语送气和瑞典语清音，落在零线上方，表示词中反而更不弱化，是明确的例外。

右列蓝色点为法语、西班牙语、俄语清音和韩语 fortis，落在纵轴零下而横轴零附近，表示只弱化不缩短。西班牙语鼻音靠近原点且区间跨零，表示 2 通道皆无差异。原文报告显示例外只有三处加若干单通道缺失，其余都支持假设，没有出现词中系统性 fortition 的反向格局。

重提结果时增加适用条件。普遍性说的是方向而非幅度，听者不能只靠时长切分，因为有些语言的弱化只体现在强度过渡上。这正是双通道建模的价值，单看时长会低估法语鼻音和西班牙语浊音等格子的效应。

词重音是否抢走了词位置的效应？

补充分析的动机是词位置与词重音混杂。在英语和德语中重音多在词首，强音节本身发得更强更长，如果不控制重音，词首强可能是重音强。作者对有部分重音信息的 5 种语言重拟模型，英语、德语、俄语、西班牙语和瑞典语，瑞典语实为词汇声调但按词汇 prominence 处理。结果是重音本身显著，非重读音节首的塞音更短更弱化，但词位置效应并未消失，只是幅度变化，瑞典语鼻音原本就小，加入重音后消失。

以下导读针对重音对照图，行是 5 种语言，列是 3 类塞音，十字为未加词重音估计，圆点为加入词重音估计。该图的作用是做稳健性检验，不是替换主结果。

看图路径： 1. 先按行找到英语、德语、瑞典语、俄语、西班牙语，按列找到鼻音、浊音、清音；2. 再区分十字为未加词重音模型、圆点为加入词重音模型，观察同一格内两点是否同向移动；3. 再看英语和德语格内位移较大而俄语和西班牙语位移较小，联系重音是否偏向词首

论文图 2。原论文 Figure 3：“Model-estimated differences in marginal median standardized log duration and standardized PC1 (word-medial minus word- initial).”。

解释可见内容时注意位移模式。英语和德语格内十字与圆点距离较大，说明混杂较重，因为过半重读音节在词首而几乎没有非重读音节在词首。俄语和西班牙语位移较小，说明词位置效应相对独立。瑞典语清音行在两种模型下都靠近原点偏上，支持词典将词中 geminate 记作单音的伪影解释。整体是效应缩小而非反转，支持词位置仍有独立信息。

词位置 × 词重音： 词位置分工是区分词首音节首与词中音节首，词重音分工是区分重读音节首与非重读音节首，二者搭配理由是在英语和德语等语言中重音偏向词首而互相混杂，组合意义是通过纳入重音的补充模型检验词位置效应是缩小还是消失，从而判断切分线索是否由二者汇合提供。

未评测边界是 GlobalPhone 其余语言和韩语没有重音对照，韩语无重音则无法做同法检验。另一个边界是重音标注只覆盖部分词，补充样本与主样本不完全等同，比较时应视为敏感性分析而非同样本消融。

哪些例外与近似限制了结论？

4 个例外各有语言学或语料解释。西班牙语浊音只有弱化没有缩短，与文献中塞音弱化已音系化的论述一致，即时长不再随韵律位置变化。瑞典语词中清音和鼻音异常偏强偏长，作者归因于发音词典把只出现在词中的 geminate 记作单音，人为抬高了词中的时长和凹陷。韩语 fortis 词中更长但更弱化，复现了前人闭合时长发现并补充了强度维度。韩语送气词中更不弱化，作者推测与词首送气后元音清化有关，清化元音强度低使词首过渡显得更连续，从而主成分权重更低。

方法近似有两处。第一，强制对齐精度跨语言可能不一致，尤其高度弱化或脱落 token 的边界，这是用同一对齐工具也无法完全消除的。第二，词是韵律结构的近似，词中塞音可靠地落在韵律词内部，但词首塞音可能在更大成分首也可能不在，韩语类后缀式书写词总是与前词连读就是 1 例。作者认为这引入的是噪声而非单向偏置，因为方向混杂都有可能。相关性不是因果，本文显示的是大规模观察下的系统关联，没有做感知实验来证明听者确实用该线索切分，感知部分引用的是前人工作。

复现先做什么：数据、代码与参数清单

复现起点是拿到同样的 token 划分与测量，而不是重新训练模型。先用 PolyglotDB 查询 V1CV2 序列，用蒙特利尔强制对齐器版本核对边界，再按每 10 毫秒测强度、界标配准、平滑、token 内中位数中心化、跨九语合并学函数主成分的顺序重做。随后按语言分别拟合两个贝叶斯模型，连续变量做语言内标准化，随机效应包含说话人、按位置索引的词和 VCV 序列，并带词位置与类型的随机斜率。

关键超参数与信息条件是四链 4000 次迭代一半预热、flat 固定效应先验、Student-t 方差先验和 LKJ 相关先验，以及用边际均值包计算边际中位数差。代码当前可用，已公开在 DOI 对应的开放科学框架仓库，可核对完整模型设定与补充的重音结果。数据方面 GlobalPhone、LibriSpeech 与首尔语料需各自获取并遵守许可，对齐词典尤其是瑞典语 geminate 转写需单独检查，否则会复现出同样的词中偏强伪影。还需补的验证是收敛诊断记录、不同平滑带宽下的主成分稳定性，以及用朗读韩语语料分离语体与语言效应。

何时值得尝试这种度量？

当研究问题是跨语言比较弱化程度，且样本包含大量极度弱化 token 时，值得尝试整条曲线的函数主成分度量，因为它不依赖寻找谷底峰值，避免丢掉最感兴趣的样本。当问题只关心某一语言的时长切分线索时，单看时长可能足够，但本文显示只看时长会漏掉法语鼻音和伊比利亚语言清音等只弱化不缩短的格子。

对听者机制的启示是普遍方向加语言特定通道。普遍方向是词中更弱，支持作为潜在的切分线索。语言特定是弱化走时长还是走强度过渡，听者必须学习本语言的线索权重。韩语鼻音的大效应提醒注意正在进行中的首辅音去鼻化音变，而瑞典语例子提醒先查词典转写再谈例外。未来工作是扩展更多语言以检验普遍性，并补上感知权重与产出分布的直接对应。

⚖️ 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