同一组声调在不同元音里为何长得不一样：三高度与四高度湘方言的证据

英文题目：Tonal Contrasts in Different Vowel Contexts and Different Tonal Systems

会议身份：conference:interspeech:2026:conference-paper-id:li26v_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 #语音 #语音属性识别

评分：5.6/10 | 创新 1.3/2 | 技术严谨 1.2/1.5 | 实验充分 0.8/1.5 | 清晰度 0.7/1 | 影响力 0.8/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.5/1.5

排名：前50% | 文档类型：应用研究

👥 作者与机构

• Mingxing Li：机构信息未能从会议 PDF 纯文本可靠映射
• Pauline Bolin Liu：机构信息未能从会议 PDF 纯文本可靠映射
• Yufeng Chen：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文输入为湘方言寿雁与梅花最小对立单音节词的载体句朗读，输出为基频轨迹、均值、时长、强度与嗓音质量的多维声学刻画，难点在于元音固有音高与擦音摩擦噪声会污染调位判断，且三高度与四高度调层系统可能调用不同线索。录制与切分先获得可比元音段并提取基频与VoiceSauce声学参数，线性混合效应模型与增长曲线分析再检验调类与元音语境的主效应及交互，XGBoost结合SHAP最终量化各类线索对调类区分的相对贡献。前一步的声学参数与统计检验结果直接进入下一步的特征重要性排序，使时长与嗓音线索可与基频线索同台比较。与只看基频均值的传统描写相比，该链条把时长、强度与谐噪比等嗓音维度纳入同一可解释排序，能揭示高调更短更响更周期化的跨线索协同，高元音语境下调位分化与声门紧张度差异更大。原文未提供可核对的关键定量结果。结论仅适用于成年男性朗读体单音节，女性、自然语流与感知权重尚未验证。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，目标是什么，读完要能复述什么？

本文的输入是两个湘方言自然朗读的单音节词录音，目标是说明同一组以高度区分的平调在不同元音里如何实现，以及三高度系统与四高度系统是否依赖不同数量的声学线索。作者要回答 3 个具体问题：不同高度的调在基频之外的时长、强度与嗓音质量上有何系统差异；卷舌元音[ɹ̩]、高前元音[i] 与低后元音[a] 是否改变同一对立的实现方式；区分 3 个高度与区分 4 个高度是否需要不同权重组合。

为此必须保留的关键信息是材料与测量口径。材料是守言话与梅花话各一组在 3 个元音上最小对立的词，发音人是分属两地的男性母语者，载句统一为我读某九回，每个词读九遍。测量覆盖元音段上的基频轨迹与平均基频、时长、强度，以及用嗓音分析工具得到的 H1 星减 H2 星、谐噪比、倒谱峰突出度与激励强度等嗓音质量指标。统计一侧用线性混合效应模型与生长曲线分析检验高度、斜率与曲率，另一侧用梯度提升树加沙普利解释评估多线索的相对重要性。

本文按学习依赖展开：先讲声调多线索与元音固有音高的背景，再讲卷舌元音与调系规模的已有对照，然后进入两地方言的材料、录音与建模全景，接着分基频、时长强度与嗓音质量讲结果，最后讲复现要点与适用边界。初学者读完应能复述每个结论的比较对象与例外，而不是只记住高调短、低调长这类口号。

基频 × 声调： 基频指声带振动每秒次数决定的物理量，声调指用音高区分词义的音系类别，二者搭配的理由是基频轨迹是声调最直接的声学相关物，但同一声调在不同元音中基频实现会漂移，因此只看基频会把元音固有音高的影响误读为调类差异，必须同时看时长与嗓音质量才能确认对立是否稳定。

白话来说，基频是每秒声带振动次数对应的听感高低，声调是用这种高低区分妈与骂等词义的类别。英文是 fundamental frequency 即 F0 与 tone。只看平均高低容易得出调类分明的印象，但元音本身有固有音高，例如高元音[i] 常比低元音[a] 的基频略高。若不控制元音语境，就会把元音带来的整体上移误认为调类上移。本文把元音语境作为固定效应同时建模，正是为了分离这两层来源。

同输入同目标的前人做了什么，本文的增量在哪里？

在声调多线索路线上，前人已指出基频之外还有时长、强度与发声态的整合作用。黑苗语 5 个平调的研究被本文引用为关键对照：在高度层级很多时，仅靠基频可能不够，发声态会被征用来区分不同高度。另一条路线是元音固有音高：英语男声[i] 平均基频高于[a]，普通话第一声在[i] 中平均基频高于[a] 语境，这些都说明同一调类在不同元音中有不同的绝对实现。

在卷舌元音路线上，前人把这类音节性近音描写为与前面的咝音同部位，并指出其带有摩擦噪声。在汉语方言中这类元音分布较广，而声调在卷舌元音中的谐噪比低于非卷舌元音已有个案报道。这意味着卷舌语境不仅是共振峰不同，还可能系统性地引入噪声并改变周期性测量。

在调系规模路线上，前人比较过两声调、三声调、四声调与六声调等不同调库，并观察到较大的调库不一定对应更宽的基频范围。本文的增量是把 3 条路线压到同一实验设计中：同一批声学指标、同一 3 个元音、两个同为六声调但平调高度层级不同的湘方言，从而直接比较元音效应与调系效应，而不是跨研究拼凑结论。

卷舌元音 × 嗓音质量： 卷舌元音指舌尖参与成音节的通音如[ɹ̩]，其分工是提供与[i] 和[a] 不同的声道形状与摩擦噪声条件，嗓音质量指 H1*-H2*、谐噪比与倒谱峰突出度等反映声门开合与周期性的指标，二者搭配的理由是卷舌带来的噪声会直接压低周期性测量，因此在卷舌元音上比较高低调时必须区分调类效应与元音本身的噪声效应。

初学者容易把卷舌元音当成普通元音加卷舌色彩。更准确的动作是把它理解为可成音节的舌尖近音，其噪声与周期性天然不同于[i] 与[a]。嗓音质量的英文是 voice quality，包括 H1 星减 H2 星反映的开放商差异、谐噪比反映的周期与噪声能量比、倒谱峰突出度反映的谐波清晰度等。正因为卷舌自带噪声，若发现卷舌上低调更嘈杂，不能直接断言是调类发声态，还需看高调在同一元音中是否同样变嘈杂，这正是后文分元音建模的动机。

要检验的具体问题与可证伪的预期是什么？

本文把大问题拆成可检验的小问题。第一，不同高度的调是否有稳定的非基频差异，例如高调是否更短、更响、更周期。若该预期成立，则在两个方言与 3 个元音中应重复出现方向一致的差异，而不是只在某一元音中出现。

第二，元音语境是否改变同一对立的权重。一个可证伪的预期是高前元音[i] 上的调域更宽，即最高调与最低调的基频距离在[i] 中大于[ɹ̩] 与[a]。若数据相反，则说明固有音高没有简单地拉开调域。另一个预期是嗓音质量的调间差异在[i] 中更大，在卷舌中更小，因为噪声压缩了可用的发声态空间。

第三，调系规模是否改变线索数量。守言在平调附近区分 3 个高度，梅花区分 4 个高度。若高度越多越依赖多线索，则梅花的分类模型中除平均基频外应有更多嗓音与时长特征获得不可忽略的贡献，而不是仅靠平均基频拉开 4 个层级。若两地都只靠基频，则该预期被否定。所有预期都以调类标记沿用文献报道的五度值写法，但作者明确说明这些符号不代表本次实测的调值，只是类别代号，这是复述时必须保留的限定。

方法全景：从一个样本走完输入到输出

以守言话的[tsɹ̩43] 鸡为例走一遍流程。屏幕上半显示载句我读某九回，下半显示鸡的配图与目标词，发音人戴头戴式话筒朗读，录音机以 44.1 千赫兹与 16 比特保存。研究者用韵律分析脚本截取音节中的元音段，逐帧提取基频轨迹并计算平均基频、时长与强度，再用嗓音分析程序计算 H1 星减 H2 星、谐噪比、倒谱峰突出度与激励强度等随时间变化的曲线。

同一流程对[pi43] 包与[pa43] 碑重复，得到同一调类在[i] 与[a] 中的实现；再对[tsɹ̩33] 纸与[tsɹ̩11] 旗重复，得到同一元音上 3 个高度的对立。梅花话一侧对应为[tsɹ̩55] 纸、[tsɹ̩44] 记、[tsɹ̩33] 痔与[tsɹ̩21] 旗等词，同样覆盖 3 个元音。每个词每人读九遍，形成发音人乘词条乘重复的重复测量结构。

分析分两条路径。第一条是验证性建模：对基频用生长曲线分析比较平均高度、斜率与曲率，对时长强度与嗓音质量用线性混合效应模型比较调类与元音的主效应与交互，随机部分纳入发音人与词条并在不收敛时简化。第二条是探索性分类：把多类声学特征喂给梯度提升树区分调类，再用沙普利值排出特征重要性，超参数经交叉验证调优并用早停防止过拟合，用混淆矩阵评估性能。

生长曲线分析 × 线性混合效应模型： 生长曲线分析分工是把基频轨迹分解为平均高度、斜率与曲率随时间的变化，线性混合效应模型分工是把调类与元音语境作为固定效应、把发音人与词条作为随机效应来吸收个体差异，二者搭配的理由是轨迹形状差异需要正交多项式来检验，而多人多词重复测量需要随机截距与随机斜率来避免把个人习惯误判为调类规律。

生长曲线分析的英文是 growth curve analysis，它把每条基频轨迹投影到正交多项式上，分别检验整体高低、线性升降与弯曲程度。线性混合效应模型的英文是 linear mixed-effects model，它允许同一发音人的多条数据相关。组合的意义是形状比较需要分解时间维度，而重复测量需要处理相关结构，二者缺一都会把时间趋势或个人基频误读为调类效应。建模前数据做标准化，建模后做残差诊断并剔除离群点再拟合，事后两两比较用估计边际均值方法实现。

组件与计算：测了哪些量，每个量回答什么？

基频轨迹回答调类在时间上的高低走向，平均基频回答整体高度，斜率回答升降趋势，曲率回答拱形或凹形程度。时长回答高低调在时间占用上的差异，强度曲线回答响度包络是否随调类分层。嗓音质量回答声门状态：H1 星减 H2 星越高越偏向气嗓，谐噪比越高越周期，倒谱峰突出度越高谐波结构越清晰，激励强度越高声门闭合越紧。

测量工具链是固定的：韵律脚本负责基频、时长与强度，嗓音程序负责嗓音质量，统计在 R 语言中用混合模型包与多项检验包实现，分类用可扩展树提升实现并用沙普利加性解释量化贡献。需要强调的是，本文没有训练神经声学模型，也没有微调自监督语音模型，所有计算都是对已录制语音的声学测量加统计建模与树模型分类。

组件之间的分工是互补而非重复。基频决定能否按高度排序，时长与强度检验高低调是否有稳定的附带差异，嗓音质量检验高度拥挤时是否启用发声态。若只看基频，梅花话中 t21 在不同元音中位置漂移会被误认为记录错误；结合强度与谐噪比才能看出该调在[a] 中向高调靠拢是多线索共同作用的结果。

没有神经网络训练时，真正的拟合与调参发生在哪里？

本研究没有神经网络训练阶段，因此不存在梯度反传更新声学编码器、冻结与解冻层、学习率调度或早停轮数等神经训练超参数。真实的拟合发生在两个地方：一是混合模型的极大似然估计，用来估计调类、元音及其交互的系数与随机效应方差；二是梯度提升树的监督分类训练，用来从手工声学特征中学习调类边界。

对于混合模型，监督来源是人工标注的调类与元音类别，优化目标是残差最小化而非交叉熵，作者遵循随机效应最大化原则并在不收敛时简化结构或调整优化器。对于树模型，监督来源同样是调类标签，输入是每条样本的平均基频、斜率、曲率、时长、平均强度与嗓音均值等汇总特征，超参数经交叉验证选择并用早停防止过拟合，性能用混淆矩阵检查。

XGBoost × SHAP： XGBoost 分工是用多棵回归树的集成从平均基频、斜率、曲率、时长、强度与嗓音质量等特征中学会区分调类，SHAP 分工是用沙普利加性解释把每个特征对分类的平均贡献量化为可比数值，二者搭配的理由是只看分类正确率不知道靠什么线索区分，而只看单变量显著性不知道多线索竞争时的相对权重，组合后才能判断调系是否靠更多线索支撑更多高度对立。

XGBoost 的英文全称是 eXtreme Gradient Boosting，SHAP 的英文是 SHapley Additive exPlanations。前者负责在小样本多特征下仍能拟合非线性边界，后者负责把黑盒的特征贡献拆成可加的数值。本文用它们不是为了部署调类识别器，而是为了回答线索权重问题：若平均基频一枝独秀，则调系主要靠音高；若谐噪比、倒谱峰突出度与时长也获得可观份额，则说明系统动用了多维差异。由于原文未报告树的深度、学习率与早停轮次的具体数值，复现时只能保留方法结构而不能照抄超参数，这是明确的缺项而非实现细节。

实验条件：方言、发音人、材料与录音如何对齐？

方言选择是设计的核心。守言话文献记为 6 个调 43、11、33、31、51、24，其中与平调高度直接相关的是 43、33、113 层；梅花话文献记为 51、21、55、33、44、35，其中平调附近为 55、44、33、214 层。两地同为六声调可比，但高度层级数不同，正好分离调库大小与高度拥挤度的影响。目标词尽量选日常常用词以保证发音人熟悉，例如鸡、纸、旗等，并配语义图片提示。

发音人是 9 名守言男性与 8 名梅花男性，长期生活在当地，无自报听力与言语障碍。录音在住所附近的安静房间进行，设备为头戴话筒接便携录音机，采样率 44.1 千赫兹。载句固定，目标词嵌入句中，每个词每人九遍，因此守言约 9 人乘九词乘九遍，梅花约 8 人乘 12 词乘九遍，构成可观的重复测量样本。分析时两地方言分别建模，不跨方言混合估计。

需要保留的限定是样本的边界：仅男性、仅单字载句朗读、仅 3 个元音语境。女性基频范围、连续语流中的协同发音与更多元音上的实现均未测量。代码、模型与数据的公开状态在所给证据中未声明可用，因此不得声称已公开，只能说复现需按相同载句、设备链与分析脚本重建流程。

基频、时长与强度显示了什么，例外在哪里？

基频轨迹的总体格局是守言三调的上下顺序在 3 个元音中与文献高度一致，但调间距变化，高前元音[i] 上的调域最宽，卷舌与低后元音上较窄。梅花高三调 55、44、33 同样保持顺序，但最低的 t21 位置不稳定：在卷舌中最低且略低于 t33，在[i] 中位于 t33 与 t44 之间，在[a] 中与 t44 重叠。生长曲线分析显示守言 t43 斜率显著陡于 t11 与 t33，高元音下曲率也有差异；梅花则呈现调类与元音的复杂交互，例如[a] 中 t21 与 t44 平均基频无显著差异，而其他条件下各调平均基频均显著分离。

下图是两地方言在 3 个元音上的基频轨迹，纵轴为赫兹，横轴为归一化时间，行区分方言列区分元音，阅读时应先对齐行列再比较间距。

看图路径： 1. 先按行确认上为守言下为梅花，按列确认左中右为卷舌、高前、低后元音；2. 再比较同一行内三条或四条基频轨迹的上下间距在[i] 列是否拉得最开；3. 最后看梅花最低调 t21 在三列中相对位置是否从贴近 t33 变为贴近 t44

论文图 1。原论文 Figure 1：“F0 trajectories (Hz).”。

从像素可见，守言上行 3 条曲线层次分明且在中列[i] 中红线 t43 拱得最高、整体跨度最大；梅花下行在左列卷舌中低部 3 条曲线挤在一起，在中列[i] 中紫线 t44 与橙线 t21 明显分开，在右列[a] 中二者又靠拢。这支持正文判断：[i] 拉开调域，而梅花 t21 的高度实现高度依赖元音，不能用单一平均值概括。该图同时提醒，符号 t55 等只是文献代号，不代表本次实测调值。

时长与强度的方向总体一致但各有一处例外。守言高调恒短于低调，梅花在[i] 与[a] 中呈现 t55 短于 t44 短于 t33，唯独在卷舌中 t33 变为最短。强度上低元音[a] 整体最响，符合低元音响度高的已知倾向；调类层面高调多比低调更响，守言 t43 与 t33 高于 t11，梅花 t55 与 t44 高于 t33，但梅花 t21 强度随元音漂移，在卷舌中贴近 t33，在[i] 中居中，在[a] 中贴近高调。

下图是时长的条形比较，左右分方言，上下分元音，条带越长表示时长越长，须按面板内比较而非跨面板比较绝对长度。

看图路径： 1. 先按左右确认守言与梅花，按上下确认三个元音分面板；2. 再比较同一面板内高调条带是否短于低调条带；3. 最后单看梅花卷舌面板中 t33 是否为最短以确认例外

论文图 3。原论文 Figure 2：“Duration (ms).”。

像素显示守言左侧三面板均为深绿 t43 最短、浅色 t11 最长；梅花右侧上两面板呈现从上到下渐长的梯度，但在最下[a] 面板中浅蓝 t33 明显伸长为最长，而卷舌面板中 t33 反而略短。这与正文统计一致，说明高调短于低调是总体趋势而非每格必成立，卷舌上 t33 的反转是必须记住的反例。强度曲线图则进一步显示[a] 列整体纵轴位置最高，而梅花 t21 在三列中的相对高度逐列上移，复述时应把该漂移与基频漂移对应起来理解。

谐噪比延续了高调更周期的格局。高调如 t43 与 t55 的曲线整体高于低调如 t11 与 t21，且高元音两列的动态拱形比低元音更显著，峰值多在后半段，唯独带轻微降调色彩的守言 t43 与梅花 t21 峰值偏前。下图为谐噪比随时间的变化，数值越高越周期，阅读时先看高低调的上下分层再看拱形位置。

看图路径： 1. 先确认纵轴为谐噪比值，数值越高表示周期性越强；2. 再比较同一面板内高调曲线是否整体位于低调曲线之上；3. 最后比较高元音两列的拱形起伏是否比低元音[a] 列更明显

论文图 4。原论文 Figure 5：“HNR35 values (dB).”。

像素可见守言上行在卷舌与[i] 列中红绿高调形成高拱、蓝线低调贴底，在[a] 列整体下移但绿线仍居首；梅花下行在卷舌中棕线 t55 独居高位，在[i] 中棕线同样居首而其余三线缠绕，在[a] 列整体压低。这支持高调更周期的判断，同时显示低元音[a] 压缩了调间差异，噪声基底的作用不可忽略。

嗓音质量如何随元音改变，低调为何更多变？

H1 星减 H2 星的格局是调间差异在[i] 中最大，在[ɹ̩] 与[a] 中较小。守言在[i] 与[a] 中 t11 显著低于 t33 与 t43，偏向更闭合的发声，但在卷舌中趋势反转。梅花在[i] 中高调 t44 与 t55 取值较高偏气嗓，而 t33 显著偏低，与其他调拉开距离。这说明同一调的发声态标签不能跨元音直接搬运，卷舌的噪声与高元音的开放度会重塑排序。

倒谱峰突出度与激励强度提供了互补视角。较高调如守言 t33 与梅花 t55 倾向于更高的倒谱峰突出度，较低调如 t11 与 t21 倾向于更低值，方向与谐噪比一致；低元音[a] 上的各调倒谱峰突出度整体高于高元音，说明低元音谐波结构更清晰。激励强度的调间差异在[i] 中大于[a]，在卷舌中最小；[i] 与[a] 中高调的激励强度高于低调，符合声门闭合更紧的解释。

综合来看，高调在多指标上更一致地偏向短、响、周期与紧闭，低调则随元音出现更多分化，例如梅花 t21 与 t33 在不同元音中的相对位置大幅移动。结论部分的表述因此是谨慎的：低调的嗓音模式跨元音更多样，而不是低调在所有指标上都更嘈杂。初学者应把该不对称性记住为本文的一个特有细节，而不是简化为高低两极的固定标签。

多线索权重：基频主导之外还有什么在起作用？

作者把消融与对照的职责交给树模型加解释值的比较。若只看单变量显著性，几乎每个指标都有某处显著，无法判断谁在分类中真正重要；树模型把所有特征放在同一竞争场中，重要性排序才能回答权重问题。结果是两地方言均以平均基频为首要特征，但嗓音与时长特征在不同元音中有不同份额，且高度层级更多的梅花呈现动用更多线索的倾向。

下图是守言三元音各自的沙普利重要性条形图，横轴为平均绝对沙普利值，数值越大贡献越大，阅读时先看首位是否为平均基频再看第二至第四位的构成。

看图路径： 1. 先确认三块横条图分别对应卷舌、高前、低后元音下的守言调类分类；2. 再看每块图中 MeanF0 条带是否为最长以确认基频主导；3. 最后比较[i] 面板中 MeanF0 数值是否明显大于另两面板

论文图 7。原论文 Figure 8：“Results of XGBoost+SHAP analyses – Tones in SY.”。

像素显示上中下三面板首位均为 MeanF0，但数值不同：卷舌约 0.29，高前约 0.49，低后约 0.32；第二位在卷舌为倒谱峰突出度均值约 0.178，在高前为谐噪比均值约 0.243，在低后为基频曲率约 0.154。这支持两点判断：一是基频主导在[i] 中最突出，二是次要线索随元音切换，卷舌更靠突出度与谐噪比，高前更靠谐噪比与曲率斜率。这正是用可运行分类器替代事后最优阈值的意义：权重是在同一模型内竞争出来的，而非单指标显著性拼凑。

为核对关键统计的精确写法，下表整理守言时长与梅花斜率曲率的报告值，比较时注意回归系数符号方向、标准误与检验统计量不可混用，显著性阈值以原文为准。

表中数字的单位与聚合对象不同：时长系数来自标准化后混合模型的时长比较，斜率曲率系数来自生长曲线分析的正交多项式项，不能跨行直接比大小。主要收益是高调更短的效应量大且高度显著，代价是斜率曲率的显著性格局碎片化，高度依赖元音，说明基频形状差异不如平均高度稳定。未胜出的对照是[a] 中梅花 t21 与 t44 平均基频无显著差异，这是平均基频主导叙事下的明确反例，复述时必须保留。

第二张数字表聚焦嗓音质量的反转，这是容易被总体趋势掩盖的负结果。

该表显示嗓音质量支持高调更周期的总体趋势，但 H1 星减 H2 星在卷舌中反转，说明若把气嗓标签固定给高调会犯错。结合上一节谐噪比在低元音被压缩的现象，可以得出适用条件：在高前元音中用嗓音辅助区分高度更有效，在卷舌与低后元音中则需更谨慎。原文未报告树模型的整体正确率数值与混淆矩阵细节，因此不能把重要性排序夸大为识别性能承诺。

第三张表把跨元音的时长例外固定下来，避免只记平均趋势。

该表的代价是明确的：时长可作为高度的辅助线索，但在梅花卷舌中会失效。若研究者只在[a] 中建模，会高估时长的区分力；若只在卷舌中建模，会低估高调的周期优势。复现时必须三元音齐备，否则权重结论不可比。

边界与未验证的推测是什么？

已验证的边界包括发音人结构单一、语体单一与元音覆盖有限。9 名与 8 名男性朗读不能代表女性与不同年龄的基频分布；载句朗读不能代表自然语流中的轻重音与边界调影响；3 个元音不能代表圆唇、鼻化或复韵母中的实现。统计上混合模型依赖正态与线性假设，残差诊断后剔除离群点再拟合的做法提高了稳定性，但剔除比例与阈值未详细报告，严格复现需自行记录该步骤。

未验证的推测需用可能等措辞隔离。例如卷舌噪声压缩发声态空间是合理的机制解释，但本文未做感知实验，不能断言听者确实更少使用嗓音线索；高度层级多则依赖更多线索是树模型重要性分布支持的倾向，但两地方言在声母、词汇与个人基频上也有差异，不能直接建立因果。相关性不等于因果，重要性不等于感知权重。

成本与部署方面同样缺项。录音时长、标注工时、混合模型计算时间与树模型训练开销均未量化，推理延迟与帧率不适用，因为本文不是实时系统。引用调域与调库关系的文献时，原文明确说大调库不一定对应更宽调域，复述时不得反转为调库越大调域越宽。资源状态方面，本次收到的证据未绑定可验证的公开代码与数据链接，因此只能写未能确认公开，不能写已公开或当前可用。

复现先做什么，需要保留哪些信息条件？

复现的第一步是重建材料对照表。按原文词表准备守言九词与梅花 12 词的三元音最小对立集，尽量用常用词并配语义图片，载句固定为我读某九回，每词每人九遍。录音链尽量对齐头戴话筒与便携录音机，采样率 44.1 千赫兹，环境选安静室内并记录底噪。若更换设备，需报告话筒距离与增益，因为强度比较对增益敏感。

第二步是固定测量口径。用同一韵律脚本截取元音段并提取基频轨迹、平均基频、时长与强度，用同一嗓音程序计算 H1 星减 H2 星、谐噪比、倒谱峰突出度与激励强度。基频轨迹需做时长归一化后再比较形状，嗓音指标需按原文的星号校正版本计算，未校正的频谱斜率不能直接替代。建模前做标准化，两地方言分别建模，固定效应纳入调类、元音及其交互，随机效应纳入发音人与词条并遵循最大化原则，收敛失败时再简化。

第三步是重做权重分析。把每样本的平均基频、斜率、曲率、时长、平均强度与嗓音均值汇总为特征表，用梯度提升树做调类分类并用交叉验证调参与早停，再用沙普利值排序。由于原文未给出树深与学习率，复现报告应写清自己搜索的网格与早停 patience，并同时报告混淆矩阵，避免只贴重要性条形图。何时值得尝试该路线：当研究问题是高度拥挤的调系如何维持对立，且已有基频重叠的初步迹象时，多线索加树模型解释是合适的；若只是描写单一元音的调值，完整复现本流程则成本过高。

收束：何时用多线索解释，何时不该用？

本文直接报告的是 3 组可复述的事实：高调总体更短更响更周期；[i] 上的基频跨度与嗓音差异大于[ɹ̩] 与[a]；平均基频在分类中居首，但四高度系统呈现动用更多线索的倾向。有限解释是低调跨元音更多变，以及卷舌噪声可能压缩可用差异。待验证的是这些声学权重是否对应听辨权重，这需要感知实验补足。

调域 × 调系高度层级： 调域指一个方言内所有调类共同占用的基频变化范围，调系高度层级指平调在高、中、低方向上区分几个层级如 3 层对 4 层，二者搭配的理由是直觉以为层级越多调域越宽，但已有观察显示大调库不一定对应更宽基频范围，此时多出的高度可能靠时长与发声态等非基频线索维持，这正是守言三高度与梅花四高度比较要检验的机制。

调域的英文是 tone space 或 F0 range，调系高度层级的英文可表述为 number of height distinctions。组合的意义是把绝对范围与类别密度分开：范围是物理跨度，密度是单位跨度内要塞进几个类别。当密度上升而范围不升时，系统必须开辟新维度，这正是梅花用时长与发声态分担压力的逻辑。教学例子是把 4 个高度想象成 4 层书架，若书架总高不变，隔板不能只靠高度区分，还需靠颜色标签辅助，但这只是例子，不代表本文测量了书架高度的具体赫兹数值。

最终的适用判断是：在比较不同元音的调类时，必须分元音报告基频与嗓音，不能用[a] 的结论替代卷舌；在比较不同调系时，必须报告除基频外的次要线索份额，不能只比平均基频。若缺失女性、语流与感知数据，应明确写未测量，而不是用总体趋势掩盖每组例外。记住守言 t43 的陡降斜率、梅花 t21 的跨元音漂移与卷舌上 t33 的最短时长这 3 个特有细节，就抓住了本文区别于一般声调描写的增量。

⚖️ 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