后元音拉抬前元音吗：阿萨姆语中部前元音和谐的声学再检验

英文题目：An Acoustic Investigation of Mid Front Vowel Harmony in Assamese

会议身份：conference:interspeech:2026:conference-paper-id:nath26_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 #社会语音学 #语音 #语音属性识别

评分：5.5/10 | 创新 1.2/2 | 技术严谨 1.2/1.5 | 实验充分 1.1/1.5 | 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 0.2/1.5

排名：前50% | 文档类型：应用研究

👥 作者与机构

• Saurabh Nath：机构信息未能从会议 PDF 纯文本可靠映射
• Rosey Billington：机构信息未能从会议 PDF 纯文本可靠映射
• Danielle Barth：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

阿萨姆语被描写为存在由后音节闭元音触发的逆行性抬高，即前音节中元音/E/在/i/前抬高，输入为CVCV词中目标元音的声学实现，输出为是否发生跨方言稳定的和谐判定，难点是中前元音音位对立本身存疑且既往单一方言构音结果分歧大。方法链分4步推进：从当代阿萨姆语语料库筛选18名50-65岁发音人并覆盖3个方言区，接着采集词表朗读与30分钟以上对话两类语体。然后经强制对齐加人工校对切分目标元音并用Fast Track提取共振峰，最后以Nearey1归一化后送入线性混合效应模型检验和谐语境与方言和语体的交互。与仅依赖内省和单一方言构音描述相比，该设计把和谐效应操作化为可检验的F1与F2条件差异并控制时长与性别。在Bihaguri词表语料设置下，/CECi/词的F1指标为428 Hz，低于/CECa/词的F1指标553 Hz，支持高度维度存在和谐但幅度随方言与语体组合变化。该结论的适用边界限于上述三方言区老年发音人的词表与对话语料。结论限于 /E/ 在 /i/ 前与 /a/ 前的局部比较，未验证 /u/ 触发、鼻音阻断、范畴性中和或知觉相关性。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：要检验的和谐说法与学习目标

本解读的输入是 2026 年悉尼 Interspeech 收录的阿萨姆语中部前元音和谐声学研究，目标是让刚进入语音与音频方向的研究生能复述其比较逻辑与实验条件。必须保留的信息包括三方言采样、/CECi/与/CECa/的最小语境对照、F1 与 F2 分开建模、以及语体与方言的交互结论。输出不做超出证据的音系断言，只讲论文实际测了什么。

阿萨姆语主要分布在印度东北部阿萨姆邦，人口普查口径下有超过 1500 万第一语言使用者。既有描写认为该语言存在逆行元音抬高，即后音节出现闭元音/i/或/u/时，前音节的中元音变高，例如 close-mid 的[e] 出现在[beti] 女儿一词中，而 open-mid 的[E] 出现在[bEta] 儿子一词中。早期语法并未使用和谐一词，后来有用调和突变描述该交替，也有中和描写认为/e,E/与/o,O/的对立在/i/前中和为[e] 与[o]。另一条分析路线把中元音差别看作舌根特征，用 [+ATR] 向左扩散解释同一现象。

分歧的实质是同一组听感差异可以用高度解释，也可以用舌根解释，而单一方言的超声构音研究发现发音人之间并不一致，有的符合逆行和谐，有的完全没有，因此需要系统的声学证据。

元音和谐 × 逆行同化： 元音和谐指词内元音在某一特征上趋同，逆行同化指后面的音影响前面的音；阿萨姆语的说法是后音节的闭元音/i/使前音节的中元音抬高，二者组合成一个局部的、向前的触发关系，这是全文比较/CECi/与/CECa/的逻辑起点。

对初学者而言，先要把任务从转写直觉中剥离出来。论文不争论某个词该写成[e] 还是[E]，而是问当后元音固定为/i/或/a/时，前面的/E/在声学上是否系统性不同，以及这种不同是否在 3 个方言与两种语体中都稳定。理解这一点后，再看元音库与采样地图才有意义。

下面这张标准元音图给出八元音对称格局，是后续只取前部中元音/E/做检验的背景，初学时先确认/e/与/E/在图中的上下关系，不要把二者混为一个点。

看图路径： 1. 先看梯形四层高度与左右前后两列，确认八个单母音的对称布局；2. 再定位前排中部的/e/与/E/两点，记住本研究只检验其中/E/的抬高；3. 最后注意后排/o/与/O/的平行位置，理解为何讨论也涉及后元音但本文未测量

论文图 1。原论文 Figure 1：“Vowel inventory of standard Assamese [6]”。

该图按原文引自 Goswami 的描写呈现标准阿萨姆语 8 个单元音，前四后四按高度分层。前排从高到低为/i,e,E,a/，后排对应/u,o,O,D/。像素可见梯形框内圆点分 4 层排列，中部两层正是争议所在。近期声学工作甚至认为/e/与/E/可能已无清晰对立，/E/或是当代唯一的中间前元音。这一背景解释了为何论文不预设 8 个音位都稳固，而是直接测量/E/在两种后语境下的实现，并把高度与前后分开报告。

相关路线如何走到需要跨方言声学检验？

同输入同目标的直接前序有 3 类。第一类是描写语法与音系分析，提出局部逆行抬高，并指出鼻音或辅音丛插在触发元音之前可能阻断过程。第二类是单一方言的超声构音检验，其结果是发音人变异很大，没有人在所有预期和谐与阻断语境中都表现出预测模式。第 3 类是三方言中部前元音的声学描写，发现/e/与/E/缺乏清晰对立。本文继承第 3 类的测量思路，但把问题收窄为和谐语境效应，用受控词表加自然对话的配对设计回答效应是否跨方言成立。

高度特征扩散 × 舌根前移特征扩散： 高度特征扩散把/e/与/E/的差别看作开口度高低之差，和谐即高特征向左扩展；舌根前移特征扩散把差别看作舌根前后即 ATR 之差，和谐即闭元音的 [+ATR] 向左扩展；两种分析预测的声学落点都接近 F1 降低，但对是否应同时看到系统性前移与阻塞条件的解释不同，本文用 F1 与 F2 不对称来回应这一分歧。

与欧洲语言和谐语音实现研究相比，阿萨姆语的特殊性在于触发元音在右侧，被影响元音在左侧，且常被描述为只跨一个音节的局部过程。土耳其语的前后和谐、西北西班牙语的高度和谐、Lopit 语的舌根和谐在本文引言中只起定位作用，说明和谐可以共享不同特征，不能把土耳其语的结论搬运为阿萨姆语的预测。初学者应把这些例子理解为例子，而非基线对照。

需要澄清的误解是中和一词在此不是听感消失，而是指在特定后语境下只出现 close-mid 一类实现。若声学上两类语境仍有重叠分布，就不能直接宣布音位合并完成。本文的措辞因此是和谐语境下的实现差异，而非在所有词中宣布/E/已变为/e/。

具体比较什么：/CECi/与/CECa/的配对意味着什么？

研究问题可复述为一句话操作。在首音节辅音与元音骨架相同、仅后音节元音为/i/或/a/的双音节词中，首音节/E/的 F1 与 F2 是否不同。若/i/前的/E/的 F1 显著更低且 F2 更高，则支持存在逆行抬高兼前移的语音实现。选择/a/作非和谐参照是因为/a/被排除在触发集之外，选择/i/作和谐触发是因为各家分析对/i/的触发地位分歧最小。

沿一个样本走完全程有助于建立直觉。以/bEki/与/bEka/为例，输入是同一首辅音/b/加待测/E/加尾辅音/k/加尾元音。表示是切分出的首元音段的中点共振峰。组件是归一化与混合模型。目标是估计两种尾元音条件下的均值差。

输出是 F1 差值与 F2 差值及其显著性。教学上把/bEki/记作和谐条件，把/bEka/记作非和谐条件，后文所有表格都沿用这一划分。

该设计刻意控制了前后辅音为塞音或擦音，避免鼻音与丛的阻断争议进入主比较。代价是结论只适用于 obstruents 或 sibilants 包围的双音节词，不能推广到鼻音阻断或多音节长距离扩散。论文把阻断问题留给未来工作，本次只回答核心语境下效应是否存在与是否跨方言稳定。

方法全景：从语料库到估计均值的四步流水线

全流程分 4 步。第一步是从当代阿萨姆语语料库 COCAS 中选取 18 名 50 至 65 岁成年人，3 个地点各 3 男 3 女，地点分别落入西部、中部、东部三大方言区。第二步是采集两种语体，词表任务朗读/bEki,sEki,bEka,sEka/各 3 次并嵌入载体句，另加至少 30 分钟 1 对 1 对话并从中切出符合辅音条件的/CECi/与/CECa/双音节词。第三步是标注与测量，用 ELAN 转写标注，用定制英语声学模型的蒙特利尔强制对齐器初切并人工校正，用 Fast Track 在元音 10%、30%、50%、70%、90% 五点提取共振峰但本文只用 50% 中点，同时提取时长并做 Nearey1 归一化再换算回赫兹。第 4 步是用 R 的 lme4 分 F1 与 F2 拟合混合模型，用 emmeans 做 Tukey 校正的事后比较，用似然比与 AIC 判断模型优劣。

词表语料 × 自然对话语料： 词表语料指嵌入载体句中重复朗读的受控材料，发音清晰但自然度低；自然对话语料指 1 对一交谈中切出的双音节词，变异大但生态效度高；二者搭配是为了检验和谐效应是否只在小心说话时出现，语体因此是固定效应而非事后分组。

初学者常问为何不用同一个人读很多遍代替多人多方言。原因是方言问题本质是群体间比较，若只有标准音发音人，即使重复再多也无法回答跨方言是否一致。18 人样本在声学社会语言学中属小样本但结构均衡，随机截距吸收了个人与词条差异，固定效应才敢解释为语境与方言的作用。

另一个常见困惑是为何同时记录时长与性别。时长是因为小心说话元音更长更外围，若不控制时长，和谐差异可能被语体时长差异污染。性别是因为共振峰绝对值受声道影响，归一化后仍保留性别作加性预测以吸收残余差异。论文另行检验了时长与语境与语体的交互未显著改善拟合，说明主效应不是单纯的时长副产品。

组件与计算：归一化、标注与混合模型各负责什么？

标注组件先解决时间边界。ELAN 负责人工转写与层级标注，强制对齐器负责给出音段初值，人工校正负责修正英语模型迁移到阿萨姆语时的系统偏差。顺序不能颠倒，若直接用英语模型输出而不校正，首元音中点可能落在过渡段，导致 F1 被高估。论文报告共 371 个可用 token，词表 212 个，对话 159 个，这一总量决定了后续随机效应的可估性。

测量组件解决可比性。Fast Track 用近自动方式跟踪共振峰，减少手动拾取偏差。取中点是为了避开与前后辅音的过渡。Nearey1 是个体内对数均值法，属于说话人内在、共振峰内在、元音外在的方法，在社会语言学比较中表现稳健。直白说就是先在对数域减去个人均值再映射回赫兹，使小声道与大声道发音人的高低前后关系可画在同一张图上。

第一共振峰 × 第二共振峰： 第一共振峰 F1 对应开口度与高低维度，F1 越低感觉越高；第二共振峰 F2 对应前后维度，F2 越高感觉越靠前；本研究同时用 F1 判断是否抬高、用 F2 判断是否前移，二者分工不同，不能只看 F1 就断定和谐完成。

建模组件解决依赖与比较。固定效应包括和谐语境、时长、语体、方言与性别，随机截距包括发音人与词。模型比较按 4 级递进，空模型只含截距，主效应模型加全部固定效应，双向交互模型加语境、语体、方言的两两交互，三向交互模型再加三者乘积。F1 最终保留三向交互，F2 只保留双向交互。这一不对称是全文最重要的结构发现，意味着高度维度的和谐量受方言与语体联合调节，而前后维度的和谐量相对稳定。

Nearey 归一化 × 线性混合效应模型： Nearey 归一化负责消除不同声道尺寸带来的整体偏移，使男女发音人的共振峰可比；线性混合效应模型负责在保留发音人与词条随机差异的同时估计和谐语境、方言、语体、时长与性别的固定效应，前者解决可比性，后者解决重复观测的依赖结构，二者串联才得到可解释的估计均值。

复述时要能说出每个符号的输入。若把单次观测记为某个发音人读某个词的 F1，模型就是用语境加语体加方言加时长加性别预测该值，再允许每个发音人与每个词有自己的上下平移。估计的语境差即和谐效应，交互即该效应在不同方言语体组合中的变化。原文未给出完整回归系数表，只报告似然比卡方、自由度、显著性与事后估计均值差，因此复现时只能核对模型结构与差值方向，不能核对逐个系数。

有无训练：本研究训练了什么、冻结了什么？

本研究没有训练神经网络，也没有微调声学模型，不存在梯度路径、学习率或早停需要复述。唯一涉及既有模型的是蒙特利尔强制对齐器的英语预训练声学模型 v3.1.0，论文对其做了适配阿萨姆语音位表示的定制，然后用于初对齐。这一步是调用加规则映射加人工校正，不是参数更新。定制细节未报告具体映射表，这是明确缺项，复现时需自行记录如何把阿萨姆语/E/与卷舌等音位映射到英语音素集，并保留人工校正日志。

真实计算集中在信号处理与统计拟合。信号侧是共振峰跟踪与 Nearey 归一化，统计侧是最大似然估计的混合模型与似然比检验。AIC 只用于辅助判断拟合优劣，越低越好，但正式比较依赖卡方检验。emmeans 计算的是在控制时长与性别后的边缘均值，再做 Tukey 校正的两两比较。理解这一点才能明白表 2 与表 3 的估计差不是原始均值相减，而是模型调整后的差。

不能把无训练等同于结果确定。强制对齐边界的人工校正、Fast Track 的参数选择、归一化后再转回赫兹的尺度处理都会引入分析者自由度。论文用生成式 AI 仅做语言润色，未参与建模，这一点在方法可重复性上不产生影响，但引用时应如实说明。

实验条件：谁、在哪、读什么、怎么切分？

说话人条件是 18 名母语成年人，年龄 50 至 65 岁，3 个半城镇点各 6 人且男女各半。地点为 Sorbhog、Bihaguri、Gogamukh，分别对应西部、中部、东部方言区。年龄集中在中老年意味着结论不能直接推广到青年变体，性别均衡则保证归一化后的性别效应可估。语料库录制时间为 2023 至 2025 年，属当代语料。

材料条件分两支。词表支固定为 4 个词/bEki,sEki,bEka,sEka/，每词在载体句/moi X buli kalo/中读三遍，间隔 5 至 10 秒。对话支为至少 30 分钟 1 对一交谈，从中切出首尾辅音为塞音或擦音的双音节/CECi/与/CECa/词。词表控制前后辅音，对话放宽到类别控制，这是两支 token 数不均衡的原因之一。对话中/CECa/在 Bihaguri 仅 15 个，在 Sorbhog 为 20 个，在 Gogamukh 为 24 个，而/CECi/在三地分别为 36、32、32 个，词表每格多为 34 至 36 个。

下面地图交代方言分区的地理依据，读表前先确认 3 个采样点的东西相对位置，避免把西部 Sorbhog 与中部 Bihaguri 混淆。

看图路径： 1. 先对照图例四种灰度，区分东部、中部与西部两个次区；2. 再找到标出的三个采样点在东西轴线上的相对位置；3. 最后确认东部即所谓标准音区，理解方言比较的地理依据

论文图 2。原论文 Figure 2：“Major dialect regions of Assamese [12]”。

该图用 4 种灰度显示阿萨姆邦主要方言区，图例标明东部标准区对应 Gogamukh、中部对应 Bihaguri、西部 Kamrup 对应 Sorbhog，另有西部 Goalpara 次区。像素可见东部色块最深且面积最大，中部次之，西部 Sorbhog 色块居西。3 个白点即采样城镇自西向东排列，与后文按 Sorbhog、Bihaguri、Gogamukh 分面板的顺序一致。复现若换采样点，需说明是否仍落在同一灰度区，否则方言标签不可比。

下表整理样本与 token 构成，阅读时注意行是语体与地点组合，列是语境 token 数，便于判断哪些格子统计效力较弱。

表后需要点明代价。对话支/CECa/在三地都少于/CECi/，Bihaguri 的 15 个最少，这会放大该格标准误。后文 F1 事后比较中词表支的标准误约 27 赫兹而对话支约 18 赫兹，正与每格样本量与变异有关。比较方言时必须同时看估计差与标准误，不能只看 111 至 156 赫兹的极差就断定某一方言和谐更强。

主结果：F1 与 F2 在和谐语境下分开发生了什么？

描述统计的方向一致。所有方言与语体中/CECi/的首元音 F1 低于/CECa/，F2 高于/CECa/，即和谐语境更高更靠前。词表整体比对话 F1 更低 F2 更高，感觉更外围，对话 F2 标准差更大。词表元音时长长于对话，但/CECi/与/CECa/在同语体内时长差异较小。这些是原始均值层面的趋势，正式判断依赖混合模型。

F1 模型显示主效应相对空模型显著改善，三向交互进一步显著改善，双向交互单独加入时未显著改善。F2 模型显示主效应与双向交互均显著改善，但三向交互未显著改善。这组对照说明 F1 的和谐量需要用方言与语体联合调节来解释，F2 则用两两交互已足够。时长与语境与语体的额外交互未改善拟合，支持和谐差异不是单纯时长副产品。性别与时长作为加性预测解释了部分变异，但未改变和谐方向。

下图按方言分面板展示归一化 F1 与 F2 的分布，纵轴向下为 F1 升高，横轴向左为 F2 升高，椭圆为 95% 置信椭圆，三角形为/CECi/均值，圆点为/CECa/均值，虚线为词表，实线为对话。

看图路径： 1. 先按列比较西部、中部、东部三块面板的整体分离方向；2. 再在每块面板内比较三角形/CECi/与圆点/CECa/在纵轴 F1 上的上下距离；3. 最后比较虚线词表椭圆与实线对话椭圆的大小与重叠，判断语体带来的离散程度

论文图 3。原论文 Figure 3：“Nearey1 normalised F1 & F2 by harmonic context, dialect region, and speech style (95% confidence ellipses)”。

像素可见三块面板都呈现上下两团分离，上团三角形 F1 约 400 至 460 赫兹，下团圆点 F1 约 550 至 620 赫兹，左右方向上团 F2 更大即更靠左。词表虚线椭圆通常更小更靠左上，对话实线椭圆更大更分散，尤其 Bihaguri 对话/CECa/椭圆向右下拉很长，与其 F2 标准差大一致。关键是分离方向在三地与两种线型下都存在，没有出现某一方言或语体下两团完全重合，这与事后检验全部显著一致。不能从图中读出精确到个位数的均值，椭圆是分布范围而非单点轨迹。

下表聚焦 F1 的模型调整后差值，比较问题是在控制时长性别与随机效应后，和谐语境差是否跨方言语体都显著，指标方向是/CECa/减/CECi/为正表示和谐更高。

表后解释主要收益与代价。收益是 F1 六格全部显著且方向一致，支持逆行抬高的语音实现跨方言存在。代价是效应量在 111 至 156 赫兹之间波动，且无一致的语体主导模式，词表在 Sorbhog 最大而在 Gogamukh 最小，对话则相反。未胜出项是双向交互对 F1 无增量，说明只看语境与语体或语境与方言的 pairwise 调节不够，必须三者同看。复述时要强调总体趋势不等于每格相等，三向显著正是提醒不要用单一数值概括和谐强度。

反证与消融：哪些调节被检验、哪些未改变结论？

论文的消融逻辑不是去掉神经模块，而是比较嵌套统计模型。F1 侧若停在主效应会得到和谐显著但忽略方言语体差异，若加双向交互仍无显著增量，若加三向交互才显著，这支持高度维度的条件依赖。F2 侧停在双向交互已足够，加三向无增量，这支持前后维度的稳定性。两条路径对照构成不对称证据，这是比单一显著性更有教学价值的点。

时长对照是关键反证。词表更长更外围，若和谐差只是时长副产品，加入时长与语境与语体的交互应显著改善拟合，但检验显示没有。这不能证明时长毫无作用，因为时长作为加性项仍解释部分变异，只能说观测到的和谐与语体模式不能仅归因于语体时长差异。性别同理，贡献变异但不翻转方向。

下表整理 F2 的事后与风格细节，比较问题是 F2 差是否同样稳定，以及风格效应出现在何处。

表后需说明限制。F2 和谐差跨切面都在约 300 赫兹上下，方言差仅几赫兹，风格显著只在 Bihaguri 出现。这意味着若只看 F2 会得出和谐很整齐的印象，但 F1 的三向交互提醒高度实现并不整齐。未评测的边界包括鼻音与辅音丛阻断、多音节距离、/u/触发与后元音/O/的平行检验，这些在引言提及但不在本次 token 设计中，复现时不要自行外推。

能说什么、不能说什么：范畴还是渐变？

论文直接报告的是声学实现差异显著且跨方言存在，这属于报告层级。支持层级的是高度比前后更受结构条件调节，以及语体效应在 F2 上有限。这些支持逆行抬高的描写，但不支持宣布音位中和完成或 [+ATR] 扩散得证，因为 F1 降低既可解释为高度变化也可解释为舌根变化，单靠中点共振峰无法区分。

可能与待验证的是抬高究竟是范畴音系过程还是渐变协同发音，或二者兼有。原文明确把这一区分留给未来工作。相关性不等于因果，后元音为/i/与前元音更高同时出现，不能据此断定后元音是唯一原因，词频、重音与语速都未建模。样本限于中老年半城镇发音人，青年、城市与乡村变体是否相同未知。对话支/CECa/样本偏少也限制了小格估计精度。

资源状态需如实说明。原文未提供代码、模型或数据的公开链接，本次也没有收到完成 HTTPS 验证的资源绑定，因此不得声称语料库或脚本已公开。复现需按方法节重建标注与建模流程，而非下载即运行。

复现先做什么：按原文重走一遍的清单

先按原文锁定信息条件。发音人 18 人三地均衡，词表四词各三遍加固定载体句，对话至少 30 分钟并只取塞音或擦音包围的双音节词。测量固定为 Fast Track 五点取中点，Nearey1 归一化后转回赫兹。建模固定为 lme4 分 F1 与 F24 级嵌套比较，随机截距为发音人与词，固定效应为语境、时长、语体、方言与性别，事后用 emmeans 的 Tukey 校正。关键超参数是中点百分比 50% 与置信椭圆 95%，改变任一都会影响可比性。

操作顺序建议先复现描述统计的方向，再复现模型选择的卡方序列，最后复现事后差值。第一步核对/CECi/的 F1 更低 F2 更高在六格是否都成立。第二步核对 F1 三向显著而双向不显著、F2 双向显著而三向不显著。第三步核对 F1 六格差 111 至 156 赫兹且全部高度显著，F2 和谐差约 290 至 337 赫兹且风格显著仅在 Bihaguri。若某一步方向相反，优先检查对齐边界与归一化实现，而非直接质疑结论。

还需补的验证包括扩大/CECa/对话样本、加入/u/触发与后元音对照、检验鼻音与丛阻断、以及用轨迹而非单点比较动态协同发音。若要区分高度与舌根解释，需结合超声或多维声学特征，而非仅用 F1。报告时区分直接报告、有限解释与推测，显著性阈值如实写出 0.036 按原文判为未显著改善，避免用自己的阈值重判。

何时值得尝试这种跨方言声学检验？

当描写语法提出跨方言一致的过程，但构音证据显示发音人变异很大时，本文的配对声学加语体对照是值得尝试的模板。它的代价是需要在自然对话中投入大量标注与校正，且小格样本不均衡会削弱交互估计。若只有词表而无对话，就无法回答小心说话是否夸大效应。若只有单一方言，就无法回答标准音结论能否外推。

对初学者的收束是三句话。第一，和谐语境下/E/更高更靠前在三地两语体都显著，这是可复述的主效应。第二，高度维度的效应量受方言与语体联合调节，前后维度相对稳定，这是必须分开讲的不对称。第三，声学差异支持逆行抬高的描写，但不等同于证明范畴中和或特定特征扩散，机制判断仍待验证。记住这三句，就抓住了全文的技术判断与边界。

⚖️ 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