尾部清塞音如何关住声音：收缩还是张开，喉头镜来对账

英文题目：Achieving voicelessness in coda stop contexts: Insights from combined electroglottography and laryngoscopy

会议身份：conference:interspeech:2026:conference-paper-id:penney26_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 #发声与构音 #语音 #语音属性识别

评分：4.3/10 | 创新 1.0/2 | 技术严谨 1.0/1.5 | 实验充分 0.5/1.5 | 清晰度 0.7/1 | 影响力 0.5/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.3/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• Joshua Penney：机构信息未能从会议 PDF 纯文本可靠映射
• Jae Hyun Kim：机构信息未能从会议 PDF 纯文本可靠映射
• Dijana Dragicevich：机构信息未能从会议 PDF 纯文本可靠映射
• Prue Gourley：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

该研究处理澳大利亚英语尾部清塞音如何实现清化问题，输入为高前长元音/i:/后接/p,t,k/的朗读发音过程，输出为元音后半段声门开放程度与喉部收缩状态判断，难点在于电声门图只能经阻抗间接推断接触，看不见会厌喉部收缩与声门扩张的协同。方法链分为三步：先用同步音频与电声门图采集并对元音后半段求开放商轨迹，再用柔性鼻咽喉镜直接成像声门与会厌上结构，最后以平滑轨迹加逐帧目检对齐两种证据以区分声门扩张与喉部收缩。与既往仅凭电声门图推断不同，该工作以直接影像补足声门上形态信息，因而能区分真正的声门扩张和伴随会厌收缩的声门收缩。原文未提供可核对的关键定量结果。结论为鼻音前位置舌冠音前收缩、软腭音前扩张、双唇音无一致模式，短语末三部位均倾向收缩，但均为描述性趋势而无形式化统计检验。结论目前仅适用于高前元音实验室朗读语境，不能外推至自然语流与其他元音及后接环境。该结论的适用边界受限于三名男性母语者与实验室朗读条件，尚未验证自然语流与其他元音环境的泛化能力。原文未披露训练、推理或部署成本，未提供代码、模型与数据集。

🔗 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，为什么值得同时看电信号和喉咙？

这篇解读的输入是论文正文与 4 张官方原图，目标是让刚进入语音与音频方向的研究生能复述方法与证据边界。必须保留的信息包括研究对象为澳大利亚英语词尾清塞音，方法为电声门图加喉头镜同步观察，比较维度为发音位置与韵律位置，结论为初步的、描述性的、样本很小的交叉验证。输出按学习依赖展开，先讲清音的两条路，再讲测量工具的盲区，最后讲实验如何把二者对上。

英语清阻碍音要止住声带振动，有两条相反的路可走。白话说，一条是把声门张开，对应英文 glottal spreading，声带外展后声门上下压差建不起来，规则振动无法维持，典型如[h] 需要持续大气流；另一条是把声门收缩，对应 glottal constriction，声带内收乃至完全关闭，气流被堵住，振动同样停止，典型如喉塞音。清擦音必须走张开，因为要持续强气流，清塞音则灵活，两种都能用。难点在词尾清塞音，选哪条路会提前改变前面元音的音质，张开带来气息声或前送气，收缩带来挤喉与嘎吱声，严重时还会带出一个可听的喉塞。

声门张开 × 声门收缩： 声门张开指声带外展留出大气流通道，靠跨声门压无法建立来阻止规则振动，对应[h] 一类持续送气的需要；声门收缩指声带内收乃至完全关闭，靠堵塞气流来阻止振动，对应喉塞音一类动作。两者分工不同但都能抑制发声，搭配理由是清塞音不需要持续大气流，因而比清擦音更灵活，组合意义是同一清音目标可以用相反的喉头动作实现，并会在前元音上留下气息声或挤喉声等不同痕迹。

论文的起点是已有电信号证据提示位置差异。在澳大利亚英语前响音语境里，元音后接/t/时开放商下降，偏向收缩，后接/k/时开放商上升，偏向张开，后接/p/无一致模式。但电声门图只测电导率推断接触，看不到声门形态，更看不到声门上的会厌喉部是否收紧，而声门上收紧恰可能参与收缩。临床上电信号加喉头镜联用较多，语音学里联用很少，澳大利亚英语更没有喉头镜的喉部发音记录。因此论文要做的是同一批材料同时采两路信号，检验由接触推断出的收缩或张开在直视下是否成立，并补上词尾孤立位置，检验三处发音位置是否都出现收缩。

同输入同目标的前人给出了哪些可比的说法？

相关工作都围绕同一输入，即词尾清塞音前的元音，同目标即解释清音靠张开还是收缩实现，同运行阶段即自然口语或实验室载体句中的喉部动作。美国英语的报告是/t/常喉头化，/p/较少，/k/很少，喉头化定义为完整或不完整喉塞加前元音挤喉。前响音语境会提高喉头化率，短语末尾也可能提高三处位置的喉头化率，但末尾的韵律性嘎吱声会混进来。

两种解释需要区分。一种解释认为/t/必须收缩而/p,k/不必，因为后者可通过舌后部僵硬降低口腔内压来止振，而舌尖抵齿龈的/t/做不到这一点。另一种解释认为收缩才是三处位置实现清音的默认策略，/t/看起来更多只是因为它更容易弱化，弱化让收缩在听感上更易被察觉。澳大利亚英语此前的电信号研究支持位置分化，即/t/收缩、/k/张开、/p/不定，而另一些声学研究在词尾非重读音节发现三处位置喉头化水平相近，提示位置效应可能随韵律边界改变。论文的增量正在于把前响音语境的旧比较扩展到词尾，并第一次用直视图像检验电信号推断。

论文到底要回答哪两个位置问题？

论文把问题收敛为两问。第一问是在前鼻音语境下，由电信号得到的/t/收缩、/k/张开、/p/不定的模式，在喉头镜下是否对应可见的声门与声门上差异。第二问是在词尾孤立位置，三处发音位置是否都转向收缩，以及这种收缩是实现清塞音的策略还是短语末嘎吱的混入。

理解题面要抓住时间窗口。论文不看整个元音，只看后半段向辅音过渡的过程，因为喉部手势是在接近辅音时展开的。电信号看标准化开放商轨迹是否下行或上行，图像看最后 4 帧声门裂隙与上方结构是维持聚拢还是逐渐散开。若两路信号同向变化，则支持电信号推断，若背离或个体变异大，则说明接触推断不足以代表喉部形态。

一个样本如何走完从发音到两路信号？

沿一个样本走全程有助于建立全局观。假如发音人读出/i:/加/t/再接鼻音开头的重读词，音频与电信号以同步方式被记录，喉头镜从鼻腔经咽腔固定在能俯视喉部的位置连续拍摄。目标元音先被切分对齐，再逐周期算开放商并在发音人内标准化，最后只取后半段做平滑轨迹。同时，属于该元音时间范围的视频帧被同步抽出，重点看最后 4 帧的声带与周围结构。目标是同一时间段内电信号的开合推断与图像的开合形态能否互相解释，输出不是识别标签而是对策略的定性判断。

全景上方法分三块。刺激设计控制元音与语境以保证喉部可见与条件可比，同步采集保证两路信号时间可对齐，分析采用描述性平滑加目视核对而非大样本统计检验。论文明确因被试与条目少，不做完全定量分析，只用局部加权平滑与自助置信带刻画趋势，再用图像举例说明。这种安排的理由是喉头镜侵入性强、可用数据少，先做可行性验证比强行建模更诚实。

电声门图一路做了什么计算？

电声门图一路的输入是贴在甲状软骨两侧电极测到的电导波形。当声门接触面积大时电导高，反之低，由此推断声门状态。白话说，它不直接看见门缝，只看见接触带来的导电变化。

计算上先用切分工具得到目标元音区间，再用基于电信号的工具逐周期估计开放商。具体按混合方法实现，声门闭合时刻取电信号 1 阶导数峰值处，声门开放时刻取电信号幅度跌到阈值以下处，阈值取 25%。每个周期的开放时间占比即该周期开放商，再在元音内做时间归一化，并在发音人内做标准化。标准化后的值越高表示越偏气息，越低表示越偏收缩。论文只分析每个元音后半段的轨迹，用平滑曲线加置信带描述三处位置与两种语境的差异。

喉头化 × 开放商： 喉头化指前元音尾段出现挤喉、嘎吱声乃至完整或不完整喉塞的听感与生理状态，是声门收缩策略在元音上的延续；开放商指一个声门周期内声门被判定为开放的时间占比，越高越偏向气息声，越低越偏向收缩。两者分工是前者为感知与生理描述，后者为可逐周期计算的电信号指标，搭配理由是用开放商下降来量化喉头化增强，组合意义是把听到的嘎吱与测到的接触变化连起来比较不同辅音位置。

这一路的盲区必须记住。它给不出声门形状，也给不出声门上是否收紧。电极线与喉头镜线交叉还可能引入脉冲状电气干扰，论文即有 2 名被试因此数据不可用。这正是需要第二路直视的原因。

喉头镜一路如何保证看得到并对得上？

喉头镜一路的输入是咽腔上方俯视喉部的连续视频。白话说，医生把细软镜经一侧鼻孔送到咽部，用氙灯光源照明，以高清视频记录发音过程中喉部的俯视图。为保证看得到，刺激元音选高前元音/i:/，因为其他元音常因会厌遮挡或舌根后缩而看不清。为探索可见性也录了一些非高前元音与不同前后辅音，但成像不清，不纳入分析。

电声门图 × 喉头镜成像： 电声门图分工是通过甲状软骨两侧电极测电导率，高电导推定声门接触，以无创方式逐周期推断声门开合；喉头镜成像分工是经鼻腔进入的软镜从上方直接拍摄声带、会厌、楔状与小角结节及会厌喉部形态，可看到声门上收缩。搭配理由是前者只有接触推断而无形态，后者有形态而帧率与视角受限，组合意义是检验由电信号推断的收缩或张开是否在图像上真的出现。

对齐动作是关键。视频先经后期软件处理，与音频加电信号同步，属于目标元音区间的帧被自定义脚本抽出供目视检查。论文展示的是每段元音最后 4 帧，按时间顺序标为首帧到末帧，末帧标注会厌、声带、楔状结节与小角结节等地标。观察逻辑是比较/t/与/k/在同一语境下声门裂隙与上方聚拢程度随时间如何变化，以及同一条件不同重复是否稳定。这种目视比较不做量化测量，只用于确认电信号趋势是否有形态对应，未来工作才计划量化收紧程度与跨发音人一致性。

本研究训练了什么，没有训练什么？

本研究没有训练任何神经网络、声学模型或分类器，也没有优化器更新、梯度路径、参数冻结与解冻、早停或重置安排。缺项是明确的，论文未报告学习率、批量、轮数、损失函数与验证划分，因为不存在学习阶段。把无训练理解为输出确定是错误的，电信号估计仍受阈值选择、切分对齐误差、电气干扰与个体差异影响，视频判读仍受视角、遮挡与目视主观性影响。

真实计算过程是信号处理与描述统计。音频切分与强制对齐得到元音边界，逐周期开放商估计加时间归一化与发音人内标准化得到可比轨迹，再用局部加权平滑与自助置信带做可视化。视频侧为同步、抽帧与目视比较。调用的外部工具包括强制对齐、语音分析与绘图软件，均为既有工具推理式使用，不涉及本研究的参数训练。复现时应把精力放在同步精度、阈值复现与平滑参数记录上，而不是找模型权重。

被试、材料与采集条件是否一致可比？

实验在大学言语听力诊所完成，由有资质临床人员操作喉头镜。报告可用的为 3 名男性澳大利亚英语母语者，年龄在二十五岁到四十五岁之间，均在澳大利亚完成全部学校教育。另有同年龄段 3 人参加但未进入分析，1 人因不耐受未完成，2 人因电极线与镜线交叉导致的脉冲状电气干扰而信号不可用，干扰在采集时未显现，事后才确认。伦理经大学委员会批准，被试均书面知情同意。

词尾位置 × 鼻音前位置： 词尾位置指目标词被孤立读出，目标元音加清塞音后无后续语音，韵律上处于短语末尾；鼻音前位置指目标词后紧跟以齿龈鼻音加高前元音开头的重读词，形成前响音语境。两者分工是分别检验短语末尾增强对比的假设与前响音诱发喉头化的已知条件，搭配理由是同一组/i:/加/p,t,k/在两种语境下重复，组合意义是分离发音位置效应与韵律边界效应对清音策略的影响。

下表把刺激与分组条件整理为可核对的形式。阅读时先确认元音固定而辅音与语境变化，再确认每格重复次数与被试规模，公平比较要求同一元音、同一语境下只变发音位置。

表后需要说明主要代价与边界。固定/i:/换来了喉部可见性，却失去了向其他元音推广的能力。鼻音前语境的后续鼻音与/t/同为齿龈部位，与/p,k/不同部位，这构成潜在混淆，论文在局限中明确承认。条目少加被试少意味着置信带宽、个体变异大，任何位置差异都只能当作初步趋势，不宜当作总体结论。未胜出的分析对象包括那些成像不清的非高前元音材料，它们被如实舍弃而非强行纳入。

下表把同步采集与信号处理的关键参数整理为可复现的清单。比较时注意采样率针对电信号与音频，帧率针对视频，阈值针对开放时刻判定，标准化针对发音人内可比性。

表后解释支持的判断与限制。同步记录加同一元音区间抽帧保证了两路信号时间可比，混合方法与固定阈值保证了开放商计算可重复，发音人内标准化去掉了个体基线差异。但视频只有每秒 25 帧，对快速喉部手势的时间分辨率有限，开放阈值取 25% 为方法选择而非生理真值，阈值改变会移动开放商绝对值。论文未测量感知实验的误判率，也未报告采集延迟与处理耗时，因此不能从本设计承诺实时性或识别性能改善。

电信号轨迹显示了什么位置分化？

结果按问题组织。测的是元音后半段标准化开放商轨迹，与谁比是同一语境下三处发音位置之间比，以及同一位置在词尾与鼻音前之间比。条件一致性靠固定/i:/、固定载体语境类型与发音人内标准化维持。指标方向是开放商下降表示收缩增强，上升表示张开与气息增强。

在鼻音前位置，轨迹明显分叉。/t/语境持续下降，指向收缩增强，/k/语境在尾段上行，指向张开与气息增强，/p/大体平坦仅轻微下降，无一致模式。三者在元音尾段置信带分离，支持前人位置分化的说法。在词尾位置，3 条轨迹都随元音展开而下降，置信带大面积重叠，指向三处位置都增强收缩。这与词尾三处喉头化水平相近的声学报告一致。论文同时报告变异，有个别唇与软腭语境条目全程上行，也有先降后在末端突然上跳的条目，说明收缩效应不是无例外的范畴规则。

以下导读帮你按面板读出上述分化，重点是左右面板的异同，而不是记住某条曲线的绝对数值。

看图路径： 1. 先确认左右两面板分别为词尾与鼻音前，横轴为归一化时间后半段，纵轴为组内标准化的开放商；2. 再对比三条发音位置曲线在尾段是共同下行还是分叉，读出各自置信带是否分离；3. 最后注意词尾面板置信带较宽所提示的个体与重复间变异

论文图 1。原论文 Figure 1：“Smoothed OQ trajectories according to coda stop place of articulation and position.”。

这张平滑轨迹图左为词尾右为鼻音前，横轴为归一化时间后半段，纵轴为标准化开放商。3 条位置曲线在左侧共同下行且置信带重叠，在右侧明显分开，齿龈最低并继续下探，双唇居中大体平坦，软腭最高并在尾段上扬。灰色置信带在词尾更宽，提示个体与重复间变异大。像素不能精确读出每步数值，不应把某点的纵坐标硬写成证据，结论应表述为趋势与分离程度。这一证据直接支持鼻音前位置分化与词尾趋同收缩的判断，但因样本小只构成初步支持。

鼻音前喉头镜是否印证了电信号？

测的是同一鼻音前语境下/t/与/k/前元音最后 4 帧的形态变化，与谁比是上下两行同一发音人的自身对照。条件一致指同一元音、同一后续鼻音词、同一拍摄视角。指标方向是声门裂隙变小与上方结构聚拢表示收缩，裂隙变大与间距拉开表示张开。

第一位发音人的图像显示上行/t/全程维持收紧，下行/k/随元音推进开口增大、上方收紧减轻。尽管绝对亮度与角度有限，但末帧地标可辨，会厌在下，声带居中，楔状与小角结节在上，上行末帧聚拢更紧，下行末帧裂隙更长更开。这一形态差异与电信号中/t/下行、/k/上行的分化同向，构成交叉验证。

以下导读要求你按时间顺序读行，再按地标读末帧，避免把左右列当成不同条件。

看图路径： 1. 先按上下行区分/t/与/k/，按从左到右读出同一元音内最后四帧的时间顺序；2. 再在末帧按标注找到会厌、声带、楔状与小角结节，比较上下行声门裂隙与上方聚拢程度；3. 最后观察从首帧到末帧开口是维持收紧还是逐渐张开

论文图 2。原论文 Figure 2：“Laryngoscopic images of final four frames during /i:/ preceding /t/ (top row) and /k/ (bottom row) in pre-nasal position by speaker M05.”。

这张图上行为/t/前元音，下行为/k/前元音，每行从左到右为最后 4 帧。上行 4 帧声门与上方结构变化小，始终偏收紧，下行从首帧到末帧可见裂隙拉长、周围间距放开。末帧标注给出会厌、声带、楔状与小角结节位置，可作为回指基准。图像支持电信号推断，但也显示解剖与成像条件会影响可辨程度，不能据此量化收缩量级。

声门收缩 × 会厌喉部收缩： 声门收缩指声带层面的内收与闭合，会厌喉部收缩指其上方杓状、楔状与小角结构前移靠拢、喉腔前后径缩短的声门上动作。两者分工是分别关小发声源与压紧上方共鸣腔入口，搭配理由是已有研究提示二者常协同出现，组合意义是论文在喉头镜里同时观察声带开合与上方结构聚拢，以判断电信号下降只是声带接触还是包含更大的喉部收紧。

换一位发音人结论还成立吗？

测的仍是鼻音前/t/对/k/的形态对比，与谁比是不同发音人之间的模式重复性。条件一致性不如同一人内对照，因为咽腔宽度与喉部前后径等解剖差异会改变视角与可辨度。指标方向不变，仍看裂隙与聚拢程度的时间变化。

第二位发音人咽腔更窄、前后径更短，但模式重复出现，上行/t/维持声门与会厌喉部收紧，下行/k/出现开口增大与收紧减轻。论文指出不同发音人在/t/语境施加收紧的程度看似有差异，/p/仍无清晰模式。这说明位置分化在 2 人身上定性可重复，但收缩程度的定量一致性尚未验证。未胜出项是/p/，它在电信号与图像上都不支持稳定的单一策略，这与前人报告一致，不应强行归入任一极。 以下导读帮你把解剖差异与策略差异分开，先看人再看行。

看图路径： 1. 先确认这是另一位发音人的同一对比，注意其咽腔更窄、前后径更短的解剖差异；2. 再对比上行/t/全程维持的收紧与下行/k/渐进的张开，核对与电信号趋势是否一致；3. 最后看末帧标注位置，比较声带可见长度与周围结构的间距变化

论文图 3。原论文 Figure 3：“Laryngoscopic images of final four frames during /i:/ preceding /t/ (top row) and /k/ (bottom row) in pre-nasal position by speaker M06.”。

这张图结构与上一张相同，上行/t/下行/k/，每行 4 帧按时间展开。第二位发音人的整体画面更紧凑，但时间趋势不变，上行保持收紧，下行逐渐张开。末帧标注同样给出会厌、声带与周围结节，可用于确认裂隙与间距。解释时应说模式在 2 人间定性一致，而非声称收缩量相同，因为论文未做量化测量且明确留待未来工作。

词尾的收缩是全程维持还是末端释放？

测的是词尾/t/前元音最后 4 帧在不同重复中的稳定性，与谁比是同一发音人同一条件的 2 次重复。条件一致指同为孤立词尾、同为/t/、同为/i:/。指标方向除收紧与张开外，还要看时间协调，即收紧维持到何时、释放发生在元音内还是过渡到辅音时。

图像显示两种实现。上行重复全程维持收紧，与电信号平均趋势一致。下行重复前 3 帧维持收紧，末帧会厌喉部收紧减轻，前后径拉长、楔状结节间距拉开，对应电信号中先降后末端上跳的个别轨迹。论文给出两种解读，一是喉部与声门上收紧在词尾快速复位，而口部仍在保持塞音闭合，二是末端释放反映短语末嘎吱而非为塞音清化施加的收缩，因而在元音末才松开。两种解读在现有数据下无法区分，需要未来分离韵律性嘎吱与辅音相关收缩的设计。 以下导读要求你把行间差异读成重复间变异，而不是位置效应。

看图路径： 1. 先确认两行是同一发音人同一/t/词尾的两次重复，排除把行间差异当成位置差异；2. 再对比上行全程收紧与下行末帧突然释放，观察楔状结节间距与前后径的回弹；3. 最后把末帧释放与电信号中先降后升的个别轨迹联系起来理解时间协调

论文图 4。原论文 Figure 4：“Laryngoscopic images of final four frames during two repetitions of /i:/ vowel preceding /t/ in final position by speaker M06.”。

这张图两行都是词尾/t/前元音，区别只是 2 次重复。上行 4 帧收紧稳定，下行前 3 帧收紧、末帧明显放开，可从楔状结节间距与前后径变化辨认。这种晚期张开与鼻音前/k/的渐进张开不同，后者贯穿整个后半段，前者只在末帧突然出现。解释时应保留两种可能的机制归因，并强调词尾收缩效应不是范畴性的，存在先收紧后释放的反例。

哪些边界使结论只能是初步的？

局限按证据逐项交代。任务距离自然口语远，为高度受控的实验室任务，固定高前元音、固定载体句、喉头镜侵入条件下发音可能异于日常。样本仅 3 名可用男性发音人、每项 3 次重复，数据稀疏，只能做描述性平滑，不能做稳健定量检验。后续鼻音与/t/同部位而与/p,k/不同部位，构成混淆，论文明确承认。视频帧率每秒 25 帧，对快速手势分辨率不足，目视比较未量化，跨发音人一致性未验证。

区分直接报告、有限解释与未验证推测很重要。直接报告是鼻音前/t/收缩、/k/张开的电信号分化与图像同向变化，以及词尾三处平均趋势下行。有限解释是词尾趋同收缩可能与短语末对比增强或短语末嘎吱交互有关。未验证推测是收缩是否为所有位置实现清音的默认策略，以及/p/为何有时收缩有时不收缩，论文提出社会因素或协同发音可能但未检验。相关性不等于因果，未测量误判率、延迟与成本时，不应承诺识别或合成性能改善。

要复现这套交叉核对先做什么？

复现先做三件事。第一是复现刺激与分组，准备/i:/加/p,t,k/的单音节词，每词 3 次孤立读与 3 次鼻音加/i:/重读词前读，注意记录后续鼻音部位并在分析时标注混淆。第二是复现同步采集，用电极 collar 固定于甲状软骨两侧，同步录音频与电信号，喉头镜经鼻至咽固定俯视视角，记录采样率、帧率、光源与同步方式，并检查电极线与镜线是否交叉以避免脉冲干扰。第三是复现计算，用强制对齐切元音，混合方法取 1 阶导数峰值为闭合、幅度跌破 25% 为开放，时间归一化并发音人内标准化，只取后半段做平滑并报告平滑与置信带参数。

还需补的验证包括扩大被试性别与数量、覆盖非高前元音以检验可见性偏差、变换后续语境使后续辅音部位与目标辅音正交、提高视频帧率或补高速成像以分辨末端释放时序、引入盲法多评分者对收紧程度打分以替代纯目视、分离短语末嘎吱的对照条件。资源状态方面，未发现来源绑定且完成验证的公开代码、模型或数据，不得声称本研究有公开实现，复现应按论文文字与工具引用自行搭建。

何时值得尝试这种双路思路？

当研究问题涉及由间接信号推断喉部动作时，这套思路值得尝试。具体如词尾清浊对比的增强机制、前元音气息与挤喉的来源归属、不同发音位置止振策略差异，都可用电信号做连续量化，再用喉头镜抽关键帧做形态核对。若只有电信号，应明确写出看不到声门上收缩的边界，若只有听感标注，应明确写出无法区分短语末嘎吱与辅音相关收缩的边界。

对初学者的误解需要澄清。开放商下降不等于听感上一定出现完整喉塞，它只表示接触占比增加，是否可感知还取决于程度与时长。曲线向下不等于性能变差，在这里向下表示收缩增强，是策略差异而非优劣。词尾三处平均下行不等于每次发音都收缩，个别重复存在末端释放。同色曲线不必然同对象，读图必须先看图例的位置条件。

总体趋势不等于每组每步成立，论文已用宽置信带与反例提醒变异。带着这些边界去读图与复现，才能把这篇初步验证的价值用对地方。

⚖️ 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