塞音语境是否改变毛利语元音：高度稳定而前后位置显著漂移

英文题目：A preliminary exploration of stop-vowel coarticulation in Māori

会议身份：conference:interspeech:2026:conference-paper-id:shields26_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 #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 0.7/1.5 | 清晰度 0.8/1 | 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

• Isabella Shields：机构信息未能从会议 PDF 纯文本可靠映射
• Hiraia Haami-Wells：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
• Peter J Keegan：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

本研究输入为毛利语口塞音语境中重读短元音的朗读发音，输出为第一、第二共振峰动态轨迹是否随辅音语境显著变化的判断。难点在于毛利语仅5个短单元音但允许较大变异，且既有MAONZE论述否认后续辅音的预期效应，静态均值难以捕捉形状偏移。方法链分三步：以CVCV目标词嵌入固定载体句Ko [target] te kupu控制重音与双侧辅音，用WebMAUS自动切分加人工校界与wrassp逐帧共振峰估计加人工校对获得Bark域归一化轨迹，再以广义加性混合模型分离元音与辅音的参量截距与时间平滑效应。与既往印象式与静态描述相比，关键差异是用连续时间非线性平滑显式检验轨迹高度与形状差异并纳入说话人随机平滑。在7名毛利裔女性说话人共524个有效重读元音的语料下，F2模型的调整R2指标为0.82，高于F1模型的调整R2指标的0.67。结论仅适用于女性谨慎朗读语体，未验证男性、老年、自然语流、鼻音与其他序列的外推有效性。其余人群与自然语流的适用边界尚未验证。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

为什么毛利语元音研究需要补上辅音语境这一环？

输入是新西兰原住民语言毛利语的口语元音，目标是判断相邻口部塞音是否系统性改变元音音质，必须保留的信息是已有研究多集中于元音和双元音本身，而对辅音如何塑造元音缺乏声学证据，输出是 1 篇可复述的实验解读。毛利语只有 10 个辅音和 5 个有长短对立的单元音，音节结构相对简单，传统上被描述为莫拉计时语言。对于刚入门的研究生，白话理解是：元音空间越大，每个元音可活动的余地越大，辅音的手势就越可能把舌头拉偏一点。

已有毛利语与新西兰英语项目记录了元音的历史变化和有限的辅音实现，但除齿龈语境下高元音前化以及颤音的分析外，几乎没有对辅音到元音协同发音的声学建模。跨语言证据提示这种影响不太可能不存在：高前元音往往更抗协同发音，而小元音系统有时反而变异更大。因此本研究的问题不是元音本身是什么，而是把元音放在双唇音、齿龈音和软腭塞音前后时，第一共振峰和第二共振峰的整条轨迹如何移动。

理解这一点，才能在后续比较历史语料、判断音变方向时不把语境效应误读为元音本身的变化。

前人对毛利语协同发音说了什么，还缺哪块声学证据？

同输入是毛利语自然或朗读语音，同目标是描述元音变异，同监督多为人工标注和听辨描述，同运行阶段多为离线语料分析。前人已报告元音可因辅音和位置发生同位变体，例如低元音和高后元音在软腭音附近后移，前元音化出现在非软腭语境。早期毛利语项目曾指出，除颤音外，进入后一音节初辅音的预期过渡并不常见，尤其在年长者中。另一条有源对照是现代毛利语高后元音前化，且在齿龈塞音前更明显，这与本研究的齿龈语境前化观察一致。

缺少的是系统声学证据：没有用连续共振峰轨迹同时比较双唇、齿龈、软腭 3 种塞音对 5 个短元音的影响，也没有区分高度维度与前后维度的不同敏感度。本研究正好填补这一缺口，它不重复元音均值描写，而是把语境作为可变因素，把时间维度保留下来。若把类别差异当同条件胜负会误导结论，例如把朗读青年女性与历史混合年龄语料直接比均值，而不控制重读、语体和前后辅音是否相同，就无法判断差异来自音变还是来自取样条件。

要回答的具体问题是什么，预期在哪个维度看到变化？

论文把问题限定为：口腔塞音语境是否改变毛利语短元音的第一共振峰和第二共振峰动态行为。操作上，辅音取双唇塞音、 dento-alveolar 齿龈塞音和软腭塞音，元音取 5 个短元音，目标音节取词首重读音节，且前后辅音相同，构成对称的辅音元音辅音元音结构。这样设计使观察到的偏移最可能来自共享的前后塞音，而不是远距离语境。作者假设两个共振峰都会出现显著变化，尤其非腭元音变化明显，且齿龈塞音可能导致前化。

教学例子是：设想比较 3 个词首音节分别被相同双唇音包夹、被相同齿龈音包夹、被相同软腭音包夹的短元音，如果 3 条第二共振峰曲线整体上下分开，就支持前后位置受语境牵引；如果第一共振峰 3 条线基本重合，则支持高度相对稳定。这里例子只说明逻辑，不添加任何无源数值。关键是把显著性与显著程度分开：模型参数显著不等于人耳可辨或音系范畴改变，后文需同时看轨迹图的分离幅度和置信带。

从朗读到共振峰轨迹，整条流水线如何走通？

先沿一个样本走完全程。输入是 1 名说话人朗读载体句中的目标词，例如载体句含义为某某是这个词，目标词为对称结构词。表示是经自动切分再人工校对得到的词首元音区间，起点对应前辅音偏置，终点对应后辅音起音。组件是共振峰估计与统计建模：先用信号处理估计逐帧第一和第二共振峰并人工校对，再用广义加性混合模型拟合 Bark 标度下的轨迹。目标是得到每种元音乘每种辅音组合的预测轨迹及其置信区间。

输出是两类视图：随归一化时间变化的曲线，以及第一对第二共振峰的元音空间轨迹。刺激共 15 个目标词，覆盖 3 种塞音乘 5 种元音，其中除一个人造词外均为真词。录音在隔音室内完成，先有热身任务熟悉流程，再逐屏朗读，每人每句读五遍。数据处理用 R 语言的语音数据库工具，自动切分用与语言无关模式的在线对齐工具，默认设置下运行后再人工校对边界。

共振峰用专用函数估计，仅把性别设为女性，其余默认，这对应约 12.5 毫秒有效窗长和标称第一共振峰设置，随后逐帧人工校对。这种先自动后人工的安排理由是保证边界和共振峰峰值不被错跟，同时保留可重复的起点。

协同发音如何被翻译成第一和第二共振峰的偏移？

发音手势是原因，共振峰是结果。双唇音主要用唇闭合，对舌体约束小；齿龈音需要舌尖抵齿龈，可能把舌体前拉；软腭音需要舌背抬起抵软腭，可能把舌体后拉或在前元音前腭化。第一共振峰随开口度和舌高低变化，第二共振峰随舌前后和唇圆展变化。

因此若语境主要改变舌前后，就应看到第二共振峰整体抬高或压低；若同时改变开口度，才会看到第一共振峰明显分开。论文的教学价值在于保留整条轨迹：峰值出现时刻不同意味着协同发音的时间模式不同，例如前元音在双唇语境峰值早、在齿龈语境峰值晚，这不是均值比较能发现的。

协同发音 × 共振峰： 协同发音指相邻辅音的手势影响元音实现的过程，它负责提出变化来源；共振峰指声道共振决定的频谱峰值，其中第一共振峰对应开口度和高度、第二共振峰对应舌前后位置，它负责把变化量化为可测轨迹，两者搭配才能把发音手势假设转化为第一共振峰和第二共振峰随时间的偏移检验。

沿样本继续走：同一元音在 3 种包夹辅音下各形成一条第二共振峰曲线，若齿龈包夹曲线整体偏高，则解释为前化；若软腭包夹在后元音中偏低，则解释为后移或软腭实现更靠后；若在前元音中软腭包夹反而偏高，则解释为该软腭音在前元音前腭化，反过来推高元音的第二共振峰。这种双向解释提醒初学者不要把辅音符号等同于固定发音位置，同一音位在不同元音前可以有不同的实现。

广义加性混合模型如何同时检验高度差和形状差？

白话是：加性模型允许把轨迹写成多条平滑曲线相加，混合指加入说话人随机效应，广义指残差可用重尾分布。对初学者，先记英文名 Generalised Additive Mixed Models，缩写为 GAMMs，后文简称混合模型。响应变量是 Bark 标度共振峰值。参数部分是相邻辅音与元音音质的交互，允许辅音效应随元音而异。平滑部分有 4 组：一条随时间的基准平滑，两条分别刻画元音和辅音带来的形状差异，一条按说话人的随机平滑以吸收个体差异。

拟合用 R 的 mgcv 包中适合大数据的方法，因残差重尾而用标度 t 分布。预测轨迹用解释时间序列的工具包生成，并给出约 95% 置信带。

广义加性混合模型 × 动态轨迹： 广义加性混合模型负责用平滑函数拟合非线性随时间变化并容纳说话人随机差异，它分工为统计推断工具；动态轨迹指从元音起点到终点逐帧的共振峰曲线，它分工为被解释对象，两者搭配的理由是单点均值会抹掉峰值时刻差异，而平滑项可以同时检验截距差异和形状差异，新增作用是能区分整个抬高与峰值提前或推后。

这样，参数显著回答是否有整体高低差，平滑显著回答曲线形状是否不同。论文报告第一共振峰多数平滑显著但视觉分离小，说明统计显著不等于大幅音质变化；第二共振峰几乎全部显著且视觉分离大，支持前后维度更敏感。初学者复述时应先说输入是归一化时间与类别标签，输出是预测均值曲线，再说显著性分两层，避免把所有显著都说成元音变了类别。

Bark 标度 × 归一化时间： Bark 标度负责把赫兹频率转换为更接近听觉的非线性标度，它分工为统一量纲；归一化时间负责把不同时长的元音映射到 0 到 1 区间，其中 0 为元音起点兼前辅音偏置、1 为元音终点兼后辅音起音，它分工为对齐时间轴，两者组合使不同说话人和不同时长的曲线可以直接比较形状和高度。

归一化把时长差异去掉后，剩下的上下分离可归因于语境，左右错峰可归因于协同发音的时间进程。

重音 × 莫拉计时： 重音指词内显著度较高的音节，本研究取词首音节为重读以减少弱化干扰，它负责控制变异来源；莫拉计时指以短元音加可选单辅音声母为计时单位的节律组织，它负责解释为何选择重读音节以及应力规则如何判定词首重读，两者结合使刺激词设计既符合语言结构又保证协同发音效应最可能来自共享的前后塞音。

重读与莫拉计时的结合保证了所测元音不易弱化，使结论更保守：若在最不易协同发音的重读对称条件下仍看到前后漂移，则在非重读或不对称条件下效应可能更大，但这属于待验证推测。

本研究有没有神经网络训练，真实计算是什么？

本研究没有训练神经网络，也没有优化器、梯度路径、参数冻结与更新或早停等概念，因此不能谈论训练轮数或学习率。若把无训练等同于确定性求解是错误的，输出仍受标注、跟踪误差和个体差异影响。真实计算分 3 段。第一段是语料构造与标注计算：自动对齐给出初值，人工校对边界，共振峰逐帧估计后人工校对，这部分是规则加人工，不是梯度优化。

第二段是统计拟合：混合模型通过惩罚平滑估计曲线，用大数据近似算法求解，残差设为标度 t 分布以容忍离群值，随机平滑吸收说话人差异。第 3 段是预测与推断：对每种元音语境组合在归一化时间网格上生成预测值和置信带，再比较截距项和平滑项的显著性。未报告的缺项包括对齐工具的误差率、共振峰人工校对的具体修改比例、平滑基函数维度选择过程，这些在复现时需要自行记录，不能从软件包名称推定默认实现细节。

谁在什么条件下读了什么，如何保证条件可比？

被试是 7 名毛利语流利女性，均属毛利裔，日常使用毛利语程度不一，均为毛利语与新西兰英语双语者。年龄跨度为二十一岁至五十二岁，平均约三十岁。按习得史，4 人自幼习得，3 人成年后习得。刺激是载体句中的对称词，目标为词首重读音节，前后辅音相同，元音为短元音。录音环境为实验室隔音室。

每人每载体句读五遍。协议一致性体现在：同一说话人完成全部组合，同一目标词在同一载体句中呈现，重读位置按应力规则控制，分析区间统一为词首元音。下表把语料规模与建模设定的关键数字放在一起，比较问题是样本量与模型复杂度是否匹配，公平条件是所有组合共享同一流程，指标方向是轨迹可比而非单点均值可比。

下面表格整理语料规模，表中数字均来自原文连续句，单位与精度保留原文写法。

该表说明样本虽小但重复密集，适合拟合个体随机效应，但也限定了推广范围：仅青年女性为主的朗读体，不能代表男性、年长者或自发语体。误读仅排除 1 例，说明数据损失极小，但人工校对的主观性仍需记录。

下面表格整理建模设定，表中拟合优度与分布选择均来自原文，单位保留原文写法。

该表的主要收益是显示第二共振峰可解释方差更高，与后文前后维度分离更大的观察一致；代价是第一共振峰拟合优度较低，提示高度维度个体差异或测量噪声占比更大，不能强求同一模型在两个维度同等精确。未胜出项是第一共振峰的形状差异虽多显著但视觉不显著，这属于负结果，必须保留。

第一与第二共振峰各看到什么，哪个维度真正移动？

测的是预测轨迹的整体高度与形状差异，与谁比是 3 种塞音语境两两比较，条件一致因同一元音、同一重读位置、同一归一化时间网格，指标方向是第二共振峰越高越靠前、第一共振峰越高开口越大。关键数字是调整决定系数分别为第一共振峰 0.67 和第二共振峰 0.82。支持的判断是：高度维度基本稳定，前后维度显著漂移。第一共振峰方面，所有参数项显著、多数平滑显著，但分面内 3 条曲线基本重合，仅在软腭语境下随时间略降低，提示轻微抬高，在中前元音略明显。

在元音空间中，中后元音的第一共振峰范围较窄，低元音与中前元音之间约一 Bark 区间未被使用。第二共振峰方面，所有元音均见语境分离，参数与平滑几乎全部显著。限制是显著性不等于范畴改变，置信带重叠处不能断言差异。

以下导读聚焦第一幅预测轨迹图，它把 5 个元音分面并列，每面内同时显示下部第一共振峰束与上部第二共振峰束，颜色区分辅音语境，阴影为置信区间，横轴为归一化时间，读图时应先分清上下两束再比较颜色。

看图路径： 1. 先看五个分面标题 i、e、a、o、u，再看横轴归一化时间和纵轴 Bark 标度共振峰；2. 比较每个分面内上部第二共振峰三条颜色曲线的上下分离与下部第一共振峰的重合程度；3. 观察 a 分面中绿色 p 语境第二共振峰明显偏低，而红色 k 与蓝色 t 几乎重合；4. 注意 u 和 o 分面中蓝色 t 语境第二共振峰最高，红色 k 语境最低

论文图 1。原论文 Figure 1：“First and second formant trajectories (F1 and F2) predicted from fitted GAMMs. Colour indicates consonantal context.”。

该图显示下部第一共振峰三色线在 5 个分面内几乎重合，仅软腭线尾段略低；上部第二共振峰则明显分开：前元音中软腭线全程最高，后元音中齿龈线最高而软腭线最低，低元音中双唇线明显偏低而齿龈与软腭线重合。这支持前后位置受语境牵引贯穿整个元音，而非仅在边缘过渡。像素不能精确读出的具体 Bark 数值不硬写，以相对高低与是否重合为准。原文补充说明峰值时刻差异，例如高前元音在双唇语境峰值早、在齿龈语境峰值晚，表明形状差异也有证据。

若只看形状与位置，哪些语境效应最强，哪些不符合旧描述？

把形状差异单独拎出来看，相当于对模型的消融式解读：若去掉语境平滑，曲线能否重合。结果显示不能。前元音在软腭语境第二共振峰全程偏高，解释为软腭音在前元音前腭化，舌背抬起推高第二共振峰；后元音在齿龈语境明显前化，其中中后元音的前化使其第二共振峰接近低元音水平，这是此前未见报道的新观察。

低元音仅在双唇语境后移，在软腭语境并未后移，这与旧文献称低元音在软腭附近后移的描述不一致，可能因该软腭音在低元音前腭化而与齿龈实现接近。未胜出项是低元音的形状差异平滑不显著，说明其轨迹形状在语境间更一致，差异主要在整体前后位置。未评测边界是不对称序列的前后向不对称，只能从轨迹不对称间接推测，不能分离预期与延滞协同发音。

以下导读聚焦第二幅元音空间图，它把第一共振峰为纵轴、第二共振峰为横轴，颜色区分元音，线型区分语境，箭头指向元音终点，读图时应先按颜色找簇再按线型看簇内分离。

看图路径： 1. 先确认横轴为第二共振峰且向左增大、纵轴为第一共振峰且向上减小，构成传统元音空间；2. 按颜色区分五个元音簇，再按实线、短虚线和长虚线区分 k、p、t 三种语境；3. 沿箭头方向读每条小轨迹的起点到终点，判断前后向运动是否对称；4. 重点比较 o 和 u 簇内不同线型在横轴上的左右分开程度与 a 簇的重合程度

论文图 2。原论文 Figure 2：“Acoustic vowel space showing first and second for- mant trajectories (F1 and F2) predicted from fitted GAMMs.”。

该图显示高前与中前元音簇偏右上即高且前，后元音簇偏右中，高后元音簇虽名义靠后但整体偏前呈中央化；同一颜色内不同线型在横轴上左右分开，尤其后元音簇分离最大，而低元音簇内齿龈与软腭线基本重合、双唇线偏右即更靠后。这与上一幅图结论互证，且更直观显示前化可达跨元音类别的幅度。同样不硬读像素数值，只报告相对位置与分离方向。

哪些结论站得住，哪些还只是可能？

论文直接报告的是：在该朗读语料中，塞音语境显著影响共振峰，尤以前后维度为甚，且差异贯穿整个元音。这有预测曲线、置信带和模型显著性支持。有限解释是把软腭音在前元音前的偏高归因于腭化、把后元音偏低归因于更靠后的软腭实现，这符合发音机理但未用腭位或超声直接测量，属于合理推断而非直接证据。未验证推测包括是否构成历时音变、是否适用于男性与年长者、自发语速与语体是否放大效应。

缺失证据不是技术错误，但不能把相关性说成因果，也不能承诺误判率、延迟或成本改善，本研究未测量这些量。总体趋势不等于每组每时刻成立，例如低元音形状差异就不显著。旧 claim 称预期协同发音不常见，本结果至少对当代青年女性朗读体重读对称音节不完全成立，但两者取样年代、年龄、语体和分析方法不同，不能直接判定谁错，只能说需要用同样动态方法回看历史语料才能比较。

要复现这项研究，先做什么，需要补哪项验证？

复现先做三件事。第一，按同样载体句与对称词表组织刺激，保证词首重读且前后辅音相同，记录每人五遍朗读与隔音条件；若用新词表，需核对重读规则是否仍使目标为重读。第二，复刻标注流水线：先用与语言无关的自动对齐得初值，再人工校对起止边界，用女性参数估计共振峰并逐帧人工校对，保留修改日志与有效窗长设置。

第三，复刻统计模型：响应变量取 Bark 标度值，参数部分为辅音乘元音交互，基准平滑加元音与辅音差平滑加说话人随机平滑，用重尾分布拟合，分别对两个共振峰建模，再在归一化时间网格上预测并比较高度与形状。还需补的验证包括报告对齐误差、共振峰错跟率、平滑维度敏感性，以及用不对称序列分离预期与延滞效应，或用轨迹起点斜率与终点斜率量化方向不对称。

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，复现应按原文工具版本自行搭建。

何时值得借用这套做法，如何避免常见误解？

当你的语言元音少、变异大且怀疑辅音在拉动元音时，值得借用对称包夹加整轨迹建模的做法，它比单点均值更能发现峰值时刻与全程偏移。适用条件是重读可控、语体统一、说话人群体明确；若研究自发对话，需另行控制语速与弱化。常见误解有三。其一，把参数显著等同于可听范畴改变，正确做法是同时看置信带分离幅度与元音空间距离。

其二，把软腭符号当固定后位置，正确做法是允许其在前元音前腭化、在后元音后移，需结合第二共振峰方向判断。其三，把青年女性朗读结果推广为全语言结论，正确做法是明确限定为现代青年女性朗读体重读元音，历史比较与男性、年长者、自发语体仍待验证。记住高度稳定而前后漂移这一矛盾式总结：第一共振峰告诉你开口度未大动，第二共振峰告诉你舌前后已系统移动，这正是本研究对元音与辅音变异理解的核心增量。

⚖️ 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