读词末尾多出来的摩擦音：法兰西岛 /i/ 尾语料中性别效应偏向男性一侧

英文题目：Effet du genre sur la réalisation de l’épithèse fricative en français francilien

会议身份：conference:jep:2026:conference-paper-id:hutin26_jep

✅ 来源为官方会议 PDF；表格与 Figure 按原文证据绑定。PDF 公式以原页区域图片展示，未冒称作者原始 TeX。

会议来源：官方记录 · 官方 PDF

标签：#数据标注 #统计分析 #社会语音学 #语音 #强制对齐

评分：5.4/10 | 创新 0.8/2 | 技术严谨 1.0/1.5 | 实验充分 0.5/1.5 | 清晰度 0.8/1 | 影响力 0.5/1.5 | 开源 1.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.5/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• Mathilde Hutin：机构信息未能从会议 PDF 纯文本可靠映射
• Esté Defurne：机构信息未能从会议 PDF 纯文本可靠映射
• Florian Cuny：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文以法兰西岛孤立词朗读录音为输入，输出每条录音是否存在句末/i/后清擦音尾，难点在于现象偶发且易与韵律边界和录音质量混淆。方法链分三步：先从Lingua Libre众包库筛选法兰西岛母语者以/i/结尾的录音并平衡男女说话人数量，其输出的音频与转写文本进入下一步。接着用WebMAUS自动对齐生成Praat可读标注，再由母语语音学家手工校正音素边界并依据听觉与频谱中非周期噪声和F0缺失判读擦音尾，存疑案例经双人协商达成一致。最后将逐条标注送入以说话人为随机截距的混合效应模型检验性别关联，并辅以按人统计比率的模型对照个体差异影响。与既往主张女性偏好或性别无关的结论不同，该链条通过控制地域与元音语境并分离录音层面与说话人层面效应，揭示了男性偏高的反向模式并以性别悖论讨论其历时反转含义。在孤立词朗读语料条件下，男性录音的擦音尾检出率指标为36,41%，高于女性录音的擦音尾检出率指标7,37%。该结论适用边界限于2018年至2025年法兰西岛/i/尾孤立词朗读，尚未验证自发对话与其他元音及地域的外推，原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 数据相关资源：https://osf.io/25w8v/ — 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

输入是什么：法语词末元音后多出来的清擦音要解决什么问题？

这篇解读的输入是论文原文提供的研究设计、语料筛选、标注规则和统计结果，目标是让刚进入语音或音频方向的研究生能按原文复述方法并理解结论边界，必须保留的信息是语料来源与规模、标注依据、两个统计模型的检验对象与显著性，以及作者明确承认的小样本限制，输出是按学习依赖展开的中文技术说明。

研究对象是当代法语中一种零散出现的语音变体。白话说，就是在话语末尾、本该以元音结束的地方，耳朵能听到一段额外的嘶嘶声，同时这个元音本身的嗡嗡声减弱或消失。英文或法文术语叫摩擦性增音，记作 épithèse fricative，也常被称为元音清化，记作 dévoisement vocalique。后文统一简称增音。原文强调它出现在词末元音加停顿之前，常见于高元音 /i, y, u/ 之后，也见于中元音、低元音甚至鼻化元音之后。不同元音后的摩擦部位和听感可能不同，有人记为类似德语 ich-Laut 的腭音，有人在中低元音后听感更接近呼气。

épithèse fricative × dévoisement vocalique： épithèse fricative 分工是指在词末元音后实际多出一段清擦音的听辨与切分对象，dévoisement vocalique 分工是指与之伴随的末元音部分或完全失去声带振动的成因描述，二者搭配是因为同一事件在波形上看是附加噪声、在语谱上看是元音浊音减弱，组合意义是把标注标准统一为既听摩擦又看无基频加共振峰弱化，避免只按听感命名。

为什么性别成为中心矛盾。最早的描写提到在电视上听到女性例子，且有女性被试系统性发出类似 passé-ç 的形式，但原作者并未断言这是女性专属。后来的巴黎会话语料发现男性少于女性，读词任务中差异变小，而只观察巴黎女学生的研究又强化了年轻女性多用的印象。与之相反，较新的广播新闻和实验室外语料没有发现性别效应，甚至在小样本中男性上下文比例高于女性但个体差异太大无法做显著检验。因此问题不是增音是否存在，而是性别是否解释其分布，以及在受控地区和任务下结论是否稳定。

本研究把任务限定为法兰西岛地区、读词孤立词、以 /i/ 结尾、2018 至 2025 年期间的众包录音。这样做不是要证明增音只属于该地区，而是先固定地理和语音环境，减少混杂，再看性别是否仍有关联。理解这一点对复述很关键：所有数字只在该任务和该元音条件下成立，不能直接推广到会话或自发语。

同输入同目标的前人做了什么：地理、年龄和性别各得到什么证据？

相关工作要按同类输入、同类目标来对照，而不是把类别差异当胜负。地理方面，增音最早在巴黎地区被系统研究，但原文明确说没有证据表明它起源于巴黎，后来在其他法语区和非母语者中也被观察到，且作者表示据其所知尚无研究直接比较当代法语中说话人地理来源的效应。因此本研究选择巴黎地区是继承文献中记录充分的地点，不是地理比较。

年龄方面，读词任务中曾发现年长者多于年轻人，会话中 3 组年龄无差别，另一项 13 至 85 岁样本未发现年龄与数量相关，而基于 1998 至 2007 年广播新闻的研究发现 2007 年增音更长但完全清化元音更少，提示 2000 年代该现象在新闻语体中处于稳定化过程。这说明年龄和时期可能交织，单看年龄不够。

性别方面，证据链最分叉。支持女性偏多的证据来自早期巴黎研究和女学生样本，不支持性别效应的证据来自 2012 至 2014 年的新闻语料和包含情感、句类、语体控制的研究。作者引用了过去研究建议至少分析上 100 人的观点，指出 8 女 8 男这类规模个体变异太大。本研究因此把重点放在扩大可核对的标注流程和公开表格上，而不是用修辞解决争论。

要检验的具体问题是什么：什么算一次增音？

问题形式化为二分类加比例分析。第一问是每条录音有无增音是否与说话人性别有关，第二问是每人产出增音的百分比是否与性别有关。两个问题对象不同，前者以录音为单位，后者以人为单位。初学者容易把二者混为一谈，但论文用 2 个模型分别回答。

操作定义上，1 次增音指词末出现可切分的附加摩擦区间。标注时在对应区间加边界并标为 ç。判断同时用听辨和声学：波形中出现非周期噪声，语谱中保留第 1 至第 4 共振峰但无基频。当听感与声学矛盾时优先看波形和语谱，仍存疑则由 2 名标注者讨论达成一致。无增音的末元音右边界尽量按已有切分原则放在共振峰结构劣化起止的中点。

举例说明只是教学例子：若词为 mari，流程是先切出 m、a、R、i，再看 i 之后是否有延续的噪声段，有则另切一段标 ç，无则把 i 的右边界定在共振峰变散的中点。该例子不引入原文之外的数值或效果，只帮助理解切分动作。

方法全景：从众包录音到可检验表格走了哪几步？

全景可沿一个样本走完。输入是一条 Lingua Libre 众包录音及其文本，例如某个以 /i/ 结尾的孤立词。表示是下载的波形文件加文本转写。组件依次是元数据过滤、自动对齐、人工校正与增音标注、制表与统计检验。目标是得到每条录音有无增音和每人增音率两张表。输出是性别效应的显著性判断及其适用条件。

Lingua Libre × tâche de lecture： Lingua Libre 分工是提供大量孤立词或短语朗读录音及其说话人自报元数据，tâche de lecture 分工是把每个潜在增音位置都放在句末停顿前以提高可观测率，二者搭配的理由是众包读词天然满足韵律结尾条件，组合意义是用低控制但高结尾密度的数据换取对零散现象的初步检验能力。

数据层面，作者用 SPARQL 在 2026 年 1 月 15 日查询知识库，取回录音编号、文件名、日期、文本和说话人编号，再取回说话人自报性别、住所、语言及熟练度，并手工把住所映射到行政大区和国家。接着只保留同时填了性别、母语和来源地区的贡献者，共 416662 条，再限于母语为法语、自报来自同一地区的说话人，并聚焦法兰西岛和词尾 /i/，得到 1082 条的候选池。这一层过滤的目的是同质化，不是代表全部法语。

处理层面，音频与文本先用 WebMAUS 法语模型做自动对齐生成可在 Praat 中读取的 TextGrid，再由母语语音学人员手工校正所有音素边界并标注增音。分析层面，用 R 语言的混合模型和一般线性模型分别检验录音层面和人均层面的性别效应，表格已公开在 OSF 地址，当前可用状态为已公开可下载复用。

标注组件如何工作：自动对齐后人工改了什么、看什么图？

该节承担把自动结果变为可信标注的教学任务。自动对齐解决的是快而不准的问题，人工校正解决的是句末弱摩擦易漏切的问题。具体动作是先把波形与文本送入 WebMAUS Basic 法语流程得到初始 TextGrid，再在 Praat 特定版本中逐个移动音素边界，凡在词末发现增音就加一个边界并标 ç。

下段是针对本次实际收到像素的官方原图导读，帮读者把文字规则对应到可见信号，读图前先确认对象是单个样本 mari 的切分截图，时间范围是可见部分约 1 秒，上中下分别为波形、语谱和 3 层标注。

看图路径： 1. 先看最上方波形中元音后延续的非周期噪声段与左侧周期振动的差别；2. 再看中间语谱中蓝色基频线中断但红色共振峰点线仍延续的位置；3. 最后核对下方三层标注中黄色ç区间与上一层 i 边界如何衔接

论文图 1。原论文 Figure 1：“Capture d’écran de la segmentation pour le mot “mari” dans l’enregistrement Q31082.”。

该图显示词 mari 的切分结果，上方波形在元音周期振动后延续一段幅度较小但毛糙的非周期波形，中间语谱对应位置仍有深色共振峰能量但蓝色基频线中断，下方第 3 层在 i 之后用黄色块标出 ç 并与前后静音占位符衔接。教学上应先听辨有无嘶声，再核对波形噪声与无基频，最后才落边界。若听感与声学矛盾，原文要求优先采信波形与语谱，存疑则双人协商，这正是该图可复用的判断顺序。

WebMAUS × Praat： WebMAUS 分工是按法语模型对音频和文本做自动强制对齐并生成初始音段边界，Praat 分工是由受过训练的母语标注者在语图和波形上手工校正边界并增设增音区间，二者搭配是因为自动对齐快但对句末弱擦音不准，组合意义是形成自动初切加人工听辨与声学复核的流水线。

样本均衡动作也在这一步完成。女性候选 219 条来自 12 人，男性候选 851 条来自 23 人，另有 1 名间性者 12 条。因可行性只校正全部女性录音和部分男性录音，男性侧从高产量说话人中随机选并尽量与女性按产量配对，剔除 1 名仅 1 条且质量差的女性和 9 个技术原因文件后，最终为 11 女 11 男各 217 条共 434 条。这个配对细节决定了后文录音层面与人均层面结果的解释差异。

语料构成如何从 1082 条收敛到 434 条：谁被留下、谁被去掉？

该节把筛选口径讲到可复现。起点是平台 2025 年 1 月法语总量 426065 条、714 人、9 国，说明众包池大但异质。过滤到三项元数据齐全后为 416662 条，再限母语、法兰西岛、词尾 /i/ 后为 1082 条，其中女 219 条、间性者 12 条、男 851 条。最终手工校正 434 条，男女各 217 条。

关键取舍有三处。第一，只用自报法兰西岛的母语者，住所粒度由贡献者自选，作者手工归一到大区。第二，只看词尾 /i/，因为文献预期该语境增音最多。第三，男女按条数均衡而非按人数的全部录音均衡，男性侧有选择，女性侧接近全选后剔除。这意味着人均条数仍不均衡，有人 80 多条，有人仅 5 至 6 条，后文人均率受小分母影响大。

复述时不要把 1082 与 434 混为同一阶段，前者是候选池，后者是手工标注集。间性者数据在最终模型中未进入男女比较，复现时应同样排除或另行说明，不能并入两组。

没有神经网络训练时：本研究实际计算了什么、冻结了什么？

本研究没有训练神经网络，也没有更新声学模型参数，因此不存在梯度路径、冻结层或早停需要交代。该节按要求明确说明未训练部分，再讲实际执行的计算。

未训练的是 WebMAUS 法语对齐模型和任何分类器，调用只是推理式对齐，不做参数更新。实际计算是两类统计拟合。第一类是录音层面的广义线性混合模型，公式为 Epithese 随 Genre 变化加说话人随机截距，数据表为每条录音一行，含录音编号、词、说话人编号、性别和有无增音。第二类是人均层面的一般线性模型，公式为每人增音率随性别变化，数据表为每人一行，含说话人编号、性别和增音百分比。软件为 R 特定版本加指定扩展包。

modèle mixte × effet aléatoire locuteur： modèle mixte 分工是在录音层面检验性别固定效应的同时容纳个体差异，effet aléatoire locuteur 分工是为每个说话人设一个截距以吸收有人高产有人零产的变异，二者搭配是因为 434 条录音嵌套在 22 人内部不能当独立样本，组合意义是先看控制个体后性别是否仍显著，再与人均比例模型对照样本量不足的影响。

缺项要明确指出。原文未报告随机斜率、词频音节数等协变量、残差诊断和多重比较校正，也未报告对齐模型的阈值或置信度。这些不是技术错误，而是本研究作为初步探索未纳入的范围，后续语料扩大后才计划加入词长、词频、词类等控制。

实验条件：录音任务、设备环境和指标口径是否一致？

实验条件按数据、协议、指标和聚合四项交代。数据是 Lingua Libre 读词孤立词录音，2018 至 2025 年法兰西岛子集，词尾限定 /i/，最终 434 条。协议是每词单独成文件，天然处于句末停顿前，符合增音高发韵律位置，但同时带来任务单一的问题，只能代表朗读孤立词，不能代表会话或自发语。

设备与环境未控制。原文明确说录制地点、混响、背景噪声、麦克风类型、采样频率和口麦距离都因人而异。这是众包数据的固有代价，复现时不能假设录音质量一致，听辨存疑时必须回到波形与语谱并双人协商。内容也未控制，词的长度、音节数、词频和词类混杂，当前模型未纳入这些协变量。

指标分两层。录音层面指标是有无增音的二值，聚合对象是录音条数。人物层面指标是每人增音百分比，聚合对象是人。统计口径分别是混合模型显著性与线性模型显著性，不能互换。百分比的百分点差与相对比例意义不同，后文解读需保留原文写法。

公开表格与可运行策略：复现先下载什么、核对什么？

复现起点是 OSF 公开的两张表格，当前可用可下载。一张是每条录音的明细，含录音编号、词、说话人编号、性别和有无增音，另一张是每人增音率汇总。论文正文给出简化摘录，完整版在附件和 OSF 中。复现时先核对三件事：候选池 1082 条的性别构成、最终 434 条的男女各 217 条，以及标注规则中 ç 区间与 i 右边界的衔接。

可运行策略指按原文能直接重跑的流程：用同样 SPARQL 字段取数，按同样三元数据过滤，按同样 WebMAUS 法语流程初切，按同样听辨加声学规则在 Praat 中校正，再跑同样两个公式。搜索最优或事后挑选高产说话人不能代替该流程的收益，因为男性侧抽样已做配对，换抽样会改变结果。

硬件与成本方面，原文未报告标注工时、对齐耗时和计算资源，复现预算应按人工逐条校正来估计，而不是按模型训练来估计。这是数据集加标注型工作的典型成本结构。

主结果测了什么：在相同任务下男女差异有多大？

主结果要回答录音层面是否更多出现在男性录音中，以及人均层面是否成立。比较问题是：在固定法兰西岛、读词孤立词、词尾 /i/ 的条件下，性别分组的增音比例是否有差异。公平条件是男女各 217 条、共 434 条，均经同样自动初切加人工校正。指标方向是增音占比越高表示该组实现越多，显著性阈值为常规 0.05。

上表提出录音层面的总体对照，公平条件是男女条数相等且标注流程一致，指标方向是占比越高实现越多。表后解释是主要收益与代价。收益是现象并不罕见，总占比约 20%，且男性录音占比约为女性录音的近 5 倍，混合模型在纳入说话人随机效应后仍报告性别显著。代价是该显著只在录音层面成立，人均层面线性模型不显著，且个体变异极大，不能把总体趋势读成每人都如此。未胜出项是女性组：超过半数女性零产出，但有 2 名小样本女性分别达 70% 与 54.55%，说明小分母会放大百分比，解读人均率必须同时看条数。

上表提出从候选池到最终集的构成与人均离散对照，公平条件是最终男女条数相等但人均条数仍不均，指标方向是均值越高表示组内平均更高。表后解释是支持与限制。支持是男性人均均值高出约 15 个百分点，且高产男性仍保持较高比例，而高产女性反而极低。限制是女性标准差更大，男性零产出者均为小样本，样本仅 22 人导致人均模型效力不足。原文用一般线性模型检验人均率得到的非显著结果与此一致，不能用录音层面显著代替人均显著。

反证与边界：如果换聚合单位或去掉个体控制会怎样？

该节承担论文特有的消融式对照：同样数据换聚合单位结论是否还成立。检验对象分别是录音层面混合模型与人均层面线性模型，条件一致的是同一 434 条标注，其他条件是前者含说话人随机截距，后者以人为单位。指标都是性别效应是否显著，方向是显著为有关联。

上表提出同一语料两种聚合的对照问题，公平条件是数据同源、检验目标都是性别，指标方向是 p 越小越支持有关联。表后解释是主要对照与代价。收益是录音层面在控制个体后仍显著，与过去小样本中男性上下文比例高的观察一致。代价是人均层面因仅 22 人、个体差异大而效力不足，作者与前人同样归因于人数太少。未评测边界是若加入词频、音节数、录音质量或日期协变量，显著性可能变化，但原文未做，不能推测去掉某项必然如何。

另一类边界是语音与地理泛化。原文只看 /i/ 尾，未测 /y/、/u/、/e/、/œ/，也未比较巴黎之外。过去文献提示不同元音后摩擦性质不同，有人甚至因听感像呼气而漏标。因此当前男性偏多的判断只在 /i/ 读词条件下报告为显著，换元音或换会话任务需重新检验。

哪些限制决定了结论只能是初步的？

第一个限制是人数。最终仅 11 女 11 男，而过去研究建议至少上 100 人。众包池男性远多于女性，均衡后女性接近全选、男性为配对抽样，人均条数仍悬殊。这直接解释了为何录音层面显著而人均不显著。

第二个限制是内容与质量不可控。词表长度、音节数、词频、词类混杂，录制环境与设备各异。原文计划未来用定向采集补女性样本，并给出统一朗读表与录音设置，甚至在平台加教程以提高可用性。当前阶段这些协变量未建模。

第三个限制是任务单一。只有孤立词朗读，缺少短语朗读，更缺少自发语。文献已报告任务影响增音实现，作者建议未来看 Mozilla Common Voice 的短语朗读与自发语料。

第四个限制是仅二值标注，无声学测量。原文列出未来要做的时长、共振峰、重心、清化程度和元音摩擦比，并结合录音日期检验稳定化假设，还提到手工校正中观察到的末元音嘎裂声值得深挖。这些都是未测量项，不能承诺已改善。

gender paradox × stabilisation： gender paradox 分工是提供一种社会语言学解释框架，即无意识变体女性领先而有意识后女性回避，stabilisation 分工是指 2000 年代该现象在媒体语流中变长且完全去浊减少所暗示的规约化过程，二者搭配是因为作者需要解释为何早期文献偏女性而本次偏男性，组合意义是把待验证的历史反转假设明确为意识度变化而非直接结论。

作者提出的待验证解释是性别悖论加稳定化：早期无意识阶段女性领先，2000 年代被察觉后女性回避、男性增多。但原文将其放在讨论末尾的假设位置，措辞为可能与待检验，不是直接报告。复述时必须用可能或待验证表达，不能写成因果定论。

复现先做什么：按原文一步步重跑需要哪些动作？

复现按原文顺序可分为取数、过滤、对齐、校正、制表与检验 6 步。取数是用 SPARQL 取录音编号、文件名、日期、文本和说话人编号，再取性别、住所、语言与熟练度，并把住所手工映射到大区与国家，查询时点按原文记录。过滤是先留三元数据齐全者，再留母语法语者，再留自报法兰西岛者，再留词尾 /i/，得到候选池。

对齐是把波形与文本送入 WebMAUS 法语流程生成 TextGrid。校正是用指定 Praat 版本逐条改边界，发现词末增音加 ç 区间，依据为波形非周期噪声加语谱保留共振峰而无基频，矛盾时优先声学，存疑双人协商。无增音末元音右边界按共振峰劣化中点处理。制表是生成录音明细与人均汇总两表并公开。检验是在 R 中跑录音层面混合模型与人均线性模型，分别看显著性。

先做的小检验是核对总数：候选池 1082 条中女 219、间性者 12、男 851，最终 434 条男女各 217 条，总增音 95 条占 21.89%，其中女 16 条占全部增音 16.84%、男 79 条占 83.16%。任一环节对不上都应先查过滤与剔除记录，而不是调模型。代码与权重方面，本研究无自训练模型可开源，公开的是数据表，可运行的是上述流程。录音文件本身来自 Wikimedia Commons 可免费下载，但复现仍需处理授权与元数据自报误差。

何时值得尝试这种方法：收束判断与还需补的验证？

值得尝试的场景是研究零散句末语音变体且需要大量句末样本时，用众包读词孤立词快速获得高密度潜在位置，再以人工声学复核保证标注质量。该路线用任务设计换取可观测率，用公开表格换取可核对性，适合初步检验社会人口学假设。

不值得直接套用的场景是把本次男性偏多当成全法语定论，或把录音层面显著当成人人如此。适用条件是法兰西岛、读词、词尾 /i/、2018 至 2025 众包录音、22 人规模。超出任一条件都需重做。

还需补的验证按优先级是先扩人与元音，再扩地理与任务，最后加声学。扩人要重点补女性以提高人均检验效力，扩元音先做 /y/、/u/ 再做 /e/、/œ/，扩地理可先扩巴黎周边变体差异小的城市，扩任务要加短语朗读与自发语。声学要补时长、共振峰、重心与清化比，并按日期检验稳定化。

常见误解有三。其一，把早期女性例子多读成女性专属，原文指出原作者并未如此断言。其二，把众包量大当成代表性强，实际上性别失衡且设备环境失控。其三，把相关当因果，性别显著只说明分布关联，不解释发音动机。记住这三点，就能在复述时既讲清方法动作，又守住结论边界。

📐 原文公式与排版

以下展示论文原页中的数学表达区域，保留原始上下标、分式和符号排版。区域序号仅用于本文导航，不是论文公式编号。

另有 3 个候选区域因边界不明确或图片数量、尺寸限制未展开；请查看完整论文中的原始排版。

⚖️ 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 jep-2026 论文汇总