法语嘎裂嗓能量化吗：H1-H2 与 H1*-H2* 在法英复述任务中的对照检验

英文题目：Comment mesurer la voix craquée française ?

会议身份：conference:jep:2026:conference-paper-id:jacobs26_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：#信号处理 #发声与构音 #社会语音学 #语音 #语音属性识别

评分：5.3/10 | 创新 1.2/2 | 技术严谨 1.1/1.5 | 实验充分 0.6/1.5 | 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 0.6/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• Justin Jacobs：机构信息未能从会议 PDF 纯文本可靠映射
• Maria Candea：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文输入为法国法语组与美国英语组大学生模仿童话反派台词跟读的嗓音片段，输出为通用声学指标能否稳定检测法语嘎裂嗓的判断，难点在于法语嘎裂嗓社会语音学分布不明且鼻音邻接与元音开口度易混淆谐波测量。方法链分三步：先由第一作者听辨结合Praat语图目检给出嘎裂嗓与否的定性编码，为后续对照提供参照标签。接着在Praat中以过零点定界并截取元音20%至80%中段以抑制协同发音干扰，其输出片段进入下一步计算。最后在VoiceSauce中并行计算未校正谐波差H1-H2与声道校正谐波差H1-H2并与定性判断对照，而相对已有英语做法的关键差异在于同时检验声道校正是否有效，以区分失效源于共振峰混淆还是发声子类型差异。在英语对照条件与法语实验条件对比的评测设置下，法语实验条件下校正谐波差H1-H2的成功率为72%，低于英语对照条件下校正谐波差H1-H2的成功率的89%。该结论的适用边界仅限于朗读模仿的反派风格化嗓音与所选开口元音，鼻音邻接仍会导致漏检与误报双向失效，尚未验证其能否外推到自发会话或非二元性别展演等新兴社会意义。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

为什么要先停下来检验测量，而不是直接统计法语嘎裂嗓有多流行？

输入是这篇法语论文的全文证据，目标是让刚进入语音、音乐与音频方向的研究生能复述方法并理解结论边界，必须保留的信息是任务设计、切分与计算流程、两种谐波测量的定义与方向、法英对照条件、视听定性编码以及报告的一致率与失败位置，输出是 1 篇可核对的技术解读。本文只讲论文实际做的复述诱发与测量检验，不外推到自发对话中的社会分布。

嘎裂嗓在英语里已有较多社会语音学讨论，但在法语里研究较少。作者的前期感知工作报告它在法语中听感上是显著的，也就是听者能注意到那种低沉、不规则、像结尾处掉下去的声音。如果一个现象听得出来，却没有可靠又好用的声学量度，后续任何关于谁在用、在哪里用、是否在扩散的定量研究都会站不住脚。这就是论文把测量检验放在大规模统计之前的原因。

对初学者而言，白话解释是：嘎裂嗓是一种喉部设置，杓状软骨把声带后部夹紧，只留前部振动，闭合快而闭合时间长，振动周期不规则，基频很低。英文名是 creaky voice，也常被称为 vocal fry。日常的中性嗓称为模态嗓，英文为 modal voice，是比较的起点。气嗓称为 breathy voice，是收缩更弱、开放更充分的另一端。论文关心的是能否用两个现成的谐波差测量把嘎裂嗓从模态嗓里稳定地挑出来，尤其是在法语里是否同样好用。

英语里的已知路线与法语里的空白分别是什么？

同输入、同目标的已有路线主要来自英语。声学上常用第一谐波与第二谐波强度相减，即 H1-H2，差值为负提示声门收缩更强的嘎裂嗓，差值为正提示气嗓，接近零提示模态嗓。但原文明确引用前人指出该测量只对开口元音可靠，因为声道共振本身会抬高或压低谐波。为此文献发展了校正声道影响的版本 H1*-H2*，通过归一化减少元音开口度带来的偏差。论文把这两个量作为待检验的易得测量，而不是提出全新算法。

同运行阶段的对照是感知与社会含义研究。英语中嘎裂嗓被报告可用于标记犹豫、话轮结尾、惊讶、欣赏、痛苦，也可在嘈杂环境出现；在英国曾被讨论与 prestige 或地方口音区分有关，在美国英语曾被讨论与性别建构、年轻女性、diva persona 以及跨性别发声策略有关。作者提醒这些社会含义随语言甚至时期而变，不能直接搬到法语。

法语中的空白是双重的。一是声学量度的迁移未经检验，二是社会功能尚无稳定记录。法语里已有对犹豫中不稳定元音的描述，但没有英语那样关于身份索引的系统记录。作者的预调查发现有人在表演去性别化嗓音时主动把声音做嘎、做出 crisser 的效果，并联系到非二元朋友的嗓音，这成为猜测嘎裂嗓可能在法国法语中获得新兴社会功能的起点。但这仍是待验证的假设，不是本文要证明的结论。本文的任务被有意收窄为方法检验：当法国人按要求复述出嘎裂嗓时，H1-H2 与 H1*-H2* 能否捕捉到它。

论文把什么作为可判定的问题，又不回答什么？

可判定的问题是：在保持诱发任务、录音设备、切分区间与计算工具一致的前提下，H1-H2 与 H1*-H2* 在法语复述数据中与视听定性判断的一致程度是否达到英语对照数据的水平，以及失败是否集中在可解释的位置。判断标准是方向一致性：被视听判断为嘎裂嗓时测量应为负，被判断为模态嗓时测量不应为负。

论文不回答法语自发语料中嘎裂嗓的发生率，不回答它是否已稳定索引某种社会身份，也不回答哪种喉部亚型在法语中最常见。结论部分明确把亚型差异、社会稳定化程度和小样本异质性列为 competing 解释，需要更多观察与补充测量才能区分。初学者容易把测量在英语中更准误读为法语人不会发嘎裂嗓，原文的逻辑恰好相反：复述任务显示法国被试能够按要求做出可被听辨的嘎裂嗓，问题出在现成数值的可靠性上。

从听听到量到判定的全链路是怎样的？

先沿一个样本走完输入到输出。输入是一句童话台词的录音刺激，例如法语的 Tire la bobinette et la chevillette cherra 或英语的 Fee-fi-fo-fum, I smell the blood of an Englishman。被试先默读该句，再在火狐浏览器中的 Ibex Farm 界面上听到由女性录制的刺激版本，然后按指示用同样的方式大声重复。输出是被试的复述录音，设备是 Zoom H2next 手持录音机，格式为 24 比特、采样率 96 千赫的 wav 文件。每人共完成 20 次产出，覆盖模态、嘎裂、气嗓、假声与低沉嗓等多种要求，其中只有部分是用于检验的嘎裂嗓复述。

表示阶段是元音切分。作者在 Praat 中逐个隔离目标元音，两侧边界放在过零点，截取元音中央 20% 到 80% 的部分以减少协同发音影响。法语侧选的片段包括 la 中的 3 个 a、miroir 中 2 个实例的 oi、cherra 中的 a、moi 中的 oi，以及 Hamlet 句中 not 的 o 与 that 的 a；英语侧选的片段包括 fi 与 I 中的双元音起点、wall、on、all 中的元音，以及同样位置的 not 与 that。组件阶段是用 VoiceSauce 计算每个片段的 H1-H2 与 H1*-H2*，单位为分贝。

目标阶段是由第一作者看语图并回听，给出 C 表示视听判断为嘎裂嗓、0 表示判断为非嘎裂。最终判定是比较数值方向与类别是否一致，而不是拟合连续的收缩程度。

H1-H2 在做什么，方向如何读？

H1-H2 的输入是目标元音中央段的频谱，符号 H1 表示第一谐波幅度，H2 表示第二谐波幅度，计算目标是二者以分贝表示的差。原文的安排理由是把它作为声门开放商数的代理：正值对应气嗓方向，零附近对应模态，负值对应嘎裂嗓方向。实现上它不做声道校正，因此元音开口度、相邻鼻音、声门塞音插入都会直接进入数值。

voix craquée × voix modale： voix craquée 指杓状软骨后部收紧、前部振动、闭合期延长且周期不规则的喉部设置，分工是提供待检测的偏离状态；voix modale 指日常自发的中性振动状态，分工是提供比较基线；二者搭配的理由是只有以后者为零点，才能把 H1-H2 为负解读为更强的声门收缩、为正解读为更接近气嗓，组合意义是把连续的频谱差值锚定到可判读的类别上。

教学例子是：若某次复述的 on 被听辨为嘎裂嗓，而 H1-H2 给出很大的正值，就构成 1 次方向不一致，需要记为漏报；反之若视听判断为模态而数值为负，则记为误报。论文用这种离散化比较来评价测量，而不是要求数值大小与收缩程度成精确比例。初学者应记住负号只是必要提示，不是嘎裂嗓的充分证明，尤其在鼻音附近更需谨慎。

H1*-H2* 多做了哪一步校正，为何仍可能失败？

H1*-H2* 的输入与 H1-H2 相同，但计算前对声道共振的影响做归一化，星号表示校正后的谐波估计。计算目标仍是差值的正负方向，但期望减少因元音不同而带来的系统偏差。原文引用的依据是声道本身会影响谐波实现，因此需要校正；具体归一化公式的内部实现细节在本文证据中没有展开，复现时应以 VoiceSauce 的实际计算为准，不应自行脑补公式。

H1-H2 × H1*-H2*： H1-H2 分工是直接用第一谐波幅度减第二谐波幅度得到以分贝表示的开放商数代理，搭配理由是计算简单且在英语中有成例；H1*-H2* 分工是对声道共振影响做归一化校正，搭配理由是不同开口度元音会抬高或压低谐波；组合意义是先看未校正值是否已为负，再看校正后是否翻转，从而判断分歧来自声门还是来自声道。

论文报告的总体趋势是当二者分歧时，符合视听判断的更 often 是校正版，在合并数据中占 65% 的分歧情形。但校正不是万能。法语数据中既有视听为嘎裂而校正值为正的漏报，也有视听为模态而校正值为负的误报，还有未校正正确而校正反而翻转的个案。这说明声道校正能减少一部分元音效应，却不能消除鼻化、声门塞音或不同嘎裂亚型带来的结构差异。

jugement qualitatif × mesure acoustique： jugement qualitatif 分工是由第一作者在 Praat 中看语图并回听做出 C 与 0 的类别标注，提供人类可感知的参照；mesure acoustique 分工是由 VoiceSauce 在元音中央 20% 到 80% 区间计算谐波差，提供可重复的数值；二者搭配的理由是避免只用数值自证，组合意义是以视听判断为临时金标准来统计两种谐波测量的命中、漏报与误报。

nasalité × harmoniques： nasalité分工是指鼻辅音邻接或元音鼻化引入的额外共振与阻尼，会改变口腔中共振谐波的幅度；harmoniques 分工是指声门源产生的离散频率成分，其相对高低被用来推断收缩程度；搭配理由是当鼻音出现在目标元音前后时，谐波幅度变化可能不是声门收缩所致，组合意义是把 not、on、I 附近的系统性测量失败归因到可检验的干扰源而非随机噪声。

condition expérimentale × condition de contrôle： condition expérimentale 分工是在法国用法语诱发嘎裂嗓，检验英语测量能否迁移；condition de contrôle 分工是在美国用英语完成同样复述流程，提供测量在原语言中的基准表现；搭配理由是保持任务、设备与切分流程一致而只变换语言，组合意义是把法语中较低的一致率解读为语言或用法差异而非全盘方法失效。

本研究训练了什么模型？没有训练时真实计算是什么？

本研究没有训练任何神经网络模型，也没有冻结或更新权重、没有梯度路径、没有优化器步骤，因此不能讨论训练损失、早停或泛化误差。把无训练等同于确定性求解是错误的，因为即使参数固定，录音、切分边界、协同发音与感知判断仍会引入变异。

真实计算是 3 段式处理流程。第一段是刺激准备与采集：选用知名童话台词以方便复述，用虚构人物尤其是反派来自然诱发多种嗓音，女性录制刺激是因为作者假设嘎裂嗓在女性嗓音中更显著且更易引发评价；采集用同一型号录音机与同一采样规格以保证条件一致。第二段是标注与切分：在 Praat 中人工隔离元音、按过零点定界、取中央段。第 3 段是测量与编码：用 VoiceSauce 批量计算 H1-H2 与 H1*-H2*，再由第一作者独立给出 C 或 0 的视听编码。复现时应原样保留人工视听编码环节，不要用数值反推类别，否则会循环论证。

被试、刺激与对比条件是否公平？

被试是大学语言学课程的学生，但主修为文学、戏剧或电影，未接受过语音学训练，年龄 18 到 40 岁，一半为法国三年级本科生，一半为美国一二年级本科生。每人声明出生于任务所在地区且为目标语言母语者。结果讨论部分实际呈现的是每种条件各 5 名被试加上录制刺激的女性发音人，分别编码为 E00 与 F00。预调查另有 62 段录音，任务是把同一咖啡邀约读成自发、男性、女性与去性别化 4 种版本，那是提出假设的来源，不是本次测量检验的数据。

刺激设计保持跨语言可比但不逐词相同。法语用小红帽的 Tire la bobinette et la chevillette cherra 与白雪公主的 Miroir, mon beau miroir, dis-moi qui est la plus belle；英语用 Jack and the beanstalk 的 Fee-fi-fo-fum 与白雪公主的 Mirror, mirror, on the wall；两组最后都加了 Hamlet 的 To be or not to be 以提供 not 与 that 的可比位置。每个台词出现 5 次，分别要求模态、嘎裂、气嗓、假声与低沉嗓，顺序随机，只有反派台词被选为嘎裂嗓的实验句。这种设计用反派角色降低了要求被试做嘎裂嗓的突兀感，但也引入混淆：测到的是角色化的夸张嘎裂还是日常的轻微嘎裂，原文在结论中明确列为未区分的缺项。

数据划分与聚合按证据交代：分析单位是选定的元音 token，不是整句；聚合是按 token 统计方向一致率，没有报告跨被试的方差分析或显著性检验，也没有报告硬件预算与运行时间。指标方向是负为嘎裂、正为气嗓或模态，比较条件是同一流程下法语实验组对英语对照组。

哪些个案显示测量与人耳一致，总体一致率是多少？

要回答测量是否命中，先看双方都命中的干净个案。下表提出的问题是：在视听判断为嘎裂嗓时，两种谐波测量能否同时给出负值。公平条件是同一中央元音段、同一 VoiceSauce 计算、同一 C 或 0 编码，指标方向是负值支持嘎裂判断。表中四行都是视听为 C 且两个测量同为负的例子，横跨英语的 on 与 fi 以及法语的 cherra 与 miroir，说明在无强干扰的位置两种测量都有能力捕捉嘎裂。

表后解释需要同时看到收益与代价。这张表支持两种测量在理想位置都有效，尤其是 F02.miroir 给出约负 7 分贝的强负值，与听感一致。但它不能代表全貌，因为原文报告两种测量在合并数据中仅 61% 的情形完全一致，一旦分歧，校正版更 often 正确，而法语整体成功率低于英语。未胜出的反例紧随其后：E01.wall 与 F01.moi 都是视听为 C 但 H1-H2 为正而 H1*-H2* 为负，F02.miroir 的另 1 token 是视听为模态而 H1*-H2* 给出很大的正值 12.172 dB 反而正确、H1-H2 给出负值反而错误，E02.fi 与 F00.la1 则是视听为模态而两个测量同为负的误报。因此干净命中只证明能力存在，不证明阈值可直接部署。

总体数字的比较必须保留原文实际可运行的策略。下表把分散在正文中的一致率放在同一框架下，比较问题是校正是否在两种语言中都带来可部署的收益，公平条件是同一视听参照，指标方向是一致率越高越好。

表后解释要区分直接报告与有限解释。论文直接报告的是 89% 对 72% 的落差，支持校正版在英语中更强、在法语中较不可靠的判断。代价是法语中出现双向错误：F03.la1 视听为嘎裂而双测量为正的漏报，F00.la1 视听为模态而双测量为负的误报，F02.cherra 视听为嘎裂而校正版仍为正，F04.la 视听为模态而 H1-H2 正确、H1*-H2* 误报为嘎裂。57% 的模态误判率进一步说明不能只看命中嘎裂的成功率，还必须看把模态错判为嘎裂的代价。原文把部分模态误判事后解释为鼻化偏向气嗓的可能影响，但明确标注这是事后解释而非本项目能证实的结论。

失败是否集中在鼻音与声门塞音附近？

论文把失败分析组织成类似消融的思路：固定测量与判断，只看语言环境是否变化。英语对照中未命中的嘎裂集中在 not、on 与 I。作者指出每个都可联系到鼻辅音邻接：not 的元音前有鼻音 n，on 的元音后有鼻音 n，I 所在的 Fee-fi-fo-fum 语流可能被实现为无间断的延续，使前置鼻音 m 的鼻化渗入元音。英语的元音鼻化偏向预期性，法语偏向滞留性，因此 n 对 not 元音的干扰在法语中理论上应更强，但实际是法语的 not 每次都被正确命中而英语的 not 几乎每次都失败。作者保留了这些鼻音邻接的 token，正是因为这种反直觉的差异值得进一步研究，而不是为了凑高成功率而删除不利条件。

on 的误差还有第二个候选机制。英语说话人在韵律短语起点、元音开头处常插入声门塞音，例如 mirror, mirror 之后出现可听的喉塞起头的 on。喉塞的声学效应已知会干扰谐波结构分析，包括 H1-H2 与 H1*-H2*。E04 的产出中可听到这种喉塞，这为 on 的失败提供了除鼻化之外的另一条可检验路径，但原文没有做分离实验来定量归因。

法语侧的失败更分散。la1 有 4 次错误，cherra 有 2 次，miroir1 有 2 次，外加把模态判为嘎裂的 F04.la。这说明法语的问题不只是一个鼻音位置能解释。作者提出两条主线：一是法国人可能使用了与美国人不同的嘎裂亚型，而 H1*-H2* 对不同亚型的敏感度不同；二是嘎裂在法语中更标记、更依赖反派角色启动，导致实现分散，而在英语中更常规、更稳定。两条都是待验证的假设，需要补充平均基频、基频周期性等测量以及区分角色化嘎裂与日常嘎裂的新协议才能检验。

哪些边界会让结论失效或不可推广？

样本边界是首要限制。测量检验只呈现每组 5 名被试加刺激发音人，token 数量以十余计，例如 on 共 12 个、I 共 11 个有效观察，la1 共 12 个、cherra 共 12 个。如此小的探索性样本足以暴露不一致，但不足以估计总体发生率或拟合稳定的阈值。把 89% 或 72% 当作 population 参数是误读，它们只是本批 token 上的方向一致率。

刺激边界是角色化偏差。嘎裂嗓出现在反派台词中，被试可能用夸张的舞台腔来演绎，这与日常话轮结尾的轻微嘎裂在喉部设置上可能不同。原文明确建议未来用协议区分反派嘎裂与日常嘎裂，并补充基频均值与周期性等维度。没有这一步，就不能把本研究的阈值直接用于自发对话。

测量边界是工具可及性。作者提到基于共振的嘎裂检测与残差 H1* 等方法可能更好，但尚不在非声学专家的易用范围内。本文的结论因此是有条件的：在易得工具中校正版相对更优，但在法语中仍不够可靠。缺失的证据不是技术错误，而是待补的验证：不同嘎裂亚型的标注、鼻化程度的独立测量、喉塞的标注、以及更大更多样被试的重复实验。

要复现这项检验，第一步做什么，需要保留哪些细节？

复现先做刺激与采集的等价重建。准备两组童话台词并保留最后共用的 Hamlet 句，用女性声音录制模态、嘎裂、气嗓、假声与低沉嗓 5 个版本，随机化呈现顺序但固定反派句为嘎裂实验句。被试招募应匹配原文信息条件：无语音学训练的文科本科生、目标语言母语者、在当地出生，年龄覆盖 18 到 40 岁。录音保持 24 比特、96 千赫 wav，同一录音机型号或至少同一增益与距离，以保证谐波幅度可比。软件界面用 Ibex Farm 呈现，指令要求先默读再听再按同样方式重复，每人完成 20 次产出。

第二步是切分与计算的逐动作还原。在 Praat 中逐个隔离目标元音，边界放在过零点，提取中央 20% 到 80% 以避开协同发音，法语侧覆盖 la、miroir、cherra、moi 与 Hamlet 句的 not、that，英语侧覆盖 fi、I、wall、on、all 与同样的 not、that。然后用 VoiceSauce 计算 H1-H2 与 H1*-H2*，保留分贝数值与小数精度，不自行四舍五入或改写单位。视听编码必须独立进行：由不看数值的人先看语图并回听，给出 C 或 0，再与数值方向做交叉表。

资源状态必须如实说明。本次收到的证据中没有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，因此不得声称代码、模型或数据已公开。复现报告应写清 Praat 与 VoiceSauce 的版本号、中央段比例、过零点规则、鼻音邻接 token 是否保留，以及分歧时以哪个测量为准。只有保留这些细节，61%、65%、89%、72% 与 57% 等数字才有可比性，否则跨研究的比较会因聚合对象不同而失效。

何时值得尝试 H1*-H2*，何时必须换方法？

当研究对象是英语复述或朗读中的明显嘎裂，且目标元音远离鼻辅音、无喉塞插入、为开口元音时，优先尝试 H1*-H2* 是合理的，因为它在对照组达到 89% 的方向一致且在分歧中更 often 正确。但必须同时报告 H1-H2 以暴露校正是否翻转结论，并保留视听抽查，因为误把模态判为嘎裂的个案在英语中也存在。

当研究对象是法国法语，尤其是自发对话、非开口元音、鼻音邻接或疑似不同嘎裂亚型时，不应单独依赖 H1*-H2* 做 presence 与否的二分类。72% 的成功率加上双向误判意味着阈值会同时漏掉真嘎裂并制造假嘎裂。此时值得做的是扩大数据多样性并增加补充维度，例如平均基频与周期性，同时标注鼻化与喉塞，或转向残差 H1* 与共振检测等更专门的方法，前提是团队具备相应的声学能力。

回到论文的中心矛盾：听感显著不等于易于量化。法语嘎裂嗓能被听出来、能被复述出来，甚至可能正在获得去性别化等新兴社会功能，但现成谐波测量在法语中的可靠性低于英语。对初学者的实践建议是把本文当作测量检验模板来复用，而不是当作发生率结论来引用；先在自己的语料上重复视听对数值的交叉表，确认失败位置，再决定是否推进到大规模社会分布统计。

⚖️ 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