哨音只剩一个频率时，元音靠高低区分、辅音藏在元音开头里

英文题目：Structure phonologique en parole sifflée : le cas de l’occitan béarnais

会议身份：conference:jep:2026:conference-paper-id:marczykbuklaha26_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：#统计分析 #语音学与音系 #语音 #语音属性识别

评分：4.5/10 | 创新 1.0/2 | 技术严谨 1.0/1.5 | 实验充分 0.6/1.5 | 清晰度 0.7/1 | 影响力 0.4/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.5/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• Anna Marczyk Buklaha：机构信息未能从会议 PDF 纯文本可靠映射
• Alain Ghio：机构信息未能从会议 PDF 纯文本可靠映射
• Yohann Meynadier：机构信息未能从会议 PDF 纯文本可靠映射
• Olivier Crouzet：机构信息未能从会议 PDF 纯文本可靠映射
• Maxwell Yeoman：机构信息未能从会议 PDF 纯文本可靠映射
• Philippe Biu：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

输入为单名高级口哨者朗读的贝阿恩奥克语孤立词口哨录音，输出为以口哨基频高度区分的缩减元音格局及前接辅音发音部位在元音动态中的协同发音痕迹，难点在于准正弦口哨信号丢失共振峰结构而语言信息被压缩到基频及其时间形态上。处理链先在Praat中结合振幅包络与语图手工切分元音并用自相关法提取基频轨迹，其输出的离散轨迹进入时长归一化与多项式拟合，从而得到描述起始高度、初始斜率、曲率与不对称性的系数向量。该系数向量随后分流为两条统计检验，一条取中点基频对预设相邻元音对做秩和比较以判定中和与保留，另一条按合并后元音组在相关音节序列中检验部位整体效应并以逐系数非参数检验加校正定位效应来源。与既有口哨语描述相比，该工作把协同发音假设操作化为起始高度与初始斜率上的可证伪系统差异，并揭示其具有元音选择性而非全局过渡效应。原文未提供可核对的关键定量结果。该结论的适用边界目前仅限于单名学校培养的高级口哨者朗读孤立词，尚未验证连续口哨对话、多口哨者与知觉可懂度外推。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：从奥索山谷的放牧哨语到今天的课堂哨语

这篇解读的输入是会议论文对贝阿恩奥克语哨语的初步语音学分析，目标是让刚进入语音领域的读者能复述它做了什么、怎么切分和测量、统计比较了什么、数字在什么条件下成立。必须保留的信息包括研究对象是学校环境下训练出的高级哨语者、分析材料是实验室条件下录制的隔离词哨音中的元音、元音比较用中点哨音频率、辅音部位效应比较用归一化时间上的 3 次多项式轮廓系数。输出是一套可核对的方法复述，而不是对 revitalisation 成败的评价。

论文的背景是阿斯村哨语曾用于比利牛斯奥索山谷的牧业沟通，传统代际传递在最后 1 位传统哨语者去世后中断，此后延续主要靠学校和协会。自 2015 年起，拉伦斯初中的奥克语课每两周开设哨语教学，积累了多届学生，并出现一批达到高级水平的年轻哨语者。本研究关注的正是这批在课堂习得的哨语者，而不是传统牧业语境中的原生态使用者，这个取样决定了结论只能先解释为当前被传递和练习的哨语形态。

哨语的生产机制需要先用白话讲清。常态说话靠声带振动提供声源，再靠口腔形状形成多个共振峰。哨语不用喉振动，而是把口腔上部当作类似亥姆霍兹共鸣器的腔体，用口腔 articulator 的位置改变共鸣特性，产生接近正弦波的信号，能量高度集中在一个主导频率附近，感知为音高。论文交代的频率范围在 700 到 3500 赫兹之间。正因为只有一个稳定的谱参数可用，原来由共振峰结构和多种 segmental 线索携带的信息被大幅压缩，语言信息被重新分配到哨音高度及其时间动态上。

对非声调语言如奥克语，处理假设是元音主要靠哨音高度转写，辅音多实现为静音或噪声段，只有发音部位可能通过相邻元音的过渡动态间接留下痕迹，类似常态语音中过渡共振峰的作用。

parole sifflée × surrogate language： parole sifflée 指不用喉振动、靠口腔共鸣调制哨音频率的发话方式，分工是提供受限的声学载体；surrogate language 指替代性语言，说明哨音不是装饰音而是承担完整语言功能的替代通道，二者搭配的理由是生产机制不同但语言功能对应，组合意义在于可以用哨音检验音系对比在极端压缩通道下如何被重新分布。

理解这个背景才能明白为什么论文要分两条线检验。一条线问元音在只剩高度时还能保留几个可区分的类别，另一条线问辅音部位是否以协同发音的方式藏在元音开头的频率形状里。两条线共用同一批哨音频谱测量，但取用的时间位置和统计对象不同，这是后文方法分叉的关键。

相关路线：哨语研究通常比较什么，为什么这里先做单人受控分析

哨语研究的一条经典路线是跨语言类型学和声学策略比较，检验哨音元音的感知线索和声学实现，例如不同语言如何把元音空间映射到哨音频率。另一条路线是音系学讨论，关注在信号贫乏时哪些对立保留、哪些中和。第 3 条路线是发音机制研究，例如用实时核磁共振观察哨音与常态说话是否共享舌体塑形机制。本论文同时触及这 3 条线的交点，但选择了一个收敛的切口：先在一个高级哨语者的受控隔离词集合上，把元音高度对比和辅音部位的过渡效应分开建模，再为以后扩展到多人、多熟练度、多语境留下对照框架。

同输入同目标的对照应该是同样检验非声调语言哨音元音高度映射的研究，以及同样用过渡动态推断辅音部位的研究。论文引用的思路是把哨音过渡类比为常态语音的过渡共振峰，把哨音元音高度类比为常态语音第二共振峰的转写。需要提醒初学者的是，类别差异不能当作同条件胜负。例如山地远距离实地互动录音与安静房间隔离词录音的噪声、距离、语速和语用压力都不同，不能直接比较可懂度或频率绝对值。

本研究明确把主分析限定在实验室词表的高级哨语者多次重复上，生态录音和课堂录音只作为项目整体语料框架交代，不进入本次统计，这是控制混淆的有意取舍。

另一个相关对照是统计建模路线。有的研究用广义加性混合模型直接建模复杂轨迹并评估固定与随机效应，本研究则选择对每条归一化轮廓拟合 3 次多项式，提取 4 个描述整体形状的参数再做组间比较。两种路线不是谁更高级，而是目标不同。前者擅长刻画轨迹细节和个体变异，后者把每条轮廓压缩为可比较、可分类的形状参数，更适合回答部位是否系统改变起始高度和起始斜率这类问题。初学者要记住这个选择会影响结论的表述粒度，多项式系数显著不等于轨迹每一点都显著。

要回答的两个具体问题是什么

第一个问题是贝阿恩奥克语的 8 个常态元音对立在哨音中还剩几个高度类别。常态系统按论文引用的加斯科涅描写包括前高不圆唇元音、高圆唇元音、半闭前元音、半开前元音、低元音、半开后元音、半闭后元音和高后圆唇元音。检验方法是取每个哨音元音时段中点的频率，认为该点最接近目标且受协同发音影响最小，然后在事先设定的相邻对立之间做配对比较，不做多重比较校正。问题形式可以复述为沿着元音连续体，相邻类别的中点高度是否还能分开。

第二个问题是前一个辅音的发音部位是否在后随元音哨音轮廓的动态形状里留下可检测的痕迹。具体化为在辅音加元音和辅音加元音加辅音序列中，按元音类别分组，检验双唇、齿龈和软腭 3 类语境是否改变多项式系数向量，特别是代表起始频率的常数项和代表起始斜率的线性项。论文还带入一个来自哨语者经验的先验预期，即双唇与软腭在贝阿恩哨语中可能不构成对立，原因推测与气流动力学约束有关，因此这两类语境之间预期没有系统差异，而齿龈语境可能分离出来。这个预期要在结果中核对，而不是当作已知结论。

两个问题共用协同发音这个机制概念，但操作方向相反。元音问题要压住协同发音，用中点逼近目标。辅音问题要放大协同发音，用起点和起始斜率捕捉前语境的影响。如果把两套测量混用，就会得出自相矛盾的判断，这也是教学上要反复强调的分工。

方法全景：从三类语料到只分析受控词表

项目共收集 3 类语料，按控制程度从低到高排列。最生态的是 2025 年 10 月在奥比斯克山口山坡录制的户外语料，任务是把经典地图任务改成哨音版的真实移动寻物沟通，两组约 5 人的初中生分别担任引导组和被引导组，在自然场景中寻找瓶子、气球、眼镜和红衬衫等物件，视频用两台同步摄像机分别跟拍，音频用无线领夹话筒、全向话筒和枪式话筒组合采集。

第二类是课堂语料，在奥克语哨语课上用两台同步摄像机分别拍摄教师和班级，教师身上布置两个不同增益的无线话筒，分别保证常态说话不被压低、哨音不削波，后期按模态选轨。第 3 类是安静房间里的实验室词表语料，哨语者站立，面对 50 厘米外的固定话筒，按职业、食物、地点和动物等语义组朗读 50 个奥克语词。

本次统计只用第 3 类中的一个子集，这是理解证据强度的关键。高级哨语者把 50 词词表哨了四遍，另有 9 名初中生和 1 名成年学习者各哨一遍并已匿名化和切词标注，但本次建模只取高级哨语者的 3 次词表中的元音。这种做法的优点是说话人内同质、语速和任务稳定，缺点是样本不能代表群体，也不能回答学习轨迹。论文明确把整体语料交代清楚是为了定位探索范围和准备后续多人比较，初学者复述时不要把户外和课堂录音的设备细节误说成主分析的数据来源。

从一个样本走完全流程有助于建立整体图像。以词表中一个辅音加元音音节为例，输入是哨音频波形，先在语音学软件中结合波形振幅包络和频谱图手工标出元音段，把近似正弦的元音与静音和噪声辅音段分开，遇到鼻音和边音等响音与元音难分时辅以振幅包络。接着对该元音段每 15 毫秒用自相关法估计哨音频率，窗重叠一半，搜索范围限定在 600 到 4500 赫兹。

然后把时间归一化到 0 到 1 区间，起点是辅音后的元音起始，终点是元音结束，用 3 次多项式拟合频率随归一化时间的变化，得到 4 个系数。元音分析只取归一化中点的频率做组间高度比较，辅音分析则用 4 个系数向量检验部位效应。目标不同，取用的轮廓位置不同。

组件一：元音如何切分和测量，为什么用中点

白话先行。切分指在连续哨音流中划出哪里是元音，测量指对划出的每段给出时长和频率。英文对应是 segmentation 与 F0 estimation。切分依据是哨音元音呈现准正弦信号，在波形和频谱上与静音和噪声段明显不同。操作难点是某些响辅音也具有类元音能量，容易误划，论文的处理是用振幅包络作为辅助线索。测量用自相关法在连续短窗上估计主导频率，窗长 15 毫秒、重叠一半，频率搜索下限和上限分别设为 600 赫兹和 4500 赫兹，覆盖哨音感知音高的有效区间。

hauteur tonale × second formant： hauteur tonale 指哨音信号的主导频率及其感知音高，分工是承载元音身份；second formant 指常态语音中第二共振峰，分工是在常态语音中区分前后元音，二者搭配的理由是论文假设哨音基频转写了常态语音的 F2，组合意义是把多共振峰的元音空间压缩到 1 维频率轴上检验，代价是开口度对比容易中和。

中点策略的理由需要讲透。元音起点紧邻前辅音，携带着向目标过渡的协同发音成分，终点又受后随音节影响，只有中点相对最接近发音目标。论文因此把中点频率当作元音身份的代表值，再对事先设定的相邻元音对做非参数配对检验，把观测 token 当作独立观测，不做多重比较校正。初学者要注意这个统计设定的含义。把同一说话人的多个 token 当独立观测，可以检验该说话人内部实现是否分离，但不能推广为群体中每个说话人都能分离，也不处理词和语境的随机效应。相邻对比事先设定而不校正，适合探索，但显著性阈值的解释要留有余地。

举一个教学例子帮助记忆，但明确标为例子而非论文数值。假设某次实现中后元音中点在 1000 赫兹附近，前高元音在 2600 赫兹附近，例子只是说明高度排序的方向，不代表论文对任何具体词的报告。论文真正报告的是类别层面的分布重叠与分离，例如后部高元音与半开后元音是否可分，前部半闭与半开是否可分，高圆唇前元音样本量很小需要谨慎，这些都要到结果部分用原文数字核对。

组件二：轮廓如何参数化，四个系数各自捕捉什么

白话先行。轮廓指哨音频率随时间变化的曲线，参数化指用少量数字概括整条曲线的形状。英文对应是 F0 contour 与 polynomial fitting。论文把每段元音的时间拉伸到 0 到 1 的归一化轴上，零是元音起始，紧接前辅音，一是元音结束。这样做可以直接比较形状而不被绝对时长干扰。

接着用 3 次多项式拟合每条轮廓，得到 4 个系数。选择多项式而不是复杂样条混合模型的理由是想要简约的整体形状描述，便于比较和分类，并且延续了用多项式为音高和强度轮廓建模的传统做法。

4 个系数的分工按论文定义复述。常数项对应起始时刻的频率值，反映前辅音对元音起始的即时协同发音影响。线性项编码起始斜率，即开头频率向上还是向下走、走多快，最适合捕捉辅音到元音过渡携带的前语境信息。2 次项刻画主要弯曲，反映音高运动的加速或减速。3 次项捕捉整体不对称和可能的拐点，例如延迟上升或峰位偏移。初学者容易把 4 个系数当成 4 个独立的频率点，正确理解是它们共同决定一条连续曲线的形状，统计检验分别看每个系数，只是为了定位效应主要落在起点高度还是开头走向。

coarticulation × transitions tonales： coarticulation 指辅音的发音动作影响相邻元音的实现，分工是提供编码机制；transitions tonales 指元音起始段哨音频率的动态过渡，分工是提供可观测载体，二者搭配的理由是哨音中辅音多实现为静音或噪声段、部位信息只能留在元音过渡里，组合意义是把对发音部位的检验转化为对多项式起始高度和起始斜率的检验。

拟合质量是判断参数是否有意义的前提。论文报告 131 个元音都得到拟合，中位均方根误差为 28.11 赫兹，中位决定系数为 0.953，说明 3 次多项式对这批数据的整体形状拟合良好。但拟合好不等于机制成立，它只说明用 4 个数概括曲线是充分的，部位效应是否显著还要靠后文的多元与单变量检验。另一个细节是分析在辅音加元音和辅音加元音加辅音序列中进行，并按合并后的元音类别分别检验，因为元音自身高度不同，部位效应的表现形式可能不同，分组可以避免把不同基线混在一起。

组件三：目标位置与分组如何配合，避免循环论证

白话先行。目标位置指代表元音身份的时间点，分组指把哨音实现按元音类别合并。英文对应是 tonal target 与 vowel grouping。论文先用中点高度比较发现某些开口度对立不显著，例如后部高元音与半开后元音重叠，前部半闭与半开重叠，于是把后继的辅音分析建立在合并类别上，即后部高元音与半开后元音合并为一类，前部半闭与半开合并为一类，低元音单独一类，前高元音单独一类，高圆唇前元音因样本少而谨慎处理。这种先做元音归并、再按归并类检验辅音效应的顺序必须讲清，否则读者会误以为分组是随意拼凑。

cible tonale × point médian： cible tonale 指与元音身份关联的目标频率，分工是定义要比较的音系目标；point médian 指元音时段中央的测量点，分工是提供操作方法，二者搭配的理由是元音两端受前后辅音过渡污染、中点最能代表目标，组合意义是在做元音高度比较时先用时间位置控制协同发音，再做组间检验。

操作链条可以这样复述。第一步用中点频率回答哨音里还有几个高度目标，得到精简的类别集合。第二步在每个精简类别内部比较不同辅音语境的轮廓形状，回答部位痕迹是否依赖元音类别。两步用的是同一批频率估计，但取用的信息不同。第一步压住两端过渡，第二步恰好利用起点过渡。

这种设计不是重复使用数据证明自己，而是把元音身份与语境效应正交化。初学者复述时要能唯一回指，前文的中点是为元音目标服务，后文的起点是为辅音语境服务，前置概念先于依赖它的结论。

分组也带来代价。合并后每类的样本量和语境分布不再均衡，例如某些类别在软腭语境下 token 很少，会影响多元检验的功效。论文在表格中同时报告每类在双唇、齿龈和软腭下的 token 数，提醒读者显著与否要结合样本量理解。合并还意味着结论的单位是归并后的大类，而不是原始八元音中的每一个，这在引用时不能降格为对单个音位的断言。

没有神经网络训练时，这里的计算到底是什么

本研究没有训练神经网络，也没有更新任何模型权重，因此不存在优化器、梯度路径、冻结层或早停等概念。真实计算是声学测量加曲线拟合加统计检验。测量侧用手工标注确定元音边界，用自相关法逐窗估计频率。拟合侧对每条归一化轮廓求解 3 次多项式系数，使拟合曲线与观测频率的误差最小，报告的误差和决定系数是拟合优度的描述，不是预测泛化的评估。检验侧先用多元方差分析在系数向量上检验部位的总体效应，再因残差偏离正态而补做每个系数上的非参数检验，并用 Bonferroni 校正。

MANOVA × Kruskal-Wallis： MANOVA 指在多项式系数向量上检验发音部位总体效应，分工是判断轮廓形状整体是否变化；Kruskal-Wallis 指在每个系数上分别做的非参数检验，分工是定位效应落在起始高度还是斜率，二者搭配的理由是残差偏离正态、需要用非参数检验补强，组合意义是先看整体是否显著、再看具体哪个轮廓参数携带部位信息，并用 Bonferroni 控制多重比较风险。

需要明确监督来源和重置时机这类问题的适用边界。这里没有标签训练，监督来自语言学先验，即词表的正字法和音位转写决定每个 token 属于哪个元音和哪种辅音语境，不存在模型从数据中学习映射。所谓更新只发生在统计层面，即从样本估计组间差异，没有参数冻结与解冻的切换。未报告的内容也要指出具体缺项，例如手工标注者间一致性没有报告，自相关法的清浊或倍频错误率没有量化，多项式拟合的初值和求解器细节没有展开，这些缺项不构成技术错误，但在复现时需要自己补做稳健性检查。

不能把无训练等同于确定性求解。即使拟合和检验都是确定性算法，手工切分边界、窗长与重叠、频率搜索范围以及 token 独立性假设都会影响结果。同样，不能从没有可训练参数推定系统输出确定，因为同一说话人多次重复本身存在变异，统计结论描述的是分布差异，不是某 1 次哨音的必然频率值。

实验条件：谁的数据、多少量、如何聚合和检验

数据来自实验室词表语料中的高级哨语者。采集时哨语者站立，面对 50 厘米外支架上的电容话筒，录音机为便携录音设备并外接摄像机做纪实拍摄。词表共 50 个奥克语词，覆盖职业、食物、地点和动物，高级哨语者完整哨了四遍，本次分析使用其中 3 次词表对应的元音。论文报告进入轮廓建模的元音总数为 131 个，中位拟合误差和决定系数如前所述。元音高度分布图的每个类别下方标注了样本量，轮廓分析表格中报告了每个合并类别在 3 类辅音语境下的 token 分布，这些数字是判断功效的基础。

划分与采样按语言学类别进行，不是随机划分训练测试集。元音检验按事先设定的相邻对立做配对非参数检验，不校正多重比较。辅音检验按合并元音类别分别进行，先做多元检验看系数向量整体是否随部位变化，再对每个系数做非参数检验并做 Bonferroni 校正。聚合对象是 token，指标方向很明确。元音部分看中点频率的分布是否分离，频率越高表示感知越亮。辅音部分看起点高度和起始斜率是否随部位系统变化，显著的含义是不同部位语境下的轮廓形状分布不同，不是某个频率阈值本身。

硬件与软件预算按原文交代。户外用同步双摄像机加多话筒组合，课堂用双摄像机加双增益无线话筒，实验室用固定电容话筒加便携录音机。标注与测量在语音学软件中完成，数据汇总为表格文件后做统计。论文没有报告推理延迟、实时率或计算耗时，因为这不是系统论文。复现时真正耗时的部分是手工标注和边界核对，而不是拟合与检验的计算量。

结果一：元音高度保留四个大类，开口度对立大量中和

要比较的问题是 8 个常态元音对立在哨音高度上还能分开几组，公平条件是都取中点频率以压住协同发音，指标方向是频率越高越靠前越亮。论文报告后部高元音与半开后元音在频率上没有显著差异且分布大面积重叠，前部半闭与半开也没有显著差异，表明这些开口度对立在哨音中被中和。高圆唇前元音落在前部半闭类附近的频率范围，但样本仅 7 个，论文明确要求谨慎解读。综合起来，哨音元音可归纳为后高类、低元音类、前中大类和前高类 4 个高度类别，类别内部的开口度差异不再靠高度区分。

下面这张图是理解元音压缩的关键，读图前先明确它的对象和条件。横轴是 7 个元音按理论顺序排列，纵轴是哨音平均频率，单位为赫兹，每个灰点是一个 token 的中点测量，黑点与连线是均值趋势，误差条表示变异，每个类别下方标注样本量，顶部括号标注不显著的对比。读图时不要把散点多少直接当作重要性，而要看分布重叠与均值阶梯。

看图路径： 1. 先看横轴七个元音按理论顺序排列与每个点下方标注的样本量；2. 再看纵轴哨音平均 F0 与每个元音的散点分布和均值连线；3. 比较 u 与ɔ的重叠程度以及 e 与ɛ与 y 的平台，再看 i 的跳升；4. 注意顶部标注 n.s. 的括号表示哪两组对比不显著

论文图 1。原论文 Figure 1：“Comparaisons de la hauteur tonale (F0) mesurée au point médian des voyelles”。

从像素可见的内容可以这样解释。后部 2 个类别的散点集中在 1000 赫兹附近且高度重叠，均值连线几乎水平，顶部标注不显著括号与论文的统计结论一致。低元音散点上移到 1400 赫兹附近形成过渡，前中 3 类在 2100 赫兹附近形成平台，前高元音再跳升到 2700 赫兹附近。平台内部散点上下分散较大，说明即使均值接近，个体 token 仍有变异。前高元音内部也有从 1600 赫兹到 3300 赫兹的分散，提醒均值差异显著不等于每次实现都不重叠。这个图支持高度是主要线索，但也显示高度单独不足以恢复全部开口度对立。

代价与反例要同时讲。压缩的好处是用 1 维高度保留了前后与高低的大格局，代价是开口度信息丢失。未胜出的对比正是后部与前部内部的开口度对立，它们在统计上没有分开。未评测的边界包括没有与同一说话人的常态语音做直接配对比较，因此不能精确说出从常态第二共振峰到哨音频率的转写函数，只能说类别关系在哨音中呈现为高度排序。

结果二：辅音部位藏在元音开头，齿龈抬高而双唇与软腭不分

要比较的问题是在每个合并元音类别内部，3 类辅音语境是否改变哨音轮廓形状，公平条件是时间都归一化到 0 到 1 区间并用同一 3 次多项式参数化，指标方向是起点高度和起始斜率的系统位移。论文报告低元音的多元检验达到显著，单变量效应落在斜率和起始高度上。前中类和后高类的多元检验只达到趋势水平，但单变量在斜率和起始高度上仍显示结构化效应。前高元音在多元和单变量上都没有语境效应，表现为对语境不敏感。

表后解释需要同时给出主要收益与代价。收益是部位痕迹确实存在且方向一致，齿龈语境把后 3 类的起点系统性抬高，双唇与软腭在起点处不分离，这与哨语者称双唇与软腭不构成对立的经验预期一致。代价是效应高度依赖元音类别，前高元音完全不携带这种痕迹，如果只看前高元音会得出部位无编码的错误总体结论。反例正是前高元音，它的多元与单变量检验都不显著，说明不能把低元音上的显著推广为所有元音都显著。

下面这张图从轮廓形状角度展示同一结论，读图前先确认面板与图例。3 个面板分别为双唇、齿龈和软腭语境，横轴为归一化时间，纵轴为频率，单位为赫兹，4 条曲线分别为低元音、前高元音、前中大类和后高类的平均多项式轮廓。读图时要按颜色跨面板比较同一元音，而不是在同一面板内比较不同元音的高低，因为后者主要反映元音身份，前者才反映语境效应。

看图路径： 1. 先确认三个面板分别为双唇、齿龈和软腭语境，横轴为归一化时间；2. 再按颜色找到 a、i、E 和 u 四条平均轮廓的上下 ordering；3. 比较同一元音在齿龈面板起始点是否高于双唇和软腭面板；4. 观察 i 在三个面板中起始高度变化是否小于 a 和 u

论文图 2。原论文 Figure 2：“Profils des voyelles sifflées en fonction du contexte consonantique.”。

从像素可见的内容可以这样解释。在双唇和软腭面板中，4 条曲线的上下排序相似且起点较低，而在齿龈面板中，除前高元音外，其余 3 条曲线的起点整体上移，低元音和前中类的上移在视觉上最明显，后高类也有上移但绝对值较小。前高元音在 3 个面板中的起点都处于最高频段且跨面板变化最小，与统计上不敏感的结论一致。需要注意像素右侧存在裁切，软腭面板的横轴标签不完整，解读时只依据可见的起点相对关系，不猜测被裁切部分的精确终点值。

表后解释要讲清显著格局的含义与限制。低元音是唯一总体显著的类别，支持部位系统改变其轮廓形状。前中类和后高类总体为趋势，但起始斜率与起始高度的单变量显著表明效应集中在开头段，这与协同发音主要影响过渡起点的机制预期相符。前高元音在所有检验上都不显著，且校正后 p 值为 1，说明在当前样本下没有检测到任何部位痕迹。限制是样本分布不均衡，例如前中类软腭语境仅 8 个 token，后高类齿龈语境达 72 个，功效差异会影响总体检验的显著性，单变量显著也要结合效应方向理解，不能只看 p 值。

反证与边界：如果换掉关键选择，结论哪里会动

第一个反证是测量位置。如果不用中点而用起点比较元音，协同发音会把不同语境的同一元音拉开，元音分布会被语境污染，4 个大类的平台可能被抹平。论文用中点正是为了得到更干净的目标估计，这个选择不是任意的，而是与辅音分析用起点形成对照。复现时可以补做一个稳健性检查，比较中点、均值和起点三处取值的分组分离度，但原文没有报告这个对照，因此不能断言换位置后必然如何，只能说按机制预期起点更易受语境影响。

第二个反证是参数化阶数。如果把 3 次降为 1 次，只能保留起点和平均斜率，会丢失弯曲与不对称信息，可能低估齿龈语境的动态差异。如果升为高阶样条，可能拟合噪声并增加比较维度。论文报告的中位误差与决定系数支持 3 次对这批数据是充分的，但这不证明 3 次对所有说话人和语速都最优。未评测的边界包括语速变化、短元音与长元音的归一化是否扭曲过渡时长，以及辅音加元音加辅音中后辅音对终点的影响是否会通过多项式全局拟合反传到起点系数，这些都需要在扩展数据中检验。

第 3 个反证是分组与统计假设。如果不先合并中和的元音而坚持 8 类分别检验，某些小样本类别的功效会更低，高圆唇前元音仅 7 个 token 的问题会更突出。如果把 token 当独立观测改为按词聚合，自由度会下降，显著性格局可能变化。论文把 token 当独立观测并事先设定相邻对比而不校正，适合单人探索，但推广到群体时需要加入说话人和词的随机效应。失败条件也很明确，前高元音就是天然的负结果，它表明基于起点高度和斜率的部位解码器不可能在所有元音上同等有效，任何声称全元音统一解码的方案都会在这个类别上遇到边界。

限制：单人、小样本与缺少常态语音配对意味着什么

最主要的限制是 speaker 数量为一。所有显著性都是说话人内 token 变异的描述，不能回答群体中是否稳定，也不能回答课堂习得者在不同熟练度上是否共享同一编码。论文明确把结论定位为初步探索，并计划扩展到专家与初学者，这是对证据范围的诚实限定。初学者引用时必须带上这个条件，不能写成贝阿恩哨语普遍如此。

第二个限制是样本量与分布。高圆唇前元音仅 7 个，软腭语境在某些类别下也很少，多元检验的功效不足可能是前中类和后高类总体不显著的原因之一。单变量在校正后仍显著，支持效应真实存在，但效应量需要用起点频率差来理解，而不是只看 p 值。第 3 个限制是没有同一说话人的常态语音配对录音，因此不能直接估计从第二共振峰到哨音频率的转写函数，也不能区分中和来自生产目标本身还是来自哨音通道的压缩。论文在讨论中明确承认这一点，这是解读时必须保留的谨慎。

第 4 个限制是生态效度。主分析用安静房间隔离词，语速稳定、无远距离衰减、无互动压力，而真实使用包含户外距离、风噪和对话修复。实验室中可检测的起点抬高在远距离是否仍可感知，需要可懂度实验补充。论文把户外与课堂语料作为项目框架但不纳入本次统计，这个取舍既是优点也是限制，优点是内部效度高，限制是外部推广待验证。相关性也不是因果，起点抬高与齿龈发音的舌体前置在机制上 plausibly 相关，但没有同步发音影像就不能断言因果。

复现：按原文把一次测量从头做到尾

复现先做数据准备。按原文条件在安静房间用固定话筒在 50 厘米处录制 50 词隔离词表，要求哨语者站立并重复多遍，保留每次重复的切词标注。不要混入户外与课堂录音，因为混入会改变噪声与语速条件。如果只有公开文本而无音频，至少要复现标注与统计流程的计算部分，并明确说明音频缺失导致无法验证测量环节。当前资源状态是没有发现来源绑定且完成验证的公开代码、模型或数据，因此不能声称数据或代码已公开，复现者需要自行采集或向作者申请。

标注与测量按原文参数重放。用语音学软件结合波形振幅与频谱图手工标出元音段，难分的响音处加看振幅包络。对每段用自相关法逐窗估计频率，窗长 15 毫秒、重叠一半，搜索范围 600 到 4500 赫兹，提取时长与频率序列。接着把时间归一化到 0 到 1 区间，用 3 次多项式拟合每条频率轮廓，记录 4 个系数与拟合误差。元音比较取中点频率，按相邻对立做非参数配对检验。辅音比较按合并元音类别分组，对系数向量做多元检验，再对每个系数做非参数检验并做 Bonferroni 校正。

核对清单包括拟合是否全部收敛、中位误差是否接近 28 赫兹量级、决定系数是否接近 0.95、每类每语境的 token 数是否与原文分布可比、起点高度排序是否为后高最低、前高最高、齿龈是否抬高后 3 类而双唇与软腭是否重叠。如果某一步偏离，先检查标注边界与频率搜索范围，而不是直接调整多项式阶数。报告时区分直接报告、有限解释与待验证推测。直接报告是 4 个大类与齿龈抬高，有限解释是协同发音机制与常态语音的相似性，待验证的是气流动力学导致双唇与软腭不分的因果说法。

收束：何时值得借鉴这个方法，还需补哪项验证

当研究问题是在信号极端压缩下检验音系对比如何重新分布时，这套方法值得借鉴。它的可取之处是把元音身份与语境效应分配到轮廓的不同时间位置，用中点回答目标，用起点回答过渡，再用简约多项式把形状比较转化为系数比较。这种分工适合教学，因为每一步都有明确的操作定义和可检查的中间产物。适用条件是受控重复、单说话人先行、类别先归并再检验语境，避免把不同基线的效应混在一起。

还需要补的验证很具体。第一是同一说话人的常态语音配对，用直接比较估计转写关系，而不是只用文献中的元音系统做间接对照。第二是多人多熟练度扩展，检验 4 个大类与齿龈抬高是否稳定，以及前高元音的不敏感是否普遍。第三是感知实验，检验生产端可检测的起点差异在远距离和噪声下是否仍可被听者利用，生产与感知的对称性不能默认成立。第四是发音机制的同步观测，检验舌体位置与哨音频率动态的对应，相关性需要影像或传感数据才能走向因果。

对初学者的特有误解需要用自然段澄清。哨音不是把常态语音整体升高或加密，而是换了一个只有高度可用的通道，原来靠多个共振峰分开的开口度对立因此大量合并。辅音没有消失，而是以过渡形状留在元音开头，但这种保留是有条件的，只在某些元音上明显。把低元音上的显著推广到所有元音，或把起点频率的绝对值当作跨说话人通用的解码表，都会误用本文的数字。正确的使用是记住相对关系与条件分布，在自己的数据上重做归一化拟合与分组检验，再谈是否复现。

📐 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 14 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