青春期前就有性别口音：8-10 岁儿童 VOT、嗓音质量与 t/d 塞擦化的阶级分化

英文题目：Variations sociales dans les voix d’enfants : une étude du VOT, de l’affrication et de la qualité de voix.

会议身份：conference:jep:2026:conference-paper-id:pepiot26_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 #社会语音学 #语音 #语音属性识别

评分：5.1/10 | 创新 1.3/2 | 技术严谨 1.1/1.5 | 实验充分 0.7/1.5 | 清晰度 0.8/1 | 影响力 0.7/1.5 | 开源 0.0/1.5 | 可复现 0.1/0.5 | 工程/实践 0.4/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• Erwan Pépiot：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本研究输入为巴黎地区36名8至10岁儿童在载体句中朗读双音节词的录音，输出为按性别与学校阶层划分的嗓音质量、VOT与affrication差异判断，难点在于青春期前生理差异极小而朗读水平、韵律变化与校内录音噪声易掩盖社会效应。方法链分三步：先按教育部社会位置指数选取两极学校并各录18名儿童以控制地域与母语背景；再用Praat手工测量浊塞音负VOT与清塞音正VOT、在元音[a]上测H1-H2并对[t]/[d]+[i]做听辨加频谱的affrication二分类；前步得到的声学参数进入最后按性别乘以学校的两因素方差分析以检验交互效应。与以往单看性别均值的研究不同，关键机制是将性别效应置于阶层极端对比中检验，揭示VOT分化与嗓音质量分化分属不同阶层，实际意义在于证明性别化发声在青春期前已受阶层调节。在巴黎区朗读语料测试条件下，弱势学校男女间的H1-H2差异指标为3,3dB，高于优势学校男女间的H1-H2差异指标1,5dB。该结论适用边界仅限法语巴黎区朗读语体与两端阶层样本，尚未验证自发话语、中间阶层与其他语言的外推。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：要回答的儿童语音社会分化问题是什么？

这篇论文的输入是巴黎地区 8 到 10 岁法语母语儿童在朗读任务中的录音，目标是检验青春期前是否已经出现朝向成人男女差异方向的性别化发音，以及社会阶级是否调节这种性别差异。必须保留的关键信息是两组儿童分别来自社会位置指数差异极大的两所学校，测量集中在 3 个声学对象上：开放元音[a] 上的第一谐波与第二谐波强度差，用英文记为 H1-H2，用于指示嗓音质量；词首塞音的嗓音起始时间，用英文记为 Voice Onset Time，缩写为 VOT；[t] 和[d] 在[i] 前的塞擦化实现。输出是每名儿童在每类指标上的均值、组间差异方向、方差分析的显著性和交互作用，以及塞擦化的人头比例。

对于刚进入语音领域的读者，白话理解是：青春期前女孩和男孩的喉和声道尺寸差异很小，如果还能稳定测出女孩更像成年女性、男孩更像成年男性的发音模式，就支持发音差异来自社会学习而非单纯解剖。论文把性别和社会阶级交叉起来看，而不是只比较男女总体均值。学习时要先抓住朗读材料固定、每人重复 2 次、测量全部在 Praat 中完成的事实，再去记具体数字，否则容易把不同指标的毫秒、分贝和百分比混为一谈。

已有路线走到了哪里：成人差异和儿童证据各缺哪一块？

成人研究路线已经给出明确的方向性预期。在嗓音质量上，英语文献长期把女性嗓音描述为更偏气息声，即声门开放商较大，男性嗓音则曾被描述为偏挤压声，但加州年轻女性等新人群出现反转，且跨语言差异很大，因此作者强调要用 H1-H2 这类相对可靠但仍有争议的指标并限定在开放元音上使用。在 VOT 上，英语清塞音多报告女性更长，法语研究则报告女性在清塞音上更长、在浊塞音上前置浊化更长，从而清浊对比更鲜明。这些是本研究判断儿童性别差异是否朝向成人方向的参照系。

儿童路线缺口更大。已有工作多集中在基频，即 F0，例如英语 7 岁和 10 岁起的性别差异，以及作者 2024 年对同一批法语儿童基频更高和调制更大的报告。VOT 方面只有英语 9 岁起出现性别差异的证据，法语儿童尚无对应研究，嗓音质量与性别在儿童中几乎没有分语言的系统数据。阶级与性别的交互在儿童语音中除作者 2024 年基频研究外几乎未被专门检验。塞擦化方面，南法城市工人阶级青年中[t] 和[d] 在[i][y] 前的腭化塞擦化已有社会语言学讨论，但其性别效应和在巴黎小年龄儿童中的频率不清楚。这就决定了本文不是重复验证基频，而是补上 H1-H2、VOT 和塞擦化三块，并把学校作为阶级代理变量引入交互设计。

要检验什么：性别主效应和阶级调节如何表述为可证伪问题？

论文把问题拆成 3 个可测量的子问题。第一，女孩与男孩的 H1-H2 是否存在显著差异，方向是否为女孩更高，即更偏气息声，男孩更低甚至偏挤压声。第二，女孩在清塞音 VOT 上是否更长，在浊塞音前置浊化上是否更长，从而清浊 VOT 间距是否更大，且该性别差异是否在两所学校都显著。第三，[t] 和[d] 在[i] 前的塞擦化是否在弱势学校更常见，在优势学校几乎缺席，弱势学校内部是否存在男孩高于女孩的趋势。

性别 × 社会阶级： 性别在这里指女孩与男孩在青春期前尚无显著声道解剖差异条件下的发音行为差异，社会阶级在这里指用学校社会位置指数区分的优势私立与弱势公立就学环境，分工是前者检验有无朝向成人男女差异方向的早期分化，后者检验这种分化是否被家庭社会经济文化条件放大或缩小，搭配理由是只看性别会掩盖阶级调节，只看阶级会掩盖性别实践，组合意义是通过性别乘以学校的交互作用同时检验两种社会化路径。

关键是交互假设具有方向不对称性：作者并不预设所有指标的阶级调节方向相同，实际报告是 VOT 性别差在优势学校更大，而 H1-H2 性别差在弱势学校更大，塞擦化则是弱势学校整体高发。这种不对称需要在复述时保留，不能简化为优势学校一切性别差都更大。证伪标准也不同：前两类用双因素方差分析的性别主效应和性别乘以学校交互来判断，塞擦化因每人只有 4 个可塞擦化位置且样本少，作者明确未做统计检验，只报告趋势，因此不能把塞擦化的人头比例差说成显著效应。

方法全景：从一个样本走完输入到输出需要哪些步骤？

沿 1 名儿童走一遍流程最清楚。假设 1 名 9 岁半儿童进入安静的校内录音间，先完成包含目标朗读在内的多个任务，其中目标部分是把 33 个双音节无意义词逐一嵌入载体句 Il a dit ‘MOT’ deux fois 中朗读，每个句子读两遍，读错则重读以保证每个无意义词有两个可用 token。录音后用 Praat 做三件事：在词首塞音上手工量取 VOT，在[t] 和[d] 加[i] 序列上听辨加看频谱图判定是否塞擦化并量摩擦段时长，在[a] 元音上测量 H1-H2。最后按性别和学校分组做方差分析。

朗读任务 × 载体句： 朗读任务是要求儿童按正字法读出双音节无意义词的 elicitation 方式，载体句是把每个目标词嵌入 Il a dit ‘MOT’ deux fois 固定韵律框架的手段，分工是前者保证所有儿童产出相同的音段组合以便比较 VOT 和 H1-H2，后者固定重音和语调位置以减少韵律对时长和嗓音测量的干扰，搭配理由是自然对话难以获得每种塞音和元音的均衡重复，组合意义是用可重复的 33 词乘以 2 次重复获得每人 66 个可比 token。

材料设计保证了可比性。塞音加元音加 p 加 i 的组合覆盖 p、b、t、d、k、g 分别与 i、a、u 的搭配，擦音组合和单独元音组合提供填充和对照，但核心统计只用词首塞音的 VOT、[a] 上的 H1-H2 和[t][d] 加[i] 的塞擦化。重复 2 次的设计使每名儿童在每个塞音上有 6 个 VOT 观测，清音组和浊音组各 18 个观测，在[a] 上有 22 个 H1-H2 观测，在塞擦化语境上有 4 个可能位置。这种均衡设计是后文自由度 788、644、320 等数字的来源，复现时必须先重建同样的观测数结构，否则自由度对不上。

第一个组件如何计算：H1-H2 在什么信号上量、代表什么？

H1-H2 的白话含义是嗓音偏漏气还是偏挤紧的声学代理。英文全称是第一谐波与第二谐波的强度差，单位为分贝，记为 dB。生理对应是声门开放商，用英文记为 Glottal Open Quotient，缩写为 GOQ：H1 相对 H2 越强，开放商越大，听感越偏气息声；差值 сильно 为负则开放商小，可能偏挤压声。操作要点是只能在开放元音上测量，因为在闭元音上第一共振峰会干扰谐波强度比较，所以论文限定在[a] 上测量，每人 22 个 token。

嗓音质量 × H1-H2： 嗓音质量是要判断声门开合程度和听感上偏向气息声还是挤压声的概念，H1-H2 是它的可操作化测量，分工是前者提供生理和听觉解释，后者提供在开放元音上可重复计算的第一谐波与第二谐波强度差，搭配理由是直接听辨嗓音质量主观性强而 H1-H2 可在 Praat 中量化，组合意义是可以用 dB 数值比较女孩与男孩的声门开放商差异并做方差分析。

复现动作是：在 Praat 中定位每个目标词中的[a] 段，提取 H1 和 H2 强度并相减得到 dB 值，对每名儿童求均值和个体内标准差，再按 4 组求组均值。论文表格显示弱势学校女孩均值约 1.8 分贝、男孩约负 1.4 分贝，优势学校女孩约 1.6 分贝、男孩约 0.1 分贝，组间差在弱势学校更大。初学者常犯的错误是把 H1-H2 当成基频，实际上基频是振动快慢，H1-H2 是频谱倾斜，两者可以同时存在性别差异但机制不同，本文的嗓音质量结论不能直接替换为基频结论。

第二个组件如何计算：VOT 和清浊间距如何手工量取？

VOT 的白话含义是塞音松开爆破到声带开始振动之间等待了多久，单位为毫秒，记为 ms。若振动在松开前已经开始，即法语浊塞音常见的前置浊化，则记为负值，其绝对值越大表示前置浊化越长。测量动作是人工在频谱图上标记松开时刻和 voicing 起始时刻并相减，每个塞音每人 6 次观测，清音组 p、t、k 合并为 18 次，浊音组 b、d、g 合并为 18 次，作者说明分塞音趋势同质且符合 p 小于 t 小于 k 的跨语言普遍模式，因此合并呈现是合理的。

VOT × 浊音对比度： VOT 是塞音松开到声带振动开始的时间间隔，在法语中浊塞音常为负值的前置浊化，清塞音为正值，分工是 VOT 记录单个塞音的时长实现，浊音对比度记录清浊配对之间的距离，搭配理由是只看清音变长或只看浊音前置变长都不能说明对立是否更清晰，组合意义是把女孩同时拉长清音 VOT 和浊音前置浊化的双向动作合成为一个更长的清浊间距，可直接对应发音清晰度讨论。

清浊间距的计算是配对相减：对每对 p 与 b、t 与 d、k 与 g，用清音 VOT 减去浊音 VOT，因为浊音多为负值，相减后得到 100 毫秒量级的正间距，每对每人 6 次观测。复现时必须保留符号：若把浊音前置浊化取绝对值后再加，会得到相同数值但丢失方向信息，后文女孩同时推大两端的解释就无法对应。论文报告女孩在两校的清音 VOT 都更长、浊音前置浊化都更长，因此间距更大，且优势学校的两端拉开幅度更大，这是后文表格要核对的核心数字。

第三个组件如何判定：塞擦化为何只能做二分计数？

塞擦化的白话含义是[t] 或[d] 后面拖出一段像擦音的嘶嘶噪声，法语里常与腭化一起讨论，英文对应 affrication 或 palatalisation。判定动作是听辨加频谱图双重确认：只有清晰可感知且在频谱图上可见摩擦段的才记为已塞擦化，并测量摩擦段时长。语境限定为[t] 加[i]，实际表格标题写作[t] 加[i] 但正文说明包含[d] 加[i]，每名儿童只有 4 个可能位置，因此每人的原始记录是 0 到 4 之间的计数，例如 2/4 表示 4 个中有两个塞擦化。

塞擦化 × 社会语音变体： 塞擦化是指[t] 和[d] 在[i] 前带有可感知的摩擦噪声的实现，社会语音变体是指该实现在不同性别和阶级群体中分布不均的属性，分工是前者描述听觉加频谱图上是否出现摩擦段，后者解释为何弱势学校高发而优势学校几乎缺席，搭配理由是单纯的语音描写无法回答传播和社会分层问题，组合意义是把一个共发音现象转化为可统计人头比例的阶级和性别标记。

由于每组人数少且每人位置少，作者明确因数据量有限未做统计检验，这是必须保留的方法限制。复现时不能自行对 70% 对 37.5% 做卡方并声称显著，而应复述为弱势学校共 50% 儿童至少产出 1 次塞擦化，其中男孩 70%、女孩 37.5%，优势学校 18 人中仅 1 名女孩产出 1 次。初学者容易把塞擦化时长当成主要指标，但本文的教学重点是有人无人的分布差异，时长只是辅助描述，因为只有产出者才有时长，未产出者记为缺失而非零。

有无模型训练：本研究更新了什么参数、实际计算是什么？

本研究没有训练神经网络，也没有冻结与微调的模型权重需要报告，因此不存在优化器、梯度路径、早停或权重下载问题。实际计算是 3 类声学测量加方差分析。声学部分是人工在 Praat 中标注和提取数值，没有自动对齐或深度学习推理，监督来源是标注者的听辨和频谱图判断，塞擦化尤其依赖人工阈值。统计部分是用性别和学校做双因素方差分析，对清塞音 VOT、浊塞音 VOT、VOT 对比度和 H1-H2 分别检验性别主效应和性别乘以学校交互，必要时分学校做单因素检验，并检验性别乘以辅音或辅音对的交互以确认稳定性。

需要指出的缺项是论文未报告录音设备型号、采样率、Praat 提取 H1-H2 的具体脚本参数、VOT 标注者一致性、以及方差分析是否以说话人为随机效应的细节，自由度 788、644、320 表明观测被当作独立样本处理，未明确处理说话人内相关。复现时不能从方法名称推定用了混合效应模型，只能按报告的普通方差分析重做，并在复现报告中注明个体内相关的处理是待补验证项。无训练不等于确定性求解：人工标注阈值和重读补录都会引入变异，2 次朗读的平均不能理解为无噪声真值。

实验条件：被试、学校、材料和录音如何保证可比？

被试是 36 名小学四年级儿童，18 名女孩、18 名男孩，年龄 8 到 10 岁，总体均龄 9 岁 6 个月，标准差 9 个月，4 组均龄均为 9 岁 5 个月或 9 岁 6 个月，女孩平均身高 139.3 厘米、男孩 140.7 厘米，均为法语母语、在学校和家庭都说法语、在巴黎地区居住 3 年以上，自报无言语障碍。分组是弱势公立学校 8 女 10 男、优势私立学校 10 女 8 男，两校距巴黎市中心乘区域快铁约 20 分钟，但社会位置指数差异极大：弱势学校指数 72.2，在法兰西岛 3772 所学校中排 3657 位，优势学校指数 151.5，排第 20 位，指数范围 45 到 185，定义为学生家庭社会经济文化条件的综合。参与基于自愿、无报酬，需父母签署知情同意且儿童本人愿意。

材料是 33 个双音节无意义词乘以 2 次重复，嵌入固定载体句以稳定韵律，读错重读以保证每词有两个可用 token。录音在校内安静房间进行，研究者尽量安抚以降低紧张。分析时 VOT 在词首塞音上手工测量，H1-H2 在[a] 上测量，塞擦化在[t][d] 加[i] 上听辨加频谱图判定。统计以性别和学校为因素，指标方向是 H1-H2 越高越偏气息声，VOT 清音越长、前置浊化越长、清浊间距越大表示对比越鲜明，塞擦化以至少产出 1 次的人头百分比为分布指标。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，复现只能依据正文描述重建流程。

主结果是什么：在相同朗读条件下谁比谁大多少？

比较问题是：在材料和载体句完全相同的条件下，性别差异是否存在、方向是否与成人一致，以及学校是否调节幅度。公平条件是两校儿童读同一套 33 词、同样嵌入载体句、同样每词 2 次，指标方向是 H1-H2 越高越气息声，VOT 清音更长和浊音前置更长都使清浊间距更大为对比更鲜明。

表后解释是：H1-H2 的主要收益是两校都检出女孩显著更高，支持青春期前已出现朝向成年女性气息声方向的分化，具体代价或反例是调节方向与 VOT 相反，即嗓音质量的性别差在弱势学校更大，原因是弱势学校男孩均值强烈为负而偏向挤压声，且该组个体内标准差相对最小而最同质。分校检验的 F 值差异很大，弱势为 104.575 而优势为 28.107，说明不能只看是否显著，还要看效应放大的来源。未胜出项是优势学校男孩均值接近零而非强烈为负，因此该校性别差较小，这提示嗓音社会化在不同阶级的实现路径不同，不能推广为优势学校一切性别标记都更强。

VOT 部分的模式是女孩在两校都把清浊两端同时推大，但推大的幅度在优势学校更突出，清音差距优势学校加 18 毫秒而弱势学校加 9 毫秒，浊音前置差距优势学校加 37 毫秒而弱势学校加 8 毫秒，清浊间距女孩比男孩长 45% 对 14%。这支持清晰发音同时作为性别和阶级标记的解释，与作者 2024 年基频调制在优势女孩中更强的结论呼应，但本文未测量可懂度，因此清晰度只是有限解释而非直接证明。

对比度和分布是否稳健：换辅音、换学校还成立吗？

第二个比较问题是：把清浊间距拆到不同辅音对、把塞擦化换到不同学校，性别和阶级效应是否稳定。公平条件仍是同一朗读材料内比较，指标方向是间距越大对比越鲜明，塞擦化以至少 1 人次的人头百分比为分布广度。

表后解释是：主要收益是清音、浊音和间距 3 套方差分析都检出性别主效应显著且性别乘以学校交互显著，且作者报告性别乘以辅音或辅音对的交互均不显著，说明性别差异在 p、t、k 之间相对稳定，不是某个塞音带动的假象。具体代价是弱势学校的浊音性别差仅 8 毫秒，分校 F 虽仍显著但远小于优势学校的对应值，表明在弱势学校用 VOT 做性别区分的线索较弱。

塞擦化提供反例视角：弱势学校 50% 儿童至少产出 1 次，其中男孩 70%、女孩 37.5%，优势学校 18 人中仅 1 名女孩产出 1 次，因观测少未做检验，只能说学校分布趋势明显而性别趋势待验证。未评测边界是材料限定[t][d] 加[i]，不能推广到[y] 前或其他语体，自然对话中的频率可能不同。

哪些还不能下结论：样本、推论和测量边界在哪里？

论文明确承认 3 个限制。第一，参与者仅 36 人，分到 4 组后每组 8 到 10 人，个体差异容易左右组均值，例如 H1-H2 表格中个别儿童的均值偏离组均值较远，复现时需报告个体点而非只看组均值。第二，抽样故意取社会光谱两端而排除中间阶层，因此不能插值出线性的阶级梯度，也不能代表巴黎儿童总体。第三，目前只覆盖法语，需要跨语言重复才能判断是否为法语特有。

推论上要区分 3 层措辞。直接报告的是女孩 H1-H2 更高、VOT 两端更大、弱势学校塞擦化人头比例更高，这些有数字和检验支持。有限解释是把 VOT 间距大解读为清晰发音、把 H1-H2 低解读为偏挤压声，前者未测可懂度，后者只是声学代理而非喉镜观察，应写为支持而非证明。未验证推测是弱势男孩挤压声是否在工人阶级成人中也存在，作者只提出值得检验而未下结论。

测量边界是塞擦化缺乏声学阈值、完全依赖清晰可感知加可见的二分标准，不同标注者可能划出不同边界，且 H1-H2 只在[a] 上有效，不能外推到闭元音。相关性不等于因果：学校差异可能混杂街区语言接触、学校教学风格和录音日状态，不能直接归因于家庭收入本身。

复现先做什么：按原文重建材料、标注和统计的清单是什么？

复现第一步是重建被试与伦理条件：招募 8 到 10 岁法语母语儿童，记录年龄到月、身高、居住年限和言语史，取得父母书面同意加儿童口头自愿，无报酬，两组学校的社会位置指数需来自同一官方排名体系并记录排名和指数值，不能用主观富裕标签替代。第二步重建材料：按原文列出塞音加 3 种元音、擦音组合和单独元音组合共 33 词，全部嵌入 Il a dit ‘MOT’ deux fois 载体句，正字法呈现，每句读两遍，读错重读补足两个可用 token，保留重读次数以评估紧张效应。第三步重建录音：在校内安静房间录音，固定话筒距离和增益，记录设备和采样率以弥补原文缺项。

标注清单是：VOT 在频谱图上手工标记松开和 voicing 起始，浊音前置记负值，每塞音每人 6 个值，清浊各 18 个值并计算 p 与 b、t 与 d、k 与 g 3 对间距；H1-H2 只在[a] 上每人 22 个值，求均值和个体内标准差；塞擦化只在[t][d] 加[i] 共 4 个位置上听辨加频谱图二分判定并记录摩擦段时长。统计清单是：对 H1-H2、清音 VOT、浊音 VOT 和 VOT 间距分别做性别乘以学校的双因素方差分析，再分校检验性别效应，并检验性别乘以辅音的稳定性，塞擦化只做人头百分比描述而不做检验。何时值得尝试是：当研究问题是青春期前社会化而非解剖差异时该范式最合适；若目标是自然对话频率，则需另设自发语料并重新估计塞擦化基线。

收束：带走哪三条可操作的判断、哪一条待补验证？

第一条可操作判断是：用固定朗读加 Praat 手工测量即可在儿童中复现朝向成人方向的性别差异，关键动作是保留符号和单位，清音 VOT 和浊音前置分开报告后再算间距，H1-H2 限定开放元音，塞擦化限定[i] 前并坚持听辨加频谱图双标准。第二条是：性别与阶级的交互不是单向放大，VOT 性别差在优势学校更大而 H1-H2 性别差在弱势学校更大，复述时必须分指标说明方向，不能合并为一句优势学校性别差更大。第三条是：塞擦化在巴黎弱势学校儿童中已达半数人头广度而在优势学校几乎缺席，可作为阶级分布的定性标记，但在每人 4 个位置且未检验的条件下不能用作性别显著效应的证据。

待补验证是三项：中间阶层的连续分布、其他语言和自发语体的推广、以及标注者一致性和混合效应建模对自由度和显著性的影响。论文特有的误解是把无训练等同于无变异，实际上重读补录、人工阈值和个体内变异都是变异来源；另一个误解是把毫秒差和分贝差直接比较大小，它们分属时长和频谱倾斜，不能跨指标比效应强弱。回到方法，复现者应先重建 33 词乘以 2 次的均衡观测结构，再核对自由度是否落在 788、644、320 附近，最后才解释社会化含义，这样才能把声学事实与社会解释分开。

📐 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