想让人听懂时，说话人会更用力抵抗被扭曲的听觉反馈吗

英文题目：L’influence de la recherche d’intelligibilité sur l’adaptation auditivo-motrice de la parole

会议身份：conference:jep:2026:conference-paper-id:rochasbenlalou26_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：#用户研究 #发声与构音 #语音 #语音可懂度评估

评分：3.1/10 | 创新 0.8/2 | 技术严谨 1.0/1.5 | 实验充分 0.2/1.5 | 清晰度 0.6/1 | 影响力 0.4/1.5 | 开源 0.0/1.5 | 可复现 0.1/0.5 | 工程/实践 0.0/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• Sarah Rochas Ben Lalou：机构信息未能从会议 PDF 纯文本可靠映射
• Maëva Garnier：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本研究检验图片命名中听觉运动适应是否受可懂度需求调节，输入为说话人实时听到的被扰动听觉回放，输出为发音相对基线的补偿性偏移，难点在于区分自动感觉误差修正与受词汇与交际约束驱动的主动清晰化。方法链分三步：先以图片命名诱发目标词自然产出并经实时变换后回放以构造感觉误差，再操纵词汇混淆度使扰动是否造成词义混淆以检验语言学后果，最后操纵独自面对计算机还是面对真人对话伙伴以检验社会交际后果，前一步的回放误差进入下一步的运动计划更新。实验按基线无扰动、共振峰渐升适应、最大恒定扰动与听觉恢复等阶段推进并做基线归一化比较。与既往多关注音类边界或单人对计算机朗读的研究不同，该设计同时操纵语言学后果与社会交际后果，因而生态效度设想更强并能分离两类调节源。原文未提供可核对的关键定量结果。结论的适用边界严格受限为极小规模试点可行性探索，尚未验证群体效应，且存在顺序效应与基线未完全恢复等失败条件。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，输出是什么，为什么值得写解读

这篇论文的输入是 2 名法语母语者在图片命名任务中实时听到的自己被扭曲的声音，输出是他们实际发出的第二共振峰变化量，目标是检验追求可懂度会不会放大听觉运动适应。解读的目标读者是刚进入语音、音乐、音频方向的研究生，重点是把方法讲到可以复述和核对的程度，而不是评价研究价值。

必须保留的信息包括任务是图片命名加实时反馈扰动，操纵的两个变量是词汇可混淆度和交互水平，扰动方式是第二共振峰渐升后保持最大扰动，分析窗口是最大扰动阶段相对基线的归一化值。本文后续按学习依赖展开，先讲听觉运动适应的经典路线，再讲本研究的实验全景、组件、流程、条件、结果与复现要点。凡是教学举例都会明确标为例子，不把例子当作论文报告的数值。

经典路线把说话控制看成什么问题

经典路线把说话控制看成感觉运动闭环问题。说话人发出指令后，会预测自己应该听到什么，当实际听觉反馈与预测不一致时，系统检测感觉误差并修正后续发音指令。论文引用的早期工作用实时改变元音共振峰的方法建立了这一范式，相关综述总结了约二十年的证据，神经层面的解释框架常引用口语习得与产生的神经理论模型。该模型强调前馈指令与听觉、体感反馈的整合，适应被理解为更新内部模型的过程。

在这种视角下，适应常常被默认为自动的误差纠正机制，只要有可检测的听觉偏差就会发生，幅度主要取决于误差大小和感觉可靠性。初学者容易把这种自动性理解为不受语言和交际影响，论文的起点正是质疑这种简化。它回顾了 3 类反例，提示语言学约束可能调节适应。第一类是扰动是否跨过音位范畴边界，第二类是目标词是否存在词汇竞争者，第 3 类是已有研究发现词汇感知整合会影响感觉运动适应。

这些工作共同说明，听觉误差不只是声学距离，还携带是否会听成另一个音、另一个词的社会语言后果。

本文要回答的具体问题是什么

本文要回答的具体问题是任务的可懂度要求是否改变听觉运动适应的程度。作者把可懂度要求操作化为两个可操纵因素。第一个是词汇混淆度，即当前词表中有多少词只要元音稍有偏移就可能变成另一个词。第二个是交互水平，即被试是对着计算机单独念词，还是面对真实交际对象说话。研究假设是直观的，当说错会造成混淆，或者当面前有真实听者需要负责时，说话人会更努力保持可懂度，从而对被上移的听觉反馈做出更大的逆向补偿。

需要强调的是，这是一个试点研究，只做了 2 名被试，目的是验证流程可行性和初步趋势，而不是给出总体结论。论文明确写出结果没有显示系统性效应，但个别被试出现了与假设一致的模式，因此不能证实也不能证伪假设，只能指导正式实验改进方法。初学者应把本文读作方法预演，而不是效应证明。

从一张图看懂实验全景

整个实验可以沿着 1 名被试的 1 次完整参与来走。被试看到图片后说出对应单词，同时耳机里实时播放经过处理的自己声音。实验先记录无扰动的基线发音，然后逐渐抬高反馈中的第二共振峰，再进入最大且恒定的扰动阶段，最后恢复正常反馈进入消洗阶段。每个交互条件都完整走过这 4 个阶段，词汇混淆度则在试次内部随机混合。

也就是说，同一名被试既要在计算机条件下完成基线、渐升、最大扰动和消洗，也要在面对面条件下再完成一轮，而每一轮内部既有最小对立对那样的可混淆词，也有声学差异很大的不可混淆词。分析时只取最大扰动阶段的发音，计算其第二共振峰相对基线的变化百分比，再按交互条件和词汇类型分组比较。如果被试在抵抗扰动，他会把实际发出的第二共振峰往下压，以抵消耳机里被抬高的感觉，于是归一化值会呈现负向偏移。

举例来说，这类似于合唱时耳返突然把自己的声音调亮，歌手会不自觉唱得更暗来找平衡，这里例子只是帮助理解补偿方向，不代表论文的数值。

扰动、词表和交互各自负责什么

本研究有 3 个关键组件。第一个是实时听觉反馈扰动装置，它负责在被试说话的同时抬高第二共振峰。论文说明扰动先渐进上升再保持最大恒定，最大值是 30%。这种渐进加恒定的设计有两个作用，渐进阶段减少突然变化带来的策略性反应，恒定阶段提供稳定的适应窗口以便统计比较。第二个是词表，它负责制造不同的混淆风险。

一半是最小对立对，声学上接近、语义上不同，另一半是声学差异很大的词。随机混合的目的是防止被试预测下一个词是否危险，从而把混淆效应归因于当前词的属性而非整体策略。第 3 个是交互条件，它负责改变交际压力。对计算机条件是单独面对机器命名，对 interlocuteur 条件是面对真实对话者。作者的逻辑是，面对真人时保可懂度的社会动机更强，可能放大补偿。

听觉运动适应 × 共振峰扰动范式： 听觉运动适应负责在听到自己的声音与预期不符时调整发音动作，共振峰扰动范式负责用人为实时改变反馈中的共振峰来制造这种不符，二者搭配的理由是只有可控、可重复的听觉误差才能把自动纠错从日常说话变异中分离出来，组合后新增的作用是可以用补偿量量化说话人对听觉误差的敏感性和学习量。

最小对立对 × 词汇混淆度： 最小对立对指只差一个音位而意义不同的词对，词汇混淆度指当前任务中说错一个音就可能变成另一个词的风险，二者搭配的理由是前者提供了可操作的刺激构造方法，后者提供了交际压力的解释维度，组合后新增的作用是把抽象的可懂度需求转化为一半可混淆、一半不可混淆的具体词表对比。

本研究有没有训练模型，真实计算是什么

本研究没有训练神经网络，也没有更新任何模型参数，因此不存在优化器、损失函数、梯度路径或冻结层的问题。真实计算是行为实验流程加声学测量与统计比较。具体而言，系统调用实时音频处理链完成反馈扰动，研究者采集发音音频后提取元音段的第二共振峰，再按词做基线归一化，最后在最大扰动阶段内按条件聚合。

论文没有报告共振峰提取的窗长、线性预测编码阶数、元音取点位置、异常值剔除规则，也没有报告归一化是按词均值还是按试次中值聚合，这些是复现时需要补齐的缺项。统计方面只报告了 2 个条件对比的显著性水平，没有给出检验名称、自由度、效应量和多重比较校正，不能从被试数量推定检验力。需要明确的是，无训练不等于确定性求解，同一被试重复实验仍会因疲劳、注意力、基线漂移而变化，参数固定也不保证输出确定。

被试、阶段和测量如何组织

实验对象是 2 名法语母语者，属于试点规模，不做群体推断。任务是图片命名，保证每次发音的目标词可控，同时保持半自然的词汇提取过程。反馈条件在被试内操纵，交互有两个水平，词汇有两个水平，形成 2 乘 2 的分析格。时间结构上每个交互条件包含 4 个阶段，先是无扰动基线，然后是第二共振峰渐升适应，接着是最大恒定扰动，最后是恢复正常反馈的消洗。论文用较大篇幅说明正式实验需要延长消洗并平衡顺序，暗示当前试点可能存在顺序固定和消洗不足。

测量指标是最大扰动阶段的归一化第二共振峰百分比，相对基线计算，方向解释为越往负越补偿。下面的表格把阶段安排整理成可核对的形式，数值和阶段名称严格来自原文连续句。 下表提出一个可核对的比较问题：在相同交互与词表混合方式下，4 个阶段的扰动设置是否一致，最大扰动阶段的量级和参照是什么，指标方向如何理解。公平条件是同一被试、同一交互条件内的纵向比较，指标是相对基线的百分比变化，负向代表逆扰动补偿。

该表把容易混淆的时间结构显式化，主要收益是让复现者知道分析窗口只取最大恒定阶段，而不是渐升或消洗阶段。

具体代价是原文未报告每阶段试次数、每词重复次数和阶段时长，无法据此估算总实验时长和疲劳累积。未胜出项是消洗是否充分，本试点事后发现基线未完全恢复，说明当前消洗时长在复现时不能直接沿用。

最大扰动阶段看到了什么，没有看到什么

论文报告的主结果是否定性的，即没有系统性效应。第 1 名被试在计算机条件下对可混淆词表现出更大的补偿趋势，但未达到显著，第 2 名被试没有重复这一模式。第 2 名被试在面对面交互条件下表现出更大的补偿且达到显著，第 1 名被试没有重复这一模式。换句话说，每个假设都在 1 名被试上看到影子，但在另 1 名被试上消失，无法支持稳定结论。作者的措辞是谨慎的，既不宣称发现效应，也不认为假设被推翻，而是主张扩大样本继续探索。

初学者要区分直接报告和有限解释，直接报告是 2 名被试的模式不一致，有限解释是交际因素可能起作用但需要更多数据，未验证推测是面对真人一定提高可懂度动机。 下面这段导读帮助定位图一的阅读顺序，该图是全文唯一的定量证据，左右两块面板分别对应 2 名被试，横轴和颜色共同编码两个实验变量，纵轴是相对基线的百分比，白色三角标记平均值。读图时先分清分布与平均，再比较条件差异，不要把单个须线的极值当作条件均值。

看图路径： 1. 先确认横轴是计算机与面对面两种交互条件，颜色区分可混淆与不可混淆词；2. 再看纵轴是相对基线的归一化 F2 百分比，白色三角为每格平均值；3. 比较左面板第一名被试在计算机条件下蓝盒是否略低于红盒；4. 比较右面板第二名被试在面对面条件下整体是否明显下移

论文图 1。原论文 Figure 1：“Valeurs normalisées de F2 (%) lors de la phase de perturbation maximale (+30%), par rapport à la baseline, en fonction du niveau d’interaction (ordinateur vs interlocuteur) et du…”。

从实际收到的像素看，右面板第 2 名被试的整体位置明显低于左面板第 1 名被试，同一面板内面对面一侧的两个箱体又低于计算机一侧，这与文中面对面补偿更大的描述一致。左面板第 1 名被试的计算机一侧蓝色可混淆箱略低于红色不可混淆箱，但差距很小且分布重叠很大，这与不显著的趋势描述一致。像素分辨率不足以读出精确百分比，因此不硬写具体数值，颜色图例因截图截断只能确认红蓝区分混淆度，具体哪种颜色对应哪一类以原文图注为准。

下表把两个关键统计陈述整理为可对照的形式，比较问题是补偿差异出现在哪个被试、哪个条件对比上，公平条件是同一被试最大扰动阶段内的分组比较，指标方向是归一化第二共振峰更负代表补偿更大，显著性只按原文报告的阈值理解。

该表的主要收益是把看似矛盾的单被试趋势放在同一框架下，代价是每个格子样本量很小且原文未报告效应量和置信区间。

具体反例是第 1 名被试不支持交互效应，第 2 名被试不支持词汇效应，因此任何只引用其中一格来宣称可懂度增强适应的做法都是片面的。未评测边界包括不同元音、不同扰动量级和真实对话中的听者反馈，这些都超出本图片命名任务的范围。

补偿 × 基线归一化 F2： 补偿指说话人逆着扰动方向改变发音以抵消听到的偏差，基线归一化 F2 指把扰动阶段的 F2 表达为相对无扰动基线阶段的百分比变化，二者搭配的理由是只有扣除个人基音和口音差异才能跨词、跨被试比较抵抗扰动的程度，组合后新增的作用是让箱线图上的负向偏移可以直接读作适应性补偿而不是绝对音高差异。

如果拿掉混淆词或拿掉真人会发生什么

论文没有做计算意义上的消融实验，但两个实验变量本身可以读作对交际压力的拆解。拿掉词汇混淆度就相当于所有词都是声学差异很大的词，此时说偏一点也不会变成另一个词，保可懂度的压力下降。如果词汇效应真实存在，那么这种全不可混淆词表下的补偿应该更小。试点数据不支持稳定的词汇效应，因为只有第 1 名被试在计算机条件下显示微弱趋势。拿掉真实交互就相当于全部对计算机命名，此时没有听者需要负责，社会动机下降。

如果交互效应真实存在，那么纯计算机条件下的补偿应该更小。试点数据同样不支持稳定交互效应，因为只有第 2 名被试显示显著差异。更重要的是，两个因素可能交互作用，例如只有在面对真人且词可混淆时压力才最大，但 2 名被试的数据不足以检验交互项。复现时应把交互项作为正式分析计划的一部分，而不是事后挑选显著格子。

为什么两名被试的结论不能推广

最直接的限制是样本量只有 2 名，个体差异无法与条件效应分离。第 1 名和第 2 名被试的模式互相不重复，说明任何单被试显著都可能是特异策略、基线漂移或测量噪声。第二个限制是条件顺序与疲劳。论文明确提到存在与顺序有关的效应，疲劳和基线未完全恢复会影响后续条件的估计。如果计算机条件总在前面而面对面总在后面，那么面对面更大的补偿可能混入练习效应，反之则可能被疲劳抵消。

第 3 个限制是消洗不足。消洗阶段负责让发音回到基线，只有回到基线才能公平比较下一轮。如果消洗太短，残留的适应会污染下一个基线，使归一化分母偏移。作者因此提出延长消洗并平衡顺序，这是正式实验必须落实的改动。第 4 个限制是统计信息不完整。

原文只给出显著性水平，没有检验方法、效应量、试次数量和聚合方式，读者无法判断显著差异的实际大小和稳健性。

交互水平 × 消洗阶段： 交互水平负责操纵说话人是否面对真实听者从而改变保可懂度的动机，消洗阶段负责在扰动结束后恢复正常反馈以观察后效和回到基线，二者搭配的理由是只有基线真正恢复才能公平比较计算机条件和面对面条件的适应量，组合后新增的作用是暴露了本试点中因消洗不足和条件顺序固定而无法分离疲劳与交互效应的问题。

要复现这个试点先做什么

复现的第一步是重建刺激与流程，而不是先调扰动算法。先准备图片命名词表，保证一半是真正的最小对立对，另一半在声学上差异足够大，并记录每对词的目标元音和预期第二共振峰范围。词汇应随机混合呈现，避免可混淆词成块出现带来策略性清晰化。第二步是搭建实时反馈链，验证从麦克风到耳机的延迟足够低，扰动只作用于第二共振峰且最大增量为 30%，并用录音离线核对扰动量是否准确。

第三步是固定阶段结构，每个交互条件都要有独立基线、渐升、最大恒定和消洗，记录每阶段试次数和时长，消洗要比试点更长，并在被试间平衡计算机与面对面的先后顺序。第四步是固定声学分析管线，明确元音切分规则、共振峰提取参数、按词归一化的聚合方式和异常值处理，再计算最大扰动阶段相对基线的百分比。第五步是预注册统计方案，明确词汇与交互的主效应和交互项、随机效应结构和效应量报告，避免只挑显著被试报告。

当前没有任何代码、模型或数据被验证为公开，因此不能写已公开或当前可用，只能按论文文字重建。

何时值得尝试这个思路，还需补什么验证

当研究问题涉及说话人是否为了听者调整感觉运动控制时，这个思路值得尝试。例如在语音清晰度训练、助听反馈或人机对话中，如果希望说话人在关键时刻更抵抗噪声或扰动，那么操纵词汇竞争和真实听者存在可能是有效的行为手段。但试点结果提示不要期待稳定大效应，至少在图片命名和 30% 的第二共振峰上移下，效应如果存在也是小而易被个体差异淹没。

还需补充的验证包括扩大样本并报告效应量，检验不同元音和不同扰动方向是否一致，测量听者实际理解率以确认补偿确实带来可懂度收益，以及记录延迟、强度和舒适度等部署成本。未测量理解率时不能宣称适应改善了交际，未测量延迟时不能承诺实时系统可行。总体而言，本文的价值在于把可懂度从口号变为两个可操作变量，并用试点暴露了顺序与消洗的关键细节，正式实验应在此基础上做更干净的对照。

📐 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 1 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