没有爆破音也能分辨：在越南语里看元音尾段如何留下辅音位置信息

英文题目：Indices acoustiques des plosives finales non relâchées en vietnamien

会议身份：conference:jep:2026:conference-paper-id:tran26_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：3.8/10 | 创新 0.8/2 | 技术严谨 1.2/1.5 | 实验充分 0.4/1.5 | 清晰度 0.7/1 | 影响力 0.4/1.5 | 开源 0.0/1.5 | 可复现 0.1/0.5 | 工程/实践 0.2/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• Thi Thuy Hien Tran：机构信息未能从会议 PDF 纯文本可靠映射
• Christophe Savariaux：机构信息未能从会议 PDF 纯文本可靠映射
• Nathalie Vallee：机构信息未能从会议 PDF 纯文本可靠映射
• Paula Alejandra Cano Cordoba：机构信息未能从会议 PDF 纯文本可靠映射
• Silvain Gerber：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文任务是以载体句中单音节伪词录音为输入，以尾部/p,t,k/在无除阻爆破时是否仍具可分声学关联物为输出，难点在于无爆破频谱可依且需在先行元音过渡中分离部位、元音与时间点效应。先以固定载体句Nói _ đi em的连续录音为输入承担韵律控制与粗切分职责，输出对齐到无除阻尾塞音的切分后元音-辅音区间，该区间直接作为下一步采样输入。再以该切分区间为输入承担在元音时长50%至90%按10%步长提取第一至第三共振峰、强度与基频的职责，输出随时间演化的动态参数序列，该序列直接进入下一步统计检验。最后以动态参数序列为输入承担用R语言线性混合模型按元音与时间点做塞音间多重比较的职责，输出各组合下显著性判定，从而完成从录音到可分性结论的衔接。相对依赖爆破频谱或英语可释尾音的传统描述，该工作把判别重心前移至元音内部过渡动态，为补偿感知解释提供可检验的声学基础。在元音50%至90%采样的语料评测设置下，强度显著条件的时长占比指标为70%，高于强度无显著差异条件的时长占比指标的50%，对应显著性为p<0.0001。结论适用边界受限于仅分析5名越南语女性发音人高调子集的/i,a,u/组合，尚未验证低调、男性发音人与连续语流外推性。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

为什么词尾塞音值得单独研究？

这篇解读的输入是越南语词尾塞音的声学研究报告，目标是让刚进入语音与音频方向的研究生能够复述实验做了什么、控制了什么、在哪里发现了差异。必须保留的信息包括研究对象是/p,t,k/在音节首与音节尾的对照，发音事实是词尾系统性不除阻且无可听爆破，测量窗口是元音时长 50% 到 90% 每隔 10% 取点，统计工具是在 R 中的线性混合模型加多重比较，当前报告的范围只限 5 名越南语女性发音人的高调数据。输出是 1 篇按学习依赖展开的方法与证据说明，不做超出原文的推广。

从结构音系学以来的描写把音节尾看作弱位置，容易发生辅音对立的中和。作者把越南语、泰语和韩语放在同一背景下讨论：在音节首依靠声带振动、送气或紧张性等特征建立的塞音对比，在尾位置不再保持，尾塞音实现为不浊且不除阻。初学者容易把不除阻理解为没有信息，原文要纠正的正是这一点。许多语言中可听除阻是辨认塞音发音位置的重要线索，英语的切带实验显示去掉爆破噪声后词尾塞音更难感知。

但泰语和越南语母语听者仍能高精度识别这类尾音，而非母语听者表现较差，这提示线索的权重与利用方式依赖语言经验，也提示与前元音交界处的过渡中可能藏有关键信息。

音节尾弱化 × 中和： 音节尾弱化指音节尾位置发音对比容易丢失的倾向，中和指原来在声母位置靠声带振动或送气等区分的对立在韵尾不再保持，二者搭配的原因是本文把越南语韵尾塞音都实现为不 voisée 且不 relâchée 看作弱化导致中和的一个实例，组合意义是把研究问题从能否听到爆破转向在爆破缺席时还有什么前元音过渡线索可用。

理解这座桥之后再往下走：既然爆破缺席，实验就不能只报告有没有爆破，而要沿着元音后段的时间轴去找共振峰与强度的动态差异。本文后续的方法、测量与统计安排都是为这个目标服务的，复现时也要先固定同样的输入与输出定义，再谈差异是否显著。

前人已经证明了什么，还留下什么缺口？

相关工作沿着两条线展开。一条是爆破作为位置线索的经典证据，另一条是无爆破语言中母语优势的感知证据。前者说明在多数语言里爆破噪声对识别塞音有决定性贡献，后者说明泰语和越南语母语者能在爆破缺席时保持高识别率，而英语背景等非母语听者则困难。这种反差把问题推向补偿机制：母语经验让人更会利用过渡段的细微动态。原文引用的越南语与泰语声学工作已经指向前元音过渡的作用，本研究是沿着这条线的进一步声学描写，并为后续比较与感知实验打基础。

爆破 × 共振峰过渡： 爆破指塞音除阻时产生的短暂噪声，共振峰过渡指在进入闭合前元音的 F1、F2、F3 随时间变化的轨迹，二者分工是爆破直接提供辅音位置的突发频谱线索而过渡提供发音器官正在关向不同位置的连续线索，搭配理由是当爆破系统性缺席时过渡成为主要可观测载体，组合意义是解释母语听者仍能高精度识别而非母语听者困难的现象。

对初学者而言，这里的学习点是区分任务与路线。任务是刻画无爆破尾塞音的可区分声学相关物，路线不是训练分类器刷准确率，而是控制语料后做声学参数的时间序列统计。例子：可以把英语词尾爆破缺失时识别下降当作教学例子，理解爆破缺席的代价，但不能把英语的具体下降数值搬到越南语上，因为原文没有给出可直接对照的新数字。缺口在于完整语料的分析仍在进行中，当前只报告部分说话人与单一调类，因此任何关于跨语言普适性的判断都超出证据。

本文要回答的具体问题是什么？

本文要回答的问题很集中：在爆破系统性缺席的条件下，越南语/p,t,k/在词尾是否仍有统计上可区分的声学性质，如果有，这些性质最早在元音的哪个时间比例上出现，又依赖哪些参数。输入是受控伪词中的目标音节，输出是对每个元音与每个时间测量点的塞音间差异判断。判断标准是线性混合模型下的多重比较是否显著，而不是听感印象或单一样本波形。

需要强调的是，首音节位置与尾位置的对照是方法的一部分。原文报告塞音在 C1 位置系统性除阻，在 C2 位置从不除阻，这确认了语料确实复现了不除阻现象。接着比较 C1 与 C2 的时长，发现无论元音环境如何都没有显著时长差异，这排除了用整体时长长短来简单区分首尾或位置的解释。真正的检验放在元音后半段的动态参数上，看共振峰与强度是否随目标尾辅音不同而走出不同轨迹。初学者复述时应先说清这个逻辑链：先验证现象存在，再排除时长解释，最后检验过渡动态。

实验全景：一个样本从录音到统计要经过哪些步骤？

先沿着一个样本走完全程。假设目标是元音为/a/、首尾辅音同为/k/的单音节伪词，声调取高调。说话人被要求在固定载体句中说出该音节，载体句为越南语 Nói _ đi em，作者给出音标与对应法语提示含义，其作用是提供稳定的句法韵律框架，并让不除阻尾音更容易切分。录音得到连续语音后，研究者切分出目标音节，标记元音区间与 C1、C2 塞音区间，测量塞音时长，并对元音区间按时长比例取点。

伪词 × 载体句： 伪词指按 C1VC2 规则组合但不一定是真词的音节，载体句指把目标音节固定嵌入同一句话中发音的框架，二者分工是伪词控制声母、韵母和韵尾的组合而载体句固定句法韵律与语速环境，搭配理由是避免真词频率和前后语境变化污染尾塞音的声学测量，组合意义是让切分不除阻尾音和跨说话人比较成为可能。

在表示层面，每个样本被表示为一组随时间变化的声学参数，包括 F1、F2、F3、强度与基频 f0。测量点从元音时长的 50% 到 90%，每隔 10% 取 1 次，共 5 个时间点。组件层面是统计比较组件，对每个元音与每个时间点的组合，在塞音之间做多重比较。目标层面是回答在哪个元音、哪个时间点上/p,t,k/的轨迹已显著分开。输出不是单个分类标签，而是一组显著性结论与随时间变化的曲线。理解这个全景后，才能明白为什么后文要分元音讨论 F2 与 F3，以及为什么强度图要按/i,u,a/分面板呈现。

测量了哪些声学量，每个量在找什么？

共振峰 F1、F2、F3 反映声道形状随时间的变化。当舌位与唇形向不同的闭合目标运动时，共振峰过渡的走向会不同。原文的图 1 专门展示 ΔF2 与 ΔF3 随时间的演变，并且只画出在尾塞音之间存在显著差异的参数，例如在/a/下只呈现 ΔF3，因为 ΔF2 变异太大而无显著差异。这个取舍本身就是信息：不是所有共振峰在所有元音下都有区分力，变异大的参数不能硬读成线索。

强度与基频是并行的另一组观测。强度下降反映闭合形成过程中辐射能量的衰减，不同闭合位置可能带来不同的衰减速度与幅度。基频则与声调实现有关，在越南语这种声调语言中必须同时监控，以免把声调差异误认为辅音位置差异。原文把强度变化记为 ΔI，单位为分贝，时间窗同样是元音 50% 到 90%。

强度变化 × 基频： 强度变化指元音后段能量随时间的下降量，基频指声带振动频率即 f0 的轨迹，二者分工是强度反映口腔闭合程度增大带来的能量衰减而基频反映声调与发声状态的并行控制，搭配理由是只看共振峰可能把能量衰减误读为位置信息，组合意义是把位置线索与整体成音条件分开检验。

复述时要注意单位与方向。共振峰差异单位为赫兹，强度差异单位为分贝，时间自变量是元音时长的百分比，不是毫秒绝对时长。升降方向不能直接等同于好坏，只有结合塞音间的分离程度与显著性标记才能判断是否为有效线索。

C1 与 C2 的对照在方法上起什么作用？

C1 与 C2 对照有两个作用。第一是操作检查：确认录音与标注流程确实捕捉到了首位置除阻而尾位置不除阻的对立实现，避免把发音人偶然除阻的样本混入分析。第二是基线排除：比较 C1 与 C2 的塞音时长，看时长本身是否足以区分位置或发音部位。原文的结论是否定的，即没有发现显著时长差异，且该结论不随元音环境改变。

这个否定结果对初学者很重要。它说明不能把尾音识别问题简化为时长问题，也说明后续发现的过渡差异不是由塞音段整体变长或变短带来的附带效应。在复现时，应同样先报告除阻有无与时长比较，再进入过渡分析，否则直接跳到共振峰曲线容易让人怀疑差异来自切分或语速。原文没有报告新的时长数值表格，因此复述时只保留定性结论，不编造毫秒数。

本研究有模型训练吗？实际计算过程是什么？

本研究没有训练神经网络，也没有冻结或更新任何模型参数，不存在梯度路径、优化器步骤或早停等概念。把无训练等同于结果确定是错误的，统计显著性仍受样本量、说话人变异与多重比较校正的影响。实际计算过程是声学测量加统计建模：先按固定步长提取声学参数，再在 R 中拟合线性混合模型，把说话人等来源的随机变异纳入模型，然后在每个元音与时间点的组合下做塞音间的多重比较。

线性混合模型 × 多重比较： 线性混合模型指在 R 中同时考虑固定效应和说话人等随机效应的统计模型，多重比较指在每个元音与每个时间测量点上逐对比较/p,t,k/的操作，二者分工是前者处理重复测量与个体差异带来的相关结构而后者定位差异在哪个元音和哪个时间百分比上出现，搭配理由是过渡是时间序列不能只做 1 次总平均，组合意义是把 70% 后才显著的结论建立在可重复的统计口径上。

缺失的信息需要明确指出。原文没有交代线性混合模型中随机效应的具体结构、固定效应的完整公式、自由度与校正方法的细节，也没有给出软件包版本与随机种子。这些缺项意味着他人难以逐行复跑同一统计，只能按描述重建近似流程。复现时应先补记这些配置，再谈显著性是否可重复。监督来源不是人工标注的类别标签训练分类器，而是已知的实验设计因素，即目标塞音类别、元音类别与时间点，统计模型检验的是这些因素是否带来参数差异。

语料、说话人与测量条件是如何控制的？

语料设计追求组合控制。伪词为单音节 C1VC2 结构，C1 与 C2 取自/p,t,k/且首尾相同，元音取/i,a,u/，声调设高与低两种，每项重复 3 次。完整语料计划覆盖泰语与越南语各 20 名母语者，但本次贡献只分析其中 5 名越南语女性发音人在高调下的数据，完整分析仍在进行。这种范围收缩必须在复述与引用时保留，否则会把部分结果误当成全语料结论。

载体句固定为 Nói _ đi em，提供稳定的句法韵律环境并帮助切分尾部不除阻辅音。测量条件固定为元音 50% 到 90% 每 10% 取点，参数包括 F1、F2、F3、强度与 f0。统计条件固定为按元音与时间点分层比较塞音。指标方向是差异显著性，显著阈值在强度部分报告为非常严格的水平。

下表把语料规模与本次报告范围整理成可核对的形式，比较问题是完整设计与当前分析之间差了多少，公平条件是只在高调女性子集内讨论结论。

表后需要说明代价与边界。主要收益是组合控制让/p,t,k/与/i,a,u/的交互作用可被分离，主要代价是当前只剩单一声调与 5 名女性说话人，声调效应、性别与个体差异都无法评估。未胜出或未评测的边界包括低调下的过渡是否同样分化、男性发音是否一致、以及泰语部分是否呈现相同时间起点。这些都属于待验证，不应从高调女性数据直接推广。

主要发现：分化从哪里开始，靠哪些参数？

主结果分 3 层。第一层是现象确认：塞音在 C1 系统性除阻，在 C2 从不除阻。第二层是时长排除：C1 与 C2 之间没有显著时长差异，且与元音环境无关。第 3 层是过渡分化：尽管没有爆破，尾塞音仍有统计上可区分的声学性质，主要基于共振峰过渡的动态，其次是强度变化，且强度上的可观测分化从元音时长 70% 之后开始并达到严格显著水平。

下表把测量与结论按证据组织起来，比较问题是在哪个时间窗与哪个参数上出现塞音间差异，条件一致性要求同一元音同一时间点内比较。

该表的意义在于区分直接报告与有限解释。直接报告的是除阻有无、时长无差异、过渡存在显著分化；有限解释是这些过渡可能支撑母语者的高识别率，但原文并未在本贡献中做感知实验，因此不能写成已经证明感知因果。

下面这张强度图是理解时间起点的关键，导读先帮初学者定位坐标与面板，再看曲线分离。图中 3 个面板分别对应/i/、/u/和/a/，横轴都是元音时长 50% 到 90% 的时间进程，纵轴是强度变化量 ΔI，单位为分贝，数值向下表示相对 earlier 点的下降加深。每条带点折线对应一种尾塞音，星号双箭头标出塞音间差异显著的位置。

看图路径： 1. 先确认横轴是元音时长 50% 到 90% 的时间窗，纵轴是强度变化量 ΔI，单位为分贝；2. 再按/i/、/u/、/a/三个面板分别看三条/p,t,k/曲线在 70% 之后是否分开；3. 注意带星号的双箭头标记的是统计显著的塞音间差异，不要把单纯整体下降读成分化；4. 对比三个元音面板的纵轴范围与下降斜率，判断强度线索是否在所有元音下方向一致

论文图 2。原论文 Figure 2：“Évolution temporelle de I (dB) de 50 % à 90 % de la durée de /i/, /u/ et /a/”。

结合像素可见内容解释：强度曲线总体都随时间下降，但在 70% 之后不同尾塞音的下降幅度拉开距离，显著标记出现在尾段而非起始段。这支持原文把 70% 作为可观测分化的起点，而不是全程都可分。同时要注意 3 个元音面板的下降斜率与纵轴范围并不完全相同，说明强度线索的有效幅度可能依赖元音环境，不能把某一元音下的分离幅度推广到所有元音。像素不能精确读出每一点的分贝数值，因此复述时只保留方向与起点结论，不硬写具体分贝差。

哪些条件下结论会变弱或不成立？

原文没有做神经网络意义上的消融，但提供了等价的失败条件分析。最明确的一个是/a/下的 ΔF2 因变异太大而无显著差异，图 1 因此在/a/下只呈现 ΔF3。这是一个未胜出项：不是所有参数在所有元音下都有效，变异大的参数会被统计否定。复现时若只看平均曲线而忽略个体变异，容易误判。

第二个条件是时间起点。在 50% 到 70% 的前段，过渡差异尚未达到可报告的显著水平，只有进入 70% 之后强度与部分共振峰参数才显示分化。这意味着若把窗口取得太早或只做全段平均，结论会被稀释。第 3 个条件是范围限制。当前只限高调与 5 名女性说话人，低调、男性与其他说话人的变异尚未纳入完整分析，任何跨声调或跨群体的推广都属于待验证。把这些边界讲清楚，比重复显著性本身对初学者更有用。

证据的边界与不能说的话是什么？

首先是样本边界。完整设计每语言 20 人、两种声调、3 次重复，但本次只报告 5 名越南语女性高调数据，完整语料分析仍在进行。因此关于越南语整体的表述必须加上限定语，泰语比较更不能在本贡献中下结论。其次是参数边界。原文提到测量了 F1、F2、F3、强度与 f0，但显著性主要落在共振峰过渡动态与强度上，F1 与 f0 的作用没有被呈现为位置区分线索，不能把它们也写成有效线索。

再次是因果边界。原文引用了母语者识别优势的文献，但本贡献本身是声学描写，没有新的感知实验，不能从声学差异直接推出感知权重。相关性不是因果，显著性也不是可懂度提升的保证。最后是可达性边界。本次没有发现来源绑定且完成验证的资源，不得声称代码、模型或数据已公开，也不得写当前可用或已公开。复现者应按论文描述重建语料与流程，而不是期待下载现成数据。

要复现这项研究，第一步先固定什么？

复现的第一步是重建同样的输入条件。按 C1VC2 组合生成/p,t,k/与/i,a,u/的伪词，设置高低两种声调，每项至少重复 3 次，并把目标音节嵌入固定的 Nói _ đi em 载体句中录音。说话人招募应记录语言背景、性别与人数，若只复现当前子集，则明确限定为越南语女性高调数据，并说明与完整设计的差距。录音后先标注元音区间与塞音区间，检查 C1 除阻而 C2 不除阻是否成立，再比较 C1 与 C2 时长。

第二步是固定测量口径。按元音时长百分比从 50% 到 90% 每 10% 取点，提取 F1、F2、F3、强度与 f0，并换算成随时间的变化量。第三步是固定统计口径。在 R 中按元音与时间点分层，对/p,t,k/做多重比较，并报告随机效应结构与校正方法。原文未给出这些细节是具体缺项，复现报告应补记所用包、模型公式与阈值。

还需要补的验证包括低调数据、更多说话人、以及后续感知实验对声学差异的权重检验。只有补齐这些，才能从描写走向解释。

何时值得借鉴这套做法，还需补哪项验证？

当研究对象是无爆破或爆破不可靠的尾辅音时，这套做法值得借鉴：用伪词加固定载体句控制语境，用元音后段百分比时间窗捕捉过渡动态，用分层多重比较定位差异起点，并用时长对照排除简单解释。它的适用条件是目标差异主要藏在协同发音过渡中，而不是在爆破噪声或时长中。如果语言的尾音仍有稳定爆破，直接分析爆破频谱可能更高效，不必照搬后段过渡流程。

对初学者的特有误解需要澄清。不除阻不等于无信息，只是信息位置前移到了元音尾段；显著不等于全程可分，本文的起点在 70% 之后；部分参数显著不等于所有参数都显著，/a/下 ΔF2 的反例就是提醒。还需补的验证很具体：完整 20 人语料与低调数据的统计、泰语与越南语的同口径比较、以及感知实验对过渡线索权重的直接检验。在这些补齐之前，最稳妥的复述是尾塞音在元音后段留下了可区分的动态痕迹，但其跨条件稳定性与感知作用仍待验证。

📐 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