重叠只是难念，还是真的在抢同一个节律槽位：语音计划中有没有抽象重音格

英文题目：Evidence of Absence? Abstract Metrical Structure in Speech Planning

会议身份：conference:speechprosody:2026:conference-paper-id:di26_speechprosody

✅ 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：#人类参与评测 #语音学与音系 #韵律 #语音 #语音属性识别

评分：5.1/10 | 创新 1.2/2 | 技术严谨 1.3/1.5 | 实验充分 0.7/1.5 | 清晰度 0.8/1 | 影响力 0.6/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 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

• Yang Di：机构信息未能从会议 PDF 纯文本可靠映射
• Mara Breen：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

该研究检验英语双音节词朗读中节律结构是否独立于音段规划，输入为正交操控节律重叠、首音节重音与词首音段重叠的词对，输出为高速重复下的平均词对时长、正确完整重复数与言语错误数，难点在于分离纯节律竞争与全词音段相似带来的词汇激活混淆。方法链分三步衔接：先构造160对刺激并计算不含重音标记的Levenshtein语音距离以获得全词梯度控制量，其距离输出作为协变量进入后续建模；再经4秒默读加8秒口头高速重复采集语音，其录音进入标注环节；最后用Praat人工标注与Montreal Forced Aligner强制对齐提取三项指标，并以线性混合效应回归检验主效应与交互。相对Myers and Watson仅保留词首重叠的做法，新设计新增无词首重叠条件并引入全位置距离控制，使节律主效应可在无词首重叠时被分离检验，具有澄清独立规划阶段的实际意义。在初始音段重叠模型评测条件下，初始音段重叠条件的正确完整重复数指标估计为-0.51，低于节律重叠条件的正确完整重复数指标-0.32。结果呈现指标分裂：时长无节律主效应，而重复数与错误数支持抽象节律表征。该结论适用边界受限于程式化高速重复的双音节词任务，尚未验证自发语述、长词与跨语言外推，且小样本下时长零效应无法区分证据缺席与缺席证据。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 复现相关资源：https://osf.io/987c4/overview — 链接可访问（HTTP 200）
• 第三方资源：https://www.findingfive.com → https://us.findingfive.com/ — 链接可访问（HTTP 200）
• 第三方资源：https://www.R-project.org/ — 链接可访问（HTTP 200） 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

争论到底是什么：节律模板是独立的一层吗

输入是这篇论文要回答的理论问题，目标是让初学者能复述两种对立表征及其可检验的预测，输出是对后续方法的理解框架，必须保留的信息是重音格与音段的定义和两类模型的分工。英语里重音位置可以区分词义，白话说就是同样几个音，哪个音节念得重决定了你说的是哪个词，论文用 PREsent 与 preSENT 举例。音段结构白话说就是辅音元音按顺序排成的串，例如 cat 与 hat 只有首音不同。问题在于大脑在准备说话时，轻重模板是不是单独存了一层。

一种可能是抽象重音格假说，白话说就是词库里存了一个与具体音无关的强弱骨架，说话时骨架与音素并行取出，再把取出的音填进骨架的槽位。支持证据来自舌尖现象，白话说就是话到嘴边说不出来具体音，但还能说出有几个音节、重音在哪里，说明骨架在音不可用时仍可激活。另一种可能是绑定假说，白话说就是根本没有脱离音的轻重，重读版和非重读版的音素或音节是各自独立存的，轻重是音的一部分。

重音格结构 × 音段结构： 重音格结构负责标记每个音节是重读还是非重读，例如 PREsent 与 preSENT 的节律框架不同；音段结构负责具体的辅音与元音序列，例如 cat 与 hat 的首音不同。二者搭配的理由是说一个词既要选对音又要把音放到对的轻重位置上，组合意义在于检验计划时是先并行取出一个抽象轻重模板再填音，还是轻重本来就粘在每个音和音节变体上。

从语音计划的角度检验，白话说就是看两个词在某方面相像时会不会互相干扰。如果骨架独立，那么光是骨架相同就应引发竞争，使计划更难；如果骨架粘在音上，那么只有音也相像时，骨架相同才会添乱，光是骨架相同不应单独制造困难。困难在操作上被定义为三件事：平均词对时长变长、正确完整的重复遍数变少、语音错误变多。初学者容易把难念等同于念得慢，论文特意用 3 个指标，就是为了区分放慢应对与直接出错两种后果。后续所有设计都是围绕如何分离单纯骨架重叠与音段重叠展开的，这也是理解 Myers and Watson 系列与本研究分歧的关键。

前人为什么得出相反结论：同样的绕口令，不同的控制

输入是三项直接相关的前人结果，目标是讲清它们在任务、控制条件和结论上的差异，输出是本研究要补的两个缺口。第一条线是 Tilsen 的发现，重音格一致带来更快产出、更少迟疑和更少序列错误，且独立于音段重叠，支持骨架独立计划。第二条线是 Myers and Watson 的事件描述实验，音段重叠单独出现以及音段加节律同时重叠时出现词拉长，唯独节律单独重叠时不拉长，支持音段抽象而节律绑定。

第三条线是 Myers and Watson 的词对重复范式，被试先看词对 4 秒然后消失，再在 8 秒内尽快多次重复，交叉重音格重叠与首音重读，同时让所有词对共享首音段，结果是重音格重叠的词对重复遍数更少、时长更长、错误更多，作者据此认为节律绑定于音段。初学者要注意，这三项用的因变量和任务不完全一样，Tilsen 强调流畅性，Myers and Watson 强调时长与错误，不能直接把快慢等同于同一机制。

本研究明确指出 Myers and Watson 词对重复研究的两个局限。第一，所有词对都共享首音段，因此节律重叠在没有首音段重叠时的效应从未被检验，该设计只能检验是否存在一个整合节律与音段的音系编码阶段，不能检验是否存在节律独立的阶段。第二，只控制了开头音段的重叠，忽略了其他位置的音段重叠，而词识别模型对此有分歧，队列模型认为只有词首音素起关键作用，TRACE 模型则认为所有位置的重叠都会影响词激活。

因此本研究要同时做两件事：完全交叉重音格重叠、首音重读与首音段重叠，并计算整词的音系距离作为更连续的音段相似度量。这就把问题从有没有整合阶段推进到有没有独立阶段。

本研究要检验什么：把节律主效应单独拎出来

输入是本研究的操作化假设，目标是让读者能用一句话复述预测方向，输出是 3 个因变量上的判定标准。论文把任务限定为双音节词对重复，例如 arrow error 这类例子，条件是重音格重叠与否、首音节是强起还是弱起、首音段重叠与否的完全交叉。如果重音格独立计划，那么仅有重音格重叠就应使计划更难；如果重音格绑定于音段，那么困难应只出现在音段也重叠时，单纯重音格重叠不应更难。更难的操作定义沿用前文：平均词对时长更长、正确完整重复更少、语音错误更多。

教学例子是：假设 2 对词音段相似度一样，1 对节律相同一对不同，独立假说预测相同那对更难念，绑定假说预测两者无差别。这个例子只是帮助理解逻辑，不代表论文报告了该数值。

需要强调的是，论文是正在进行中的项目，当前分析只纳入了 36 名被试的数据，而总共收集了 61 人，因此结论是初步的。摘要已经预告了混合结果：时长上没有重音格主效应，不支持抽象格；但重复遍数和错误数上单纯重音格重叠仍有效应，支持抽象格。初学者应把这种不一致看成方法学问题而不是简单站队，即不同因变量可能对同一竞争的敏感度不同，或者功效不足导致某一指标漏检。这也决定了后文结果部分必须分指标逐 1 核对，而不是只看一个显著性就下结论。

任务全景：先默读再听口令快速重复

输入是被试在每个试次中经历的流程，目标是复述从呈现到产出的时间结构，输出是理解为何该任务能同时激活节律与音段。被试先在屏幕上看到词对 4 秒，期间被要求默读，然后词对消失出现 GO，提示在 8 秒内尽快多次大声重复该词对，直到出现 STOP。每名被试完成 3 个练习试次和 160 个实验试次，顺序个别随机，试次之间可按继续键休息。全程佩戴头戴式麦克风，在安静房间单独完成，之后还有两个当前不分析的个体差异任务和人口学问卷，全程约 2 小时。任务用 FindingFive 平台实现。初学者可以这样走一个样本：看到 arrow error，先默读记住两个词的音和轻重，听到 GO 后快速说 arrow error、arrow error，如此循环，直到 STOP。

首音节重读 × 重音格重叠： 首音节重读说明当前词对的第一个音节是强读还是弱读，是控制词首轻重偏置的变量；重音格重叠说明两个词是否共享同一轻重模板，例如都是强弱还是强弱对弱强。二者搭配是为了把模板相同但起音轻重不同、起音轻重相同但模板不同等情形分开，组合后才能判断困难究竟来自模板竞争还是来自强起音本身更好念。

这种先默读后快速重复的设计意图是让节律与音段在开始产出前都被激活，形成类似绕口令的竞争。与 Myers and Watson 的自发事件描述任务不同，这里是脚本化的朗读式产出，作者在讨论中认为激活水平不同可能是结果分歧的原因之一。理解这一点对复现很重要：默读时间、GO 信号、8 秒窗口和尽快多次的指导语共同制造了速度压力，如果改成无时间压力的朗读，竞争可能不出现。被试均为在美国自 5 岁起说英语的美国英语母语者，来自本科被试池，以课程学分或 10 美元作为报酬。

材料如何构造：八格交叉与音系距离的双重控制

输入是 160 个实验词对的构造逻辑，目标是讲清 8 个条件如何得到以及位置平衡如何做，输出是可核对的材料表结构。3 个二分变量完全交叉得到八格：重音格重叠与否乘以首音强弱乘以首音段重叠与否，每格 20 对，共 160 对，另有 3 对练习。首音段重叠的 80 对沿用前人材料，无首音段重叠的 80 对通过重排有重叠条件的词对构成，使其不再共享首音段。每个词在首词位置和次词位置各出现 2 次，但具体词对不反转顺序，例如只读 beaker beagle 而不读 beagle beaker，以控制总时长。论文用表格给出例子，如重叠条件下 arrow error、array arrive 等，无重叠条件下 candy arrow、cavort array 等，并标注每对的音系距离。

首音段重叠 × 音系距离： 首音段重叠只看两个词开头几个音是否相同，是二分的粗粒度音段相似度；音系距离用国际音标转写之间的 Levenshtein 距离度量整词在所有位置上的渐变相似度，距离越小表示越像。二者搭配的原因是避免只控开头而漏掉词中词尾的重叠，组合意义是同时得到分类对照和连续梯度两种证据，互相校验音段解释是否稳健。

音系距离的计算方法是取两个词的国际音标转写之间的 Levenshtein 距离，白话说就是把一个串变成另一个串最少需要增删替换几个符号，距离越小表示越像。为避免重音格重叠与音系距离高度共线，转写时不纳入重音标记。初学者要注意，这一步把节律信息从距离中摘掉，否则距离小既可能是音像也可能是节律像，就无法分离。由于首音段重叠与音系距离都反映音段相似且高度相关，分析时分开拟合两套模型以避免多重共线性。复现时必须保留不含重音标记的转写规则，否则距离的含义会改变。

本研究没有训练神经网络：真实计算是标注对齐与混合模型拟合

输入是明确本研究无模型训练的事实，目标是防止把统计拟合误当成神经网络训练，输出是对实际计算链的准确描述。本研究没有训练任何语音或语言模型，没有冻结与更新的神经网络参数，没有梯度路径与优化器步骤，也没有用训练集学习权重。真实计算分为两段：音频预处理与时长提取，以及线性混合效应回归拟合。预处理用 Praat 标注，12 名编码员各自独立编码一部分产出，为每个试次建立 TextGrid，标记正确完整的词对重复与语音错误，计数重复遍数与错误数。

语音错误定义为词对的误读，包括重音放错、音素删除增加替换、元音扭曲和词语重复。接着去除错误与不完整重复，用 Montreal Forced Aligner 将剩余音频与正确转写强制对齐，再用 Praat 脚本提取每个词的时长，在 R 中按被试按词对计算平均词对时长。

统计拟合用 lme4 包做线性混合效应回归。首音段重叠模型纳入重音格重叠、首音重读、首音段重叠及所有可能交互作为固定效应，被试与项目作为随机效应；若最大模型不收敛，则逐步去掉解释方差最小的随机效应直到收敛，再逐个去掉固定效应做似然比检验，显著则保留。对每个因变量分别拟合：对数变换后的平均词对时长、正确完整重复数、语音错误数。音系距离模型把首音段重叠换成音系距离，其余流程相同。

由于后两个因变量是计数数据，作者还跑了泊松混合模型、错误数的准泊松固定效应回归和二值化错误的逻辑混合模型，结果没有质变，正文为与前人可比只报告线性混合结果，另将其他模型放在开放链接中。缺项是论文未报告随机效应的具体方差结构和每一步的收敛细节，复现时需按上述规则重走并记录。

被试、试次与排除规则：哪些数据没有进入分析

比较问题是进入分析的样本量与排除比例是否透明，公平条件是明确被试筛选与试次剔除标准，指标方向是排除越少且规则越前置越可信。当前分析纳入 36 人，年龄 18 到 23 岁，总收集 61 人，年龄 18 到 33 岁，均为美国英语母语者。每个被试做 160 个实验试次，总试次数为 5760。排除分 3 层：整试次因始终误读某词而删，单次重复因时长偏离该被试该试次均值 2.5 个标准差而删，以及仅有 1 次正确完整重复的试次因无法判断离群而删。

上表说明样本从总收集到当前分析的收缩，代价是功效下降，作者后文用功效分析回应。未胜出项是剩余 25 人的数据尚未纳入，边界是年龄上限和语言背景限制在年轻美国英语母语者，结论外推到其他口音或年龄需待验证。

上表把材料量与时间压力放在一起，解释了为何该任务能诱发竞争：默读让表征预激活，8 秒多遍重复制造速度压力。反例是若去掉默读或放宽时间，效应可能减弱，这正是作者对比自发任务时提出的解释之一。

上表显示排除比例很小，整试次排除约 4.58%，单次重复排除约 0.17%，说明结果不太可能由大量删点驱动。但需注意始终误读可能与条件难度相关，若难条件被删更多，会低估困难，论文未按条件报告删除分布，这是复现时应补的核对项。

三个因变量走向为何不一致：时长沉默但产量与错误发声

比较问题是重音格重叠的主效应在 3 个指标上是否一致，公平条件是两套模型分别控制首音段重叠与音系距离并纳入首音强弱，指标方向是时长越长、遍数越少、错误越多表示越难。报告显示，平均词对时长只被首音段重叠和更小的音系距离预测，没有显著的重音格重叠主效应。

正确完整重复遍数则同时被重音格重叠、首音段重叠和更小音系距离预测为更少，首音强弱主效应不显著，但首音段重叠与首音强弱有交互，无首音段重叠且首音节强时遍数最多，音系距离与首音强弱也有交互，强起时距离效应更大。语音错误数被重音格重叠和更小音系距离预测为更多。作者据此说时长不支持抽象格，但遍数与错误支持抽象格。

平均词对时长 × 正确完整重复次数： 平均词对时长测量每次把两个词说完平均花多长时间，反映计划困难是否被说话人用放慢来吸收；正确完整重复次数测量 8 秒内成功说对说全了多少遍，反映困难的后果是否变成产出量下降。二者分工不同，一个是过程速度，一个是结果产量，搭配才能看出是否存在以慢换对的权衡，组合后避免只看时长就断言没有竞争。

以下导读帮助按图例读出左列分组与右列梯度的对应关系，再看误差线判断不确定性。

看图路径： 1. 先看左列三行纵轴分别为时长、重复次数和错误数，横轴都是有无首音段重叠；2. 再看左列每组内四根柱子的图例顺序，区分重音格重叠与首音节强弱的组合；3. 再看右列横轴为音系距离 1 到 7 时时长、重复次数和错误数的整体升降趋势；4. 最后对比左右两列误差线的长短，判断距离两端样本量小导致的不确定性

论文图 1。原论文 Figure 1：“Values of mean word pair duration, number of correct and complete repetitions, and number of speech errors across initial segmental overlap, metrical overlap, initial stress, and…”。

该图左列按有无首音段重叠分组，每组内四根柱子分别表示重音格重叠与否乘以首音强弱，右列按音系距离 1 到 7 展示 3 个指标的均值与标准误。从可见趋势看，时长右列在距离 1 到 2 处较高随后走平，重复次数右列随距离增大而爬升，错误数右列随距离增大而下降，左列则显示首音段重叠组整体时长更高、遍数更低。解释时不能把柱子高低直接当显著性，显著性来自混合模型，图只展示均值与标准误。代价是右列距离 7 的误差线明显更长，说明两端样本少，梯度尾端的判断需谨慎。未胜出项是时长上的重音格主效应缺席，这是全文最大的负结果，也是功效讨论的起点。

交互与梯度是否稳健：强起音何时放大距离效应

比较问题是音段效应的形态是否依赖首音强弱，公平条件是同一因变量下比较弱起与强起两组的距离斜率，指标方向是遍数随距离增大而增多表示音越不像越好念。报告显示音系距离主效应稳健，距离越大遍数越多、错误越少、时长越短，同时距离与首音强弱的交互显著，强起时距离对遍数的影响更大。首音段重叠与首音强弱的交互也显著，无重叠且强起时遍数最多。初学者容易把交互读成主效应反转，这里不是反转，而是斜率大小不同：强起时把音拉开带来的收益更大。论文还用泊松与逻辑模型复核计数性质，结论无质变，说明线性混合的简化报告没有掩盖方向性错误。

语音错误数 × 权衡解释： 语音错误数统计重音放错、音素增删替换、元音扭曲和多余重复等失误，反映计划失败的直接痕迹；权衡解释指说话人察觉某类词对难念就主动放慢以减少错误，另一类没察觉就保持速度但错误增多。二者搭配才能解释为何时长与错误数走向不一致，组合意义是把 3 个因变量看成同一困难在不同应对策略下的表现，而不是 3 个孤立指标。

以下导读聚焦弱起与强起两簇柱子内部随距离的变化，再对比两簇的爬升幅度。

看图路径： 1. 先确认横轴为弱起音与强起音两组，纵轴为重复次数并注意量级；2. 再按图例从深到浅找到音系距离 1 到 7 的七根柱子并比较高度变化；3. 对比弱起音组与强起音组内部随距离增大的爬升斜率是否不同

论文图 2。原论文 Figure 2：“Number of correct and complete repetitions across phonological distance and initial stress”。

该图横轴为弱起与强起，纵轴为重复次数，图例从深到浅为音系距离 1 到 7。可见动作是先找到距离 1 的最矮柱子，再向距离 7 方向看高度是否单调上升，然后比较右侧强起簇的上升幅度是否比左侧弱起簇更陡。解释是该形态对应模型中距离主效应为正且距离与强起交互为正，但像素不能精确读出每根柱子的数值与步数，不硬写具体遍数值。限制是该图纵轴在像素中标注为时长单位，与图注所称重复次数存在冲突，本文按图注与正文的交互描述理解为重复次数，并明确标注这一冲突，复现时应以原始数据重绘核对。

混合结果的三种解释：功效、权衡与提取时间差

输入是作者对时长零效应的自我辩护，目标是区分已验证相关与待验证推测，输出是每种解释还需补什么证据。第一种是功效不足，事后功效分析显示在当前数据下检出重音格主效应或其交互的概率仅 35.10%，模拟 1000 次。这是用报告支持的解释，意味着时长零效应可能是漏检而非无效应，待验证的是扩大到全部 61 人乃至更多样本后是否出现。

第二种是权衡解释，时长反映产出中的困难，遍数与错误反映困难的后果，说话人察觉首音段重叠加弱起的困难就放慢以避免错误，未察觉重音格重叠的困难就不放慢于是错误增多、遍数减少。支持证据是时长与遍数呈负相关、时长与错误也呈负相关，且被试事后多报告共享音段的词对更难、很少报告节律重叠难。但相关不是因果，未测量在线察觉过程，这是推测部分。

第三种是提取时间差，即使节律提取因重叠变长，其绝对耗时仍短于音段提取，总时长就看不出增加。这完全是待验证的机制假设，需要独立测量节律与音段时间。

上表把支持权衡的相关与说明功效的模拟放在一起，主要收益是为时长零效应提供了非绑定解释，具体代价是相关不能证明策略顺序，功效是事后计算不能替代预注册的样本量规划。未评测边界是放慢是否发生在试次内早期重复还是均匀分布，论文未报告试次内时间进程。

复现先做什么：材料、标注与模型缺口清单

输入是可运行的复现起点，目标是按学习依赖列出先做什么、保留什么参数、去哪里找代码，输出是区分已公开与本次未确认的内容。先做材料重建：按八格每格 20 对共 160 对准备双音节词对，首音段重叠 80 对沿用前人，无重叠 80 对通过重排使首音不共享，每个词在首尾位置各出现 2 次但不反转词对顺序，计算不含重音标记的国际音标 Levenshtein 距离。再做流程复刻：FindingFive 呈现 4 秒默读，GO 后 8 秒尽快多次重复，头戴麦克风安静房间采集，3 个练习加 160 个随机实验试次。

标注沿 Praat 建 TextGrid 计数正确完整重复与语音错误，错误含重音放错、音素增删替换、元音扭曲和词语重复，剔除始终误读试次、偏离 2.5 标准差的单次重复和仅 1 次正确重复的试次，再用 Montreal Forced Aligner 对齐并提时长。分析用 R 的 lme4 分两套拟合，固定效应含重音格、首音强弱、音段变量及全部交互，随机效应为被试与项目并按收敛逐步简化，再用似然比检验保留固定效应，因变量为对数时长、遍数和错误数。

资源状态是正文开源声明的唯一依据，当前可用才能写已公开。开放分析代码与补充模型的结果放在 https://osf.io/987c4/overview，资源状态为可用，当前可用。实验平台见 https://www.findingfive.com，统计环境见 https://www.R-project.org/，二者均为第三方工具且本次确认可用。缺项是论文未给出词表的完整国际音标、编码员一致性、随机效应最终结构和试次内时间进程，复现时应先补这些记录。硬件预算与逐试次运行时长未报告，不承诺延迟或成本改善。

何时值得尝试独立节律假设：给研究生的行动指南

输入是全文证据的收束，目标是回答何时值得在自己的模型或实验中保留独立节律层，输出是带条件的建议而非营销式判断。当你的任务涉及快速多遍产出且音段相似度已分层控制时，值得尝试为节律单独设一层竞争，因为本研究在遍数与错误上观察到单纯节律重叠的代价。当你的指标只有平均时长时，不宜单独据此否定独立节律，因为本研究时长零效应可能源于功效仅 35.10% 或权衡策略。

常见误解有三：把时长无差异当成无竞争的证明，忽略了遍数与错误的同时变化；把音系距离小等同于首音相同，忽略了其他位置的重叠；把脚本化朗读的结论直接推广到自发产出，而作者明确提示激活水平不同可能是分歧来源。还需补的验证是扩大样本重测时长效应、按条件报告删除分布、重绘第二图并澄清轴注冲突，以及用试次内进程检验权衡解释。若能在自己数据中同时复现距离梯度与节律主效应，再谈节律独立层的建模价值。

📐 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 4 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 speechprosody-2026 论文汇总