五音节切成两块，低音目标为何只留在最后：青年上海话的声调切分与收敛

英文题目：Low Tone Target in Pentasyllabic Noun Phrases in Youth Shanghainese

会议身份：conference:speechprosody:2026:conference-paper-id:gu26_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：#统计分析 #语音学与音系 #韵律 #语音 #语音属性识别

评分：6.6/10 | 创新 1.2/2 | 技术严谨 1.2/1.5 | 实验充分 1.0/1.5 | 清晰度 0.8/1 | 影响力 0.6/1.5 | 开源 1.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.5/1.5

排名：前50% | 文档类型：理论研究

👥 作者与机构

• Jingyuan Gu：机构信息未能从会议 PDF 纯文本可靠映射
• Menghui Shi：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

该研究输入为青年上海话二加三式五音节名词短语及所含二音节与三音节子单元的孤立读音，输出为砂变域是否重组与低调目标是否重插的声学判定，难点在于长域中词调中和与韵律分解是否同步发生。方法链分三步展开，先以生长曲线分析检验五字格整体基频曲线受整句首调还是第三音节即子单元首调支配，其输出的域切分假设进入下一步，再以逐时间点单因素方差分析检验各单元末音节跨首调的基频收敛以定位低调目标，最后以生长曲线对比分解与孤立条件的曲线高度差异以判断目标高低变化。相对已有四音节以内单域收敛研究，关键机制差异是同时检验砂变域重组与低调目标域是否重合，从而区分边界调与跨域弱目标两种解释。在末音节逐时间点方差分析检验条件下，孤立名词短语末音节在100%时间点的F指标为2.41n.s.，低于孤立名词短语末音节在80%时间点的F指标6.54*。结果支持分解为二加三两个砂变域，分解二音节末无收敛且高于孤立形式，分解三音节即五字格末在70%至80%处收敛且低于孤立三音节，支持单一低调目标贯穿五音节。该结论适用边界受限于二加三分解的青年口音名词短语，尚未验证三子域以上切分及其他句法结构与老年对照。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

青年上海话要回答什么：五音节为何总被读成两截？

这篇论文的输入是青年上海话里自然口语中常见的五音节名词短语，目标是解释它们在连读时声调如何实现。读者需要先建立上海话的基本事实：上海话有 5 个底层词汇声调，包括高降、高升、低升、短促高和短促低升等类型。当多个音节组成一个韵律域一起读时，首音节的底层调决定整个域的基频走势，非首音节的对立被中和，音高从第二或第三音节开始持续下落并在末尾趋向一个低值。原文把这种机制称为首音节主导的变调原则，并引用陈的观点认为域内存在一个低音目标。

对于刚入门的研究生，白话理解是：上海话连读不是每个字都保留自己的调，而是第一个字定调子，后面字的调子被抹掉并一起滑向低处。低音目标就是这个滑向的终点假设。老年上海话的五音节短语被报告为一个整体域，而青年说话人常把它读成前二音节加后三音节两部分。论文给出的例子是新开豆腐店，老年读法是一个连续域，青年读法是前两字自成一域、后三字另成一域。问题于是变成：切分之后，原来的低音目标还在吗，是每个小块各有一个，还是全句只有一个。

首音节主导 × 变调域： 首音节主导负责决定调形走向，即由域内第一个音节的底层声调决定整个域的基频大走势；变调域负责划定这个决定生效的范围，即哪些音节被一起变调。两者搭配的原因是上海话非首音节底层调多被中和，只有先划定域才能解释为何后部音节走向趋同，组合意义在于把切分问题转化为域是否重划的检验。

本解读的输出承诺是：只依据原文证据复述被试、材料、测量与统计做法，不引入外部上海话材料，不评价录音好坏，不推广到其他方言。后续章节按学习依赖展开，先讲相关路线与具体问题，再讲方法全景与测量计算，然后讲实验条件与结果对照，最后讲复现要点与未验证边界。资源状态方面，本次未发现来源绑定且完成验证的资源，因此不得声称代码、模型或数据已公开，只能按论文文字复述做法。

已有路线如何解释变调域内的低收敛？

上海话变调研究有多条路线，但都围绕首音节主导展开。早期语音与音系分析用四音节以内的名词短语证明，非首音节越多，基频越向低处收敛。陈的工作把这种收敛明确表述为域内存在低音目标，证据是不同首调的短语在末尾基频轨迹几乎重合，且下落从第二或第三音节就开始。另一条路线关注代际差异，发现年轻人的低音目标实现更显著，表现为更快地向低处下落，这与印象式观察到的年轻人爱把多音节切成两段相呼应。

论文把切分现象放在这个谱系里定位。徐唐基于老年人的描写认为五音节后三音节走势一致且只由整句首调决定， Takahashi 则从音高下落速率提出青年话里弱目标被重新解释为强目标。作者的判断是：仅比较低音内部的下落快慢，不能证明低音比词汇调更强，因为没有同时比较词汇调的实现强度。因此需要直接比较切分块与孤立块的曲线高度与收敛时刻，才能判断低音目标是否重插、是否跨域保持。

对初学者而言，相关工作的分歧可以记为两句话。第一句是域有多大，传统描写认为五音节可以是一个域，青年观察认为已裂为两个变调域。第二句是目标有几个，陈的模型预期每个变调域各有一个低目标，而本文要检验的替代假设是一个五音节整句仍只有一个目标。后续方法正是为区分这两种计数而设计。

核心问题是什么：切分是否等于重划低音目标的域？

论文把大问题拆成 3 个可检验的小问题。第一，切分是否导致变调域重划，即后三音节的走势到底由整句首调决定，还是由第三音节所在小块的首调决定。第二，如果按首音节主导在每个小块内各自变调，是否会在每个小块末尾新插入一个可比的低音目标。第三，切分块在语音上是否等同于孤立读出的同调二音节或三音节短语。

低音目标 × 基频收敛： 低音目标负责提供域末的稳定低 pitch 吸引子，是音系层面的抽象目标；基频收敛负责在语音层面被观测到，即不同首调的曲线在域末差异消失而靠拢。搭配理由是不能只看曲线下降就断言有目标，必须用跨首调无显著差异来验证，组合后才能区分真正的目标实现与偶然的音高走低。

操作化定义很具体。所谓重划，用增长曲线分析检验整句首调与第三音节首调是否都显著改善模型拟合，若只有整句首调显著则未重划，若第三音节首调也显著则支持重划为二加三。所谓低音目标存在，用末音节逐时间点的单因素方差分析检验跨首调差异是否不显著，若在末端连续时间点上差异消失则判为收敛。所谓语音等同，用以切分块为基线的增长曲线比较孤立与切分曲线的高度、斜率与弯曲度，若至少一项显著则判为实现不同。

教学上要提醒：切分是听感与曲线形状的描述，重划是统计模型的结论，低音目标是跨首调中和的操作定义，三者不能混用。论文的例子新开豆腐店只用来说明切分形式，不直接证明目标个数，目标个数必须看末端收敛检验。

方法全景：从选词到曲线比较走一遍

先沿一个样本走完全程。假设目标组合是某个二音节块加某个三音节块构成的五音节真词，被试在录音室按自然语速读出该五音节，同时也单独读出其二音节部分和三音节部分。录音经人工切分出每个音节的调域边界，短促调的喉塞尾不计入基频测量。每个音节取 10 个等距点，全句共 50 个点，用 ProsodyPro 脚本提取原始基频，再做说话人内 Lz 标准化。最后对五十点曲线做增长曲线建模，对末音节 10 个点做逐点方差分析。

材料设计围绕二加三切分展开。理论上前后块首调各有 5 种，共 25 种组合，但因语义不通或俚语不熟悉而排除，最终保留 14 种组合。每种组合有 3 种条件，即五音节连读、二音节孤立、三音节孤立，共 42 种多音节短语。所有韵律单元均为真词，并参考徐唐与徐陶的词表挑选，以保证青年被试熟悉。

测量与建模分 3 步。第一步检验重划，用 2 阶正交多项式拟合整体曲线，固定效应包括整句首调、第三音节首调、性别及其交互，随机效应为说话人，逐步保留显著改善拟合的结构。第二步检验末端收敛，对末音节逐点做单因素方差分析，自变量为前块或后块的首调。第 3 步比较切分与孤立是否语音等同，仍用 2 阶多项式，以切分块为基线估计孤立形式的曲线高度差异。整个流程没有训练神经网络，没有搜索最优参数，全部是观测与统计推断。

测量组件如何做：切分、取点与标准化分工是什么？

切分组件负责确定调域边界。做法是在 Praat 中人工标注每个音节调域的起止，遇到第四调和第五调的短促音节时，末尾喉塞部分不参与标注，因为该段没有可用的基频信息。这个决定直接影响后续取点只落在有声调载体上，避免把静音或喉塞的缺失值当成低音。

取点组件负责把连续基频离散化为可比向量。每个音节取 10 个等距时间点，五音节即五十点，二音节二十点，三音节三十点。原始基频由 ProsodyPro 脚本批量提取，保证跨被试与跨短语的采样位置一致。这种等距归一化时间的代价是绝对时长信息被压缩，但好处是不同语速下的曲线形状可以直接对齐比较。

增长曲线分析 × Lz 标准化： Lz 标准化负责消除说话人之间音高绝对值和离散度差异，把对数基频减去个人均值再除以个人标准差；增长曲线分析负责在标准化后的曲线上建模高度、斜率和弯曲度随时间的形状差异。两者搭配是因为不先归一化就无法跨 8 人比较曲线形状，组合意义是用正交多项式参数把高度差与形状差分开检验。

标准化组件负责消除个人音高差异。具体是对每个说话人计算对数基频的均值与标准差，再把每个对数点减均值除标准差，得到 Lz 分数。论文明确引用朱晓农的实验方法。对初学者可以这样记：先取对数压缩高频差异，再做个人内 z 变换，使得高低只反映相对位置。后续所有图形纵轴都是该标准化值，不是赫兹，因此跨男女比较时不会被绝对音高误导。

比较组件如何做：整体曲线与末端逐点各管什么？

整体曲线组件用增长曲线分析回答走势由谁决定。因变量是标准化基频，时间用 2 阶正交多项式展开，截距对应曲线高度，线性项对应斜率，2 次项对应峰的尖锐度。固定效应同时放入整句首调、第三音节首调、性别以及前两者的交互，随机效应为说话人。模型选择用似然比检验，只有显著改善拟合的效应才保留。

切分读法 × 孤立读法： 切分读法负责提供五音节连读中前二音节和后三音节作为子块的实现，即被试 1 次读完五音节但内部按 2+3 实现；孤立读法负责提供同样二音节或三音节单独成词时的基准实现。搭配理由是只有条件对齐才能判断子块是否等同于独立域，组合意义在于用条件差异分离出低音目标有无带来的整体高低差。

末端逐点组件用单因素方差分析回答是否收敛。做法是对末音节的 10 个时间点分别检验，比较不同首调组的标准化值是否有差异。若在末端连续多个点上差异不显著，则判为向共享目标中和。论文对二音节比较限定在首调为第二至第五调的上升类变调，排除第一调的持续下降型，对三音节比较排除第五调的持续上升型，以避免调形类别不同掩盖收敛判断。

条件对照组件回答切分块是否等于孤立块。仍用增长曲线，但固定效应改为条件与性别，随机效应仍为说话人，以切分块为基线估计孤立形式的偏移。若高度、斜率、弯曲度中至少一项显著，则判为语音实现不同。原文引用李等人的标准，把任一参数显著即视为轮廓不同，这是一个较宽松的差异标准，阅读时需注意它容易判异而不容易判同。

有无训练：本研究训练了什么、冻结了什么？

本研究没有训练任何声学模型或神经网络，也就没有参数冻结、梯度路径、优化器更新或早停等训练概念。必须明确说明这一点，以避免把统计建模误读为机器学习训练。论文的计算全部是描述性声学测量加推断统计，不涉及权重下载或系统可运行问题。

真实的计算过程是 3 类。第一类是信号计算，即人工边界加等距取点加 Lz 标准化，输出可比的基频向量。第二类是模型拟合，即用线性混合效应框架拟合增长曲线，估计高度、斜率与弯曲度参数并做似然比的模型比较。第 3 类是假设检验，即对末音节逐点做方差分析，用显著与否判断收敛。所有估计都在采集完成后离线完成，不存在推理延迟、帧率或部署成本。

缺项也要点名。原文未报告标注一致性、重测信度、基频提取的错误帧处理、缺失值的插补规则，也未报告混合模型的随机斜率结构与多重比较校正。这些缺项不是技术错误，但限制了复现时对自由度的完全还原，复现者需自行记录并报告所选方案。

实验条件：谁读、读什么、在何处读、留下多少可用数据？

被试是 8 名青年上海话母语者，4 男 4 女，录音时平均年龄 19.5 岁，均为上海市区居住、无长期外地方言区居住史的沪语普通话双语者，沪语为主要家庭语言，由父母双方习得。被试事先不知研究目的且无语言学背景，第一作者作为青年母语者负责判断重读，但本人不作为被试。录音于 2023 年 3 月至 9 月在复旦大学隔音室完成，采样率 44.1 千赫，刺激随机呈现并读两遍，自然语速，读错重读。

下表把材料规模与样本量组织为可核对的一览，比较问题是数据量是否足以支撑跨首调的曲线比较，公平条件是所有短语均按同样遍数与流程采集，指标方向是可用 token 越多、覆盖组合越全，结论越稳。表格本身不是效果比较，而是协议规模的记录。

上表说明协议是小样本重复测量设计，优势是每人读全集便于做被试内比较，代价是推广到全部青年群体时受限于 8 人规模与 14 种组合。可用率高达 98.8% 显示剔除很少，但原文未说明剔除的具体原因分布。短促调喉塞段不参与测量，以及每音节十点的等距设计，是后续收敛时刻以百分比表述的前提。资源状态再次说明：本次没有可用代码或数据链接，只能按文字复现流程。

切分是否成立：后三音节到底听谁的？

论文首先报告切分成立。按老年描写，若五音节为单一域，后三音节应只由整句首调决定且走势一致。但实测中后三音节按第三音节首调分组后呈现 5 种不同走向：配第一调持续下落，配第二调和第四调微升后落，配第三调快升后落，配第五调先落再陡升。这些走向与对应首调的孤立三音节短语高度相似，提示整句首调已不再统领后部。增长曲线模型进一步显示，整句首调、第三音节首调及其交互均显著改善拟合，而性别无改善，说明同整句首调的短语仍被第三音节首调进一步区分。结论是五音节已重划为前二加后三两个变调域。

为理解该结论，读者应先看按第三音节声调分组的五音节基频图。导读是：不要先看整句首调图例，而是先固定第三音节为某调，再看不同整句首调曲线在后三音节是否重合，若不重合但按第三音节分组后组内相似、组间分离，则支持重划。

看图路径： 1. 先看每幅小图横轴为归一化时间、纵轴为标准化基频，横轴标出音节位置；2. 再按第三音节声调 T1 至 T5 分组，比较同组内不同整句首调 Tx 曲线的后三音节走向；3. 最后对照左半二音节与右半三音节在分界处的连续性是否断开

论文图 1。原论文 Figure 1：“F0 contours (Lz-score) of pentasyllabic noun phrases, grouped by the lexical tone of the third syllable (T1–T5).”。

上图可见 5 个按第三音节分组的面板中，后三音节的升降形态主要随面板标签变化，而面板内不同整句首调曲线的差异相对次要。前二音节的曲线另成一段，与后三音节在分界处不连续，这与二加三切分的听感一致。需要注意像素分辨率有限，不宜读出具体赫兹或精确斜率值，应只判断形态类别与分组依据。结合模型中第三音节效应的显著性，可以复述为切分导致变调域重划，但低音目标是否重划还需看末端收敛检验。

低音目标有几个：为何前部不收敛而全句只收敛一次？

论文接着检验低音目标个数。核心发现是全句只有一个低音目标，位于第五音节约 70% 时长处，而切分出的前部二音节与后部三音节内部均未新插目标。证据分两支。第一支看前部二音节：孤立二音节在末音节 90% 之后跨首调差异消失，支持存在低目标；但五音节内的前部二音节在末端 80%、90%、100% 处仍有显著差异，说明未收敛。第二支看后部三音节与全句：孤立三音节在 80% 至 90% 之间开始收敛，五音节内后部在 70% 至 80% 之间更早收敛且终点更低，作者据此推断目标横跨五音节而非仅属后三音节，因为域越长收敛越早的规律外推后，五音节应早于三音节。

下表把关键逐点检验组织为可核对的对照，比较问题是切分块与孤立块的收敛时刻是否相同，公平条件是同为末音节十等分点上的跨首调比较，指标方向是 F 越小且不显著越支持收敛。表格数字均为原文报告的 F 与显著标记，不做换算。

上表的主要收益是把收敛时刻差异数量化：二音节约 90% 后收敛，三音节约 80% 至 90% 收敛，五音节约 70% 至 80% 收敛，呈现域越长越早的单调趋势。具体代价是前部二音节在切分条件下完全失去收敛，且增长曲线显示孤立形式整体更低，说明有无低目标带来高度差。未胜出项必须点名：第一调开头的二音节与第五调开头的三音节被排除在收敛比较之外，因此结论不覆盖这两类调形；性别效应不显著也不支持性别差异。这些边界限制了单目标结论的外推范围。

切分块等于孤立块吗：高度差与收敛窗如何反证无新目标？

论文用条件比较做反证。若切分块各自重插了低目标，则其曲线应与孤立块高度相近且同样收敛。实测相反：前部二音节的第二音节在切分时显著高于孤立读法，后部三音节的切分形式反而在多处显著低于孤立读法，且收敛时刻与高度均不同。这种双向偏离不支持简单等同。作者进一步排除边界调的替代解释，认为若是边界调插入，切分块应更低而非更高，因此前部偏高更符合无目标而非有边界调。

为看懂后部差异，读者应聚焦切分三音节与孤立三音节的末端对照。导读是：先比较两面板首音节的起始高度是否可比，再沿时间向右看中间音节的升降是否同形，最后只看末音节灰窗内的多条曲线是否靠拢以及靠拢点的高低。

看图路径： 1. 先确认左右两面板分别为五音节内切分三音节与孤立三音节，横轴均为归一化时间；2. 再找到末音节上灰色阴影标出的收敛窗口，比较左侧早于右侧的位置；3. 最后比较同声调曲线在末端的相对高低，判断哪一侧整体更低

论文图 3。原论文 Figure 3：“F0 contours of decomposed trisyllabic phrases in pentasyllabic noun phrases (left) and isolated-produced trisyllabic phrases (right).”。

上图左侧切分三音节的末音节灰窗更靠左且终点整体更低，右侧孤立三音节的灰窗更靠右且终点相对更高。图中不同颜色代表不同首调，浅色带为标准误，末端多线靠拢即为收敛的可视对应。像素不能精确读出 70% 或 80% 的数值刻度，收敛时刻以原文方差分析的显著性切换为准，图形只作形态佐证。结合增长曲线中切分形式更低的高度差，可以复述为后部低目标不是孤立目标的复制，而是全句单一目标的末端表现。

哪些还不能说：样本、调类覆盖与因果边界在哪里？

首先是样本与材料边界。8 人均为十九岁左右的在校青年，且长期居住于上海市区，14 种组合未覆盖全部 25 种理论组合，结论只能报告为所测组合中的趋势，不能推广为所有五音节名词短语或所有青年说话人。论文摘要中约 70% 处收敛的表述是对末音节时长占比的概括，不是每条 token 都精确落在该点，阅读时应理解为窗口而非单点。

其次是调类排除带来的边界。收敛检验排除了第一调开头的二音节与第五调开头的三音节，因为它们的持续下降或持续上升会干扰收敛检测。这意味着单目标结论在这些调类组合中待验证，不能默认成立。统计上逐点方差分析未说明多重比较校正，增长曲线以任一参数显著即判异的标准偏宽松，这些都使等同与否的判断留有不确定性。

强弱对比 × 音高目标近似： 强弱对比负责解释词汇调与低音实现的力度差异，即低音是弱而稳的成分，不因韵律切分而移动；音高目标近似负责解释这种弱目标如何随时间渐近实现，域越长越早收敛且终点更低。搭配原因是前者回答为何切分了目标仍跨五音节，后者回答为何收敛时刻与高度随域长变化，组合后把生成差异归为目标本身属性而非位置副产品。

最后是因果与机制边界。域越长越早收敛且终点更低是相关趋势，可能受协同发音与句末自然降调影响，原文也承认这一点，因此不能把早收敛直接当成目标横跨的因果证明，只能说支持单目标跨五音节的解释。代际比较仅引用前人印象与速率差异，未纳入老年对照组，所谓过渡阶段仍是待验证的历时假设。

要复现这项研究：先做什么、按什么顺序核对？

第一步复现材料与被试条件。按徐唐与徐陶词表挑选真词，构造 14 种前后块首调组合，每种同时准备五音节连读、二音节孤立、三音节孤立 3 种条件，共 42 种短语。招募沪语为家庭主要语言的青年双语者，记录年龄、性别、居住史与语言背景，录音室 44.1 千赫、随机呈现、每条两遍、自然语速，错读由母语者判断重录。

第二步复现测量。对 Praat 人工边界统一喉塞处理规则，每个音节十等分取点并记录缺失帧处理，用同一脚本提取基频后做说话人内对数标准化。建议先复现孤立二音节 90% 后收敛与孤立三音节 80% 至 90% 收敛这两个基准，再检验五音节前部不收敛与全句 70% 至 80% 收敛是否出现。若基准不出现，应先检查取点对齐与标准化实现，而非直接质疑目标假设。

第 3 步复现统计。整体曲线用 2 阶正交多项式混合模型，同时检验整句首调与第三音节首调，末音节逐点做跨首调方差分析，条件比较以切分块为基线。复现时必须固定并报告随机效应结构、剔除标准与校正方法，保留原始 F、自由度与显著标记，不把百分点差异误写为百分比差异。资源方面按本次可验证状态，只能复述流程，不能声称有公开代码或数据可下载。

何时值得借用这个结论：切分与目标分离意味着什么？

当研究对象是长名词短语的连读变调，且观察到内部切分时，本文结论值得作为首个对照：变调域可能已重划为小块，但低音目标的域未必同步重划，可能仍跨整句实现。这提示建模时要把变调规则的域与目标实现的域分开设置，前者决定中段升降形态，后者决定末端收敛位置与高度。若把切分块直接当成孤立词来预测高度，会在前部高估低目标的下拉，在后部低估全句目标的下拉。

对初学者的实践建议是：先用分组图判断后部走势听谁的，再用末端逐点检验判断有几个目标，最后用条件高度差判断切分块是否等同于孤立块。3 步缺一不可，单看下降快慢不能断言目标强弱。若要在新语料中检验，应优先补足被排除的第一调二音节与第五调三音节组合，并加入老年对照以检验过渡假设，同时控制句末降调与协同发音的混淆。只有在这些验证完成后，才能讨论是否从单一域走向多子域的历时重构。

📐 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 15 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