同是下降调，为何高低相同却仍能分开：飞翔话两个降调的音高与时间二维证据

英文题目：Falling in Two Dimensions: Pitch and Temporal Properties in Feixiang Chinese Falling Tone Contrast

会议身份：conference:speechprosody:2026:conference-paper-id:guo26_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 #语音 #语音属性识别

评分：6.1/10 | 创新 1.2/2 | 技术严谨 1.2/1.5 | 实验充分 0.8/1.5 | 清晰度 0.8/1 | 影响力 0.5/1.5 | 开源 1.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.3/1.5

排名：前50% | 文档类型：理论研究

👥 作者与机构

• Jianfeng Guo：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

该研究输入为费翔晋语两类词位对立降调Fall 1与Fall 2韵母段基频轮廓，输出为二者对立载体与音系表征判断，难点在于两调同为下降且基频极值可能重叠，传统调高差假设难以解释对立所在。提取阶段以ProsodyPro标注韵母区间并取40点时间归一化半音基频与时长，按发音人标准化后用三次多项式拟合得到最大值、最大值时间、最小值、极差、斜率与曲率，其输出直接作为后续检验的特征集。检验阶段先以广义加性混合模型定位整体轮廓差异区间，再以线性混合效应模型逐特征检验显著性并做Bonferroni校正，显著特征的相关结构进入降维分类阶段。降维分类阶段对显著动态与时间特征做主成分分析得到音高维与时间维，再以逻辑混合回归检验两维联合区分力，使相关特征的联合贡献可被量化评估。相对把同形调预设为53对31式调高差、把调位对齐视为音节内非对立的做法，该文主张差异在韵母后段整体实现且极值无显著差异，动态调目标加时间协同才是对立本质。在单字慢读鼻音语料评测设置下，PC2单维的方差解释率指标R2为0.67，高于PC1的R2 0.66。该结论适用边界受限于单字慢读鼻音可控语料，尚未验证听者感知利用与连续语流外推，原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 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

初学者先看：这篇论文要解决什么听感与测量矛盾？

本文输入是飞翔话里两组听起来都能区分但都属于下降调的字，目标是讲清它们在声学上到底靠什么分开。必须保留的关键信息是：研究对象记作 Fall 1 与 Fall 2，前人曾称之为高降与中降，暗示靠音高高低分开；但后续测量发现两者的基频最大值没有显著差异，动摇了只靠调位解释的说法。本文输出不是给出新的调类划分，而是给出可复述的测量链条：先定位整条轮廓哪里不同，再把多个相关的单值特征压缩为音高与时间 2 维，最后验证 2 维共同参与区分。

对于刚进入语音领域的读者，白话解释是：调位就是降调起点或落点有多高，调形对齐就是最高点出现得早还是晚、下降发生在音节偏前还是偏后。传统教材常说两个降调应该是五三调与三一调那样整体错开，但飞翔话的反例是最高点差不多高、最低点在多重比较校正后也不显著，差异藏在下降有多陡、多大、多弯以及持续多久、何时转折里。学习时不要把音高曲线向下就直接读成调位更低，还要核对纵轴是归一化后的相对音高还是原始赫兹，以及比较的是单点还是整段运动。

本解读按学习依赖展开：先交代同形调对比的研究路线，再给出从录音到标注到建模的全景，接着沿一条产出走完输入到表示到成分到目标到输出，然后说明实验条件、主结果与反证，最后讲复现时先做什么。文中教学例子会明确标为例子，不把例子数值当作论文报告的测量值。

同形调对比有哪两条路线，本文站在哪一边？

第一条路线是调位路线，认为同形轮廓靠整体音高位置错开。论文引述的预测是如果有两个降调，更可能是五三调与三一调那样高低错开，而不是同样起点、同样落点只差一点细节。这种观点便于用高与低两个静态目标书写声调，也符合许多方言调查先标调值的习惯。

第二条路线是对齐与动态路线，认为同一音节内部调目标实现的时间安排也可以是音位性的。论文回顾了尤洛索奇特尔米斯特克语的两个升调、粤语与驻马店话的升调对立、希卢克语与驻马店话的降调对立，以及丁卡语、中江话与惠阳客家话的相关发现，指出多项研究发现降调之间最高点无显著差异、升调之间最低点无显著差异，而最高点时间等对齐指标反而有显著差异。早期理论曾把音节内对齐看作只有语音实现差异而无音位功能，本文要检验的正是这一判断在飞翔话中是否成立。

本文站在第二条路线一边，但做法更谨慎：它不只报告某一个对齐指标显著，而是同时测量最大值、最小值、音域、斜率、曲率、最大值时间与时长，再用降维处理它们之间的强相关，避免把相关特征重复计算为多个独立证据。这种安排使结论不是某一个显著性检验的偶然结果，而是 2 维结构的共同结果。

三个研究问题分别要回答什么？

第一个问题是整体定位：把整条基频轮廓看作一个整体时，对立发生在哪一段韵母时间上。操作含义是比较两条时间归一化轮廓的逐点差异，而不是只比较起点与终点两个数字。若差异集中在后段而前段重叠，就说明听辨线索不在最高点附近。

第二个问题是降维与联合贡献：在显著的多个声学特征彼此相关的情况下，能否压缩为更少的维度，以及压缩后的维度如何共同区分两个降调。这里的相关性不是因果，而是测量上的共变，例如音域越大往往斜率越陡，若不处理共线性就无法判断到底是哪个特征在起作用。

第三个问题是音系表征含义：上述声学格局支持把两个降调写成高低目标序列加对齐特征，还是写成整体的动态下降目标加时间协调特征。论文明确把这一问题留作解释性讨论，需要感知实验与连续语流证据进一步验证，因此在复述时要用支持与待验证等不同强度的措辞加以区分。

从汉字卡片到两维结论：方法全景如何串起？

研究起点是 25 对单音节最小对立体，每个音节配上两个降调，共 50 个刺激。为了减少辅音对基频的扰动并便于切分，声母只用鼻音与边音，韵尾若出现也只用鼻音。刺激以汉字显示在幻灯片上，每页呈现 3 秒以控制语速，6 名母语者在家中用手机加头戴话筒录音，采样率为 44 点 1 kHz。录音后用韵母区间做分析单位，从第二共振峰起点标到可判断的偏移最早迹象，每条轮廓取 40 个时间归一化基频值并换算为半音，再按发音人做标准化以控制人与人之间的音高差异。

分析链条分为 3 段：先用广义加性混合模型比较整条轮廓的形状差异，再用线性混合效应模型逐个检验手工特征，最后对显著特征做主成分分析并用逻辑混合回归检验主成分的分类能力。广义加性混合模型负责回答哪里不同，线性混合模型负责回答哪个量不同，主成分加逻辑回归负责回答相关特征压缩后是否仍能共同区分。

广义加性混合模型 × 线性混合效应模型： 广义加性混合模型分工是把整条归一化基频轮廓作为连续曲线来比较，找出哪一段韵母时间上两调显著分离，线性混合效应模型分工是把每个手工提取的单值特征逐个检验并控制发音人与音节变异，搭配原因是前者回答差异在哪里发生，后者回答哪个可解释量上有差异，组合后形成整体定位加单特征验证的闭环。

理解这条链条时可以沿一个样本走完全程：比如某个 Fall 1 单字产出，先被切出韵母段并得到四十点基频序列，再拟合 3 次多项式提取最大值、最大值时间、最小值、音域、斜率、曲率并记录时长，然后把这些值放入主成分空间得到音高分与时间分，最后由逻辑回归给出属于 Fall 1 的概率。例子中的具体数值是教学示意，不代表论文报告的真实测量值。

声学特征如何定义与提取？

论文对每条基频轮廓拟合 3 次多项式模型，比较显示 3 次模型明显优于 2 次与线性模型，而 4 次模型改进很小，因此为简约与可解释选择 3 次模型。当无法识别最大值或最小值时，用首点或末点原始值代替。提取的特征包括基频最大值、基频最大值时间、基频最小值、基频音域、基频斜率与基频曲率，分析前做归一化。白话说，最大值回答顶点有多高，最小值回答落点有多低，音域是二者之差即下降幅度，斜率是下降有多陡，曲率是顶点附近有多尖或多平，最大值时间是何时开始往下走，时长是整个韵母有多长。

调位 × 调形对齐： 调位指调形最高点或最低点落在多高的音高位置上，调形对齐指最高点何时出现、何时开始下降等时间安排；传统假设认为同形调靠调位分开，本文把二者分开测量，正是为了检验飞翔话两个降调是否不靠调位而靠对齐与动态过程分开，组合意义在于把音高维度与时间维度拆成可独立验证的两组特征。

需要提醒初学者：音域显著而端点不显著是完全可能的，因为音域是两个端点之差的分布，其均值差与方差结构不同于端点各自的检验。论文后文正是发现最大值与最小值在校正后均不显著，而音域显著，这提示实现目标可能是下降幅度本身，而不是两个静态调位各自的高度。

最大值与最大值时间为何必须分开看？

在降调研究中只看最高点有多高是不够的，还要看最高点何时出现。若两个降调顶点同高但一个早转折、一个晚转折，听感上一个可能是急降，一个可能是缓降。论文把二者分开提取，正是为了不把时间信息折叠进音高数值里。

基频最大值 × 基频最大值时间： 基频最大值是轮廓达到的最高音高值，基频最大值时间是达到该最高值并开始下降的时间点；前者分工是回答有多高，后者分工是回答何时转折，搭配理由是二者可以分离变化，组合后才能区分最高点相同但转折早晚不同的两个降调。

操作上最大值时间被定义为轮廓达到基频最大值并开始下降的时间点，属于对齐类指标；时长则是另一时间指标，二者共同描述下降相对音节整体的时间协调。后续相关分析显示最大值时间与曲率的相关高于与其他特征的相关，而时长与其他特征相关较弱，这为时间维相对独立提供了初步依据，但相关性本身不证明因果分工，还需降维与回归验证。

本研究没有训练神经网络：真实计算过程是什么？

本研究没有训练神经网络模型，也就没有冻结或更新神经权重、反向传播路径与早停等设置需要报告。该节的真实计算是 3 组统计拟合：广义加性混合模型拟合整条轮廓，主成分分析做无监督压缩，线性与逻辑混合效应模型做有监督检验。必须明确的是，无训练不等于确定性求解，每一步仍有模型选择与随机效应需要交代。

广义加性混合模型以归一化基频为因变量，固定效应包含调类，平滑项按调类分别拟合归一化时间，还加入按调类区分的发音人与音节随机平滑，以控制人与词项变异。线性混合模型以每个声学特征为因变量，固定效应为调类，随机效应包含发音人截距与斜率以及音节截距，用逐步选择工具确定结构，并在必要时做离群值剔除与因变量变换以满足正态与方差齐性假设。主成分分析把显著特征压缩为少数成分，逻辑混合回归再以调类为因变量、以保留成分为固定效应、以发音人与音节为随机截距来检验区分力。

主成分分析 × 逻辑混合效应回归： 主成分分析分工是把高度相关的斜率、曲率、音域等特征压缩为不共线的音高成分和时间成分，逻辑混合效应回归分工是检验压缩后的成分能否预测每条产出属于 Fall 1 还是 Fall 2 并控制发音人与音节随机变异，搭配原因是先降维再分类可以避免共线性夸大单个特征的作用，组合意义是证明 2 维各自与共同的区分力。

复现时不要从方法名称推定实现细节，例如不要默认随机效应结构一定收敛或变换方式一定相同，而应按原文记录的选模工具、离群处理与变换条件逐步核对。若原文未报告某项优化器参数或具体变换阈值，应记为缺项而不是自行补写。

数据、被试与工具有哪些可核对条件？

被试为 6 名飞翔话母语者，男女各 3 人，其中 3 人 18 至 25 岁，2 人 26 至 30 岁，1 人 40 至 45 岁，均成年后才开始说普通话，成年之前只说本方言。刺激总量方面，目标降调刺激 50 个，混入更大刺激集后共 301 项，其中许多非目标项与目标项音段相同但声调不同。预期产出为 50 乘 6 共 300 条，实际因汉字诱发异读与 1 条异常轮廓剔除后保留 298 条，其中 Fall 1 152 条，Fall 2 146 条。

标注与工具方面，录音标注使用 Praat 与 ProsodyPro，分析使用 R 语言，广义加性混合建模、逐步选模与主成分分析分别使用对应程序包。资源状态是正文开源声明的唯一依据，本次收到的官方资源证据显示 R 语言官网链接当前可用，已公开可核对；除该条可用资源外，论文未提供新的代码仓库或权重下载信息，因此不能写成代码已开源或系统可直接运行。

下表整理样本量与模型选择依据中的关键数字，表中数字均来自正文连续原句而非原数据表，单位与精度保留原文写法，便于复现时核对划分与拟合条件。表前问题是：在什么数据规模上比较了多项式复杂度，保留了多少有效产出用于后续建模。比较公平条件是同一批韵母切分与同一归一化流程下比较不同阶数，指标方向是信息准则越小拟合越好，有效样本越多统计越稳定。

该表显示有效样本接近均衡，Fall 1 略多于 Fall 2，总量 298 条可用于后续混合模型估计人与词项变异。3 次多项式的信息准则明显低于 1 次与 2 次，而 4 次仅带来边际改进，因此选择 3 次模型兼顾拟合与可解释性。代价是居家录音设备与环境不如实验室可控，且单字朗读不能代表连续语流中的调制表现，这是后文限制节需要承接的边界。

差异发生在轮廓的哪一段？单特征检验说什么？

广义加性混合模型结果显示两调差异集中在韵母后段，显著区间为韵母的 36.4% 至 100%，前段无显著差异，模型调整决定系数为 0.699。直观理解是两条轮廓在起点与最高点附近重叠，之后 Fall 1 更快落下、幅度更大。单特征线性混合模型与该整体趋势基本一致：最大值无显著差异，最小值在邦费罗尼多重比较校正后也不显著，而音域、斜率、曲率、最大值时间与时长均显著，其中 Fall 1 下降更大、曲率更尖、斜率更陡、时长更短、最高点更早。

以下导读针对整条轮廓比较图，帮你把显著区间与轮廓形态对应起来。该图左面板为两调平滑轮廓，右面板为 Fall 1 减 Fall 2 的差异估计及其置信带，底部标记显著时间段。读图时先确认对象与时间范围，再判断分离位置，不要把后段分离误读为起点调位不同。

看图路径： 1. 先看左面板横轴归一化时间与纵轴归一化基频，确认深色为 Fall 1、浅色为 Fall 2 的两条平滑轮廓及其置信带；2. 再看两条轮廓在前段是否重叠、在后段是否分离，记录 Fall 1 下降更陡、落得更低的位置；3. 转到右面板 Fall 1 减 Fall 2 的差异曲线，观察差异估计何时穿越零线、置信带何时不再包含零；4. 结合底部红色显著区间，确认显著差异集中在韵母后段而非最高点附近

论文图 1。原论文 Figure 1：“Results of the GAMM analysis.”。

从像素可见，左面板两条轮廓在归一化时间 0.2 附近都达到顶点且置信带大面积重叠，之后蓝色 Fall 1 更快下滑并在 0.9 附近达到更低位置，而黄色 Fall 2 下滑更缓、落点更高。右面板差异曲线在前段接近零线且置信带包含零，从约 0.36 之后持续下行并脱离零线，底部红色段标记的显著区间与正文报告的后段范围一致。这支持判断是：对立主要编码在下降运动的后段，而不是最高点高度本身；但像素不能精确读出每一点的估计值，定量起止点以正文报告的 36.4% 为准。

两维各自与共同能把降调分得多好？

逻辑混合回归以调类为因变量、以两个主成分与随机截距为预测结构，结果显示两成分均为高度显著预测因子，值越大属于 Fall 2 的概率越急剧下降。模型解释方差约为 72.7%，两成分各自也分别解释约 60% 以上方差，联合后判别力进一步提高。下表为固定效应估计、优势比、标准误与显著性，表前问题是：在控制发音人与音节变异后，2 维是否各自显著且方向一致。公平条件是同一随机效应结构、同一分类目标，指标方向是估计为负表示成分增大时 Fall 2 概率下降，优势比小于一表示同向。

表后解释是：主要收益是 2 维各自已具实质区分力，联合后解释方差更高，说明音高运动与时间协调都携带对立信息且互补。具体代价是优势比很小反映的是成分尺度下的陡峭变化，不能直接解读为原始赫兹每变化一单位的效果；同时该区分力是在单字朗读与当前样本上估计的，不能推广为连续语流或跨方言的识别准确率。未胜出项是截距项本身不显著，说明在成分取零附近两类先验无系统偏向。需要保留的限制是：该回归证明的是声学可分性，而不是听者一定使用这 2 维做感知判断，感知权重需另做实验。

相关特征压缩后还剩几维？每维由谁构成？

由于斜率、曲率与音域高度相关，其中音域与斜率相关低至 -0.98，若直接并列解释会重复计算同一运动的不同侧面。论文用主成分分析压缩显著特征，碎石图与特征值大于一的标准都支持保留前两个成分，二者合计解释 82.5% 的方差。以下导读先看碎石形态，确认保留 2 维不是随意截断，而是有方差解释与特征值依据。

看图路径： 1. 先看横轴主成分序号与纵轴解释方差百分比，确认第一柱最高、之后快速下降；2. 依次读出各柱顶标注的百分比，核对前两维合计是否超过八成；3. 观察折线在第二维之后的拐点，理解为何只保留前两个成分；4. 把该碎石形态与特征值大于 1 的保留标准联系起来

论文图 2。原论文 Figure 2：“Scree plot for the PCA.”。

从像素可见，柱形高度快速衰减，第一柱标注为 57.9%，第二柱为 24.6%，第三柱为 13.3%，第四柱为 4%，折线在第二维后明显变平，形成肘部。这与正文报告的前 2 维合计 82.5% 一致，也对应第一与第二成分特征值分别为 2.90 与 1.23、第三成分仅 0.66 的取舍。读图时注意纵轴是解释方差占比而不是分类准确率，不能把柱形下降直接读成性能变差。

成分构成方面，第一成分主要承载音高运动特征，第二成分主要承载时间特征。下表为两成分在 5 个特征上的载荷，表前问题是：在高度相关的特征中，哪几个共同指向同一维度。公平条件是同一批显著特征、同一标准化输入，指标方向是载荷绝对值越大对该成分贡献越大。

表后解释是：第一成分在斜率、音域与曲率上载荷绝对值较大且方向一致地描述更动态的下降，更高的第一成分值对应更大下降幅度、更陡斜率与更尖曲率；第二成分在时长与最大值时间上载荷较大，更高的第二成分值对应更短时长与更早顶点。Fall 1 倾向于在 2 维上取值更高，表现为更快更动态的下降，Fall 2 则相反。代价是降维后无法再指定某一个原始特征为唯一对立特征，这正是论文主张用 2 维而不是单特征来表征的依据。未胜出的一项是最大值与最小值本身，它们未进入显著集，因而未参与主成分构成。

以下导读针对双标图，帮你把样本分布与向量指向对应起来。该图横轴为第 1 维、纵轴为第二维，点云按调类着色并叠加椭圆，箭头表示原始特征方向。

看图路径： 1. 先确认横轴为第一主成分、纵轴为第二主成分，区分两类降调样本点的分布椭圆与重叠区；2. 再看从中心出发的特征向量箭头，比较音域、斜率、曲率箭头在横向上的指向；3. 观察时长与最高点时间箭头在纵向上的指向，确认时间维的构成；4. 对比 Fall 1 与 Fall 2 点云中心在两维上的偏移方向

论文图 3。原论文 Figure 3：“PCA biplot of PC1 vs. PC2.”。

从像素可见，代表音域的箭头指向横轴右侧，斜率与曲率箭头指向左侧附近，时长与最大值时间箭头指向纵轴下方，两组箭头近乎正交，支持音高维与时间维相对分离。红色点云整体偏向右侧，青色三角点云整体偏下偏左，但两椭圆有较大重叠，说明单靠 1 维不能完全分开，需要 2 维联合。像素不能精确读出每个样本的成分分值，定量区分力需以后文逻辑回归数字为准。

哪些边界尚未验证？

第一，被试仅 6 人且年龄分布不均，虽然混合模型控制了发音人变异，但对整个人群的推广仍有限，性别与年龄效应未作为固定效应系统检验。第二，录音在被试家中完成，虽统一了话筒与采样率，但房间混响与背景噪声不如实验室一致，可能影响基频跟踪与切分稳定性。第三，刺激为单字朗读且每页呈现 3 秒，语速受控但语境单一，连续语流中的协同发音、焦点与边界调制是否保持同样的后段差异尚未测量。第四，汉字呈现带来异读风险，原文已报告个别 Fall 1 读作 Fall 2 及反向误读并做了剔除，但误读是否与词汇频率或识字习惯有关未进一步分析。

第五，统计上最小值在校正后处于边缘不显著，音域显著而端点不显著的格局是否在更大样本下稳定，需要重复验证。第六，主成分保留 2 维依赖碎石形态与特征值准则，若加入更多韵母类型或语体，维度数与载荷方向可能变化。第七，逻辑回归的高解释方差不等于感知可利用性，论文也明确提出需要感知实验与连续语音检验，另一审稿人建议的语流验证尚未完成。这些缺项不是技术错误，而是复现与扩展时必须补的验证清单。

复现先做什么，需要保留哪些信息条件？

先按原文重建数据划分：25 对最小对立体、50 个目标刺激、三百零一项完整刺激集、6 名母语者、保留 298 条产出的规模与分布。切分时严格采用从第二共振峰起点到偏移最早迹象的韵母区间，每条轮廓取 40 个时间归一化基频值并换算半音，再按发音人标准化。拟合时先比较 1 至 4 阶多项式的信息准则，确认 3 次模型的取舍，再提取最大值、最大值时间、最小值、音域、斜率、曲率与时长并做归一化。

建模时依次重跑广义加性混合模型的整条曲线比较、线性混合模型的单特征检验与多重比较校正、主成分的保留标准与载荷、逻辑混合回归的固定与随机结构。核对时每个数字要同时核对数据集、调类、实验阶段、指标、单位与聚合对象，例如音域是最大值减最小值而非端点本身，斜率符号方向需与代码一致，相关系数是特征间相关而非与调类的相关。百分点差与相对百分比不可混用，自动声学指标不可当作听辨分数。

若原表头、图注或算术出现冲突，应明确标注冲突而不自行编造划分来调和。工具版本与随机种子若原文未给，应记为缺项并报告所用版本。本研究无神经训练开销可报告，但应记录标注工时、拟合时间与计算环境，以便他人评估复现成本。

何时值得借用这套两维做法？

当你遇到同形调听感可分但端点高度分不开时，值得借用本文做法：先用整条曲线定位差异段，再逐个检验可解释特征，最后对相关特征降维并验证联合区分力。若你的数据中最大值与最小值已能错开，就不必强行套用 2 维结论；若对齐指标单独显著但与其他运动特征高度相关，也应先降维再谈哪个是音位特征，避免把同一运动的多个侧面当作多个独立证据。

动态调目标 × 高低调目标序列： 高低调目标序列把降调看作先高后低两个静态调位的拼接，动态调目标把降调看作一个带下降运动规格的整体；前者要求最高点或最低点本身有差异，后者允许最高点相同而以下降幅度、斜率、曲率与时间协调来区分，本文支持后者，因为证据显示起落点无显著差异而运动过程与时间安排有系统差异。

论文的判断是报告层面的声学可分性支持动态目标表征，而把感知权重与连续语流表现留作待验证推测。可能的扩展是把下降相对音节整体的时间协调写成更宽的快慢特征，因为 Fall 1 兼具更早顶点与更短时长，但这仍是假设，需用感知与产出实验检验。对初学者的特有误解澄清是：显著差异集中在后段不等于前段完全相同，只是前段差异未达到显著阈值；2 维共同区分不等于每一条产出都同时在 2 维上典型，重叠区的样本仍需 2 维联合才能判定。

📐 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。

区域 1 · 查看论文原页

另有 13 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