句末耳语为何锚定在重音之后：西班牙电视新闻的边界标记解读

英文题目：Phrase-final whisper in Spanish broadcast speech

会议身份：conference:speechprosody:2026:conference-paper-id:henriksen26_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 #发声与构音 #韵律 #语音 #语音属性识别

评分：6.0/10 | 创新 1.3/2 | 技术严谨 1.0/1.5 | 实验充分 0.7/1.5 | 清晰度 0.8/1 | 影响力 0.8/1.5 | 开源 1.0/1.5 | 可复现 0.1/0.5 | 工程/实践 0.3/1.5

排名：前50% | 文档类型：应用研究

👥 作者与机构

• Nicholas Henriksen：机构信息未能从会议 PDF 纯文本可靠映射
• Lorenzo Garcia-Amaya：机构信息未能从会议 PDF 纯文本可靠映射
• Claire Byrd：机构信息未能从会议 PDF 纯文本可靠映射
• Nikhil Walling：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

该研究输入为西班牙公共电视Telediario连续播音语音，输出为语调短语末尾是否出现真性耳语及其起点相对重音节的位置与话者话语因素的对应关系，难点在于区分真性耳语与气息声并排除话者与话语混杂影响。方法先以原始播报音频为输入，经听辨结合Praat声学检验筛选无周期性与基频缺失的耳语段，剔除气息声干扰并经双人一致性核验，输出可靠的耳语标记。再以耳语标记为输入，负责位置与时长归一化，将耳语起点相对重音节编码为重音前重音及柱后类型，并除以每人实际播报秒数得到每分钟耳语率，输出归一化后的耳语率与位置编码。最后以归一化耳语率与话题延续及话者延续编码为输入，送入组间检验与准泊松回归模型，分别验证主播差异、重音绑定与话语效应，输出统计检验结论。相对已有英语句末气嗓研究的关键机制差异在于提出同源喉部收缩的不同参数设置可实现耳语或气嗓两种边界标记，即会厌喉收缩降调叠加喉高低与声门开合差异，从而把音高降低与非模态发声统一解释。在20期Telediario播报语料评测设置下，Siscar的每分钟耳语率指标为2.79，高于Barreiro的每分钟耳语率指标2.45，但差异未达显著水平。该结论适用边界限于陈述句低边界调的正式播音语体，向疑问句高边界调与日常会话的外推尚未验证。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 数据相关资源：https://www.rtve.es/play/ → https://www.rtve.es/play/internacional/portada/ — 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

输入是什么：为何要在正式播音里找耳语？

这篇论文的输入是西班牙公共电视台旗舰新闻节目的完整播音录音，目标是回答一个初听反直觉的问题：播音员在句末是否会系统地把最后几个音节说成耳语。日常理解中耳语是压低音量说悄悄话，但在语音学里它有更窄的含义：声带完全不振动，气流通过收紧的喉部产生持续湍流噪声，没有基频，频谱高频噪声增强，振幅相对相邻常态嗓音下降。作者强调研究对象是真正的耳语，即清音加会厌部收紧，但进出耳语时可能经过带耳语色彩的嗓音甚至气息声。

耳语 × 气息声： 耳语与气息声都是声带不振动的清音，但分工不同：耳语要求会厌上部收紧并抬高喉头、产生湍流噪声，气息声则保持该区域相对开放；搭配理由是二者构成会厌收缩连续统的两端，组合意义在于判断句末到底是真正的耳语还是过渡性的气息声，避免把所有失声都归为同一标记。

学习这篇论文要先建立一个预期：在西班牙语里，嗓音质量不区别词义，相关研究本来就少，耳语更没有被系统描写过。作者的观察起点是伊比利亚西班牙语电视新闻里，播音员会在语调短语末尾可变地出现短语末清化，从重读附近开始进入耳语，并在无声停顿前结束。这种现象如果只是偶然的送气或录音问题，就不值得建模；如果它反复锚定在重音结构上，就可能是一种边界标记。论文因此把任务限定为语调短语末尾的耳语，而不是词语内部或短语中间的清化。

耳语嗓音 × 气息嗓音： 耳语嗓音与气息嗓音都是带声带振动的有声对应体，分工是前者振动叠加较紧缩的噪声，后者叠加较开放的噪声；搭配理由是进入或退出完全耳语时常经过这类中间态，组合意义是解释波形从周期性到非周期性渐变时为何会出现混合听感。

对研究生而言，关键信息条件是：全部耳语都出现在无声停顿之前，停顿一般在 1 到 3 秒之间；材料是陈述句为主的新闻播报，句末多为低边界调。作者没有测量停顿时长，也没有系统分析日常对话，复述时不能把结论推广到问句高边界调或随意交谈。论文自称是初步分析，目标是记录分布并提出跨语言对照假设，而不是给出完整的声学分类器。

同类工作如何看非嗓音与边界的关系？

在同一输入、同一目标下，最接近的参照是墨西哥西班牙语的短语末气息研究。原文把那项工作概括为从常态经气息嗓音到完全清化的渐变连续统，并解释为预期 utterance 之后吸气动作的协同发音效应。相比之下，本研究主张自己的耳语是范畴性清音，并与末尾重音或重音后音节对齐，功能更像边界标记。两者都记录了西班牙语韵律边缘的非嗓音，但机制解释不同，一个偏向呼吸生理的渐变影响，一个偏向韵律结构触发。

在同一运行阶段的另一参照是西班牙语对话中的假声研究。作者指出假声同样从核心音节开始并延续全部重音后音节，同时伴随高基频。这为耳语提供了平行结构：一个走高音加假声路径，一个走清音加耳语路径，但都对齐核重音并向后扩展。理解这组对照有助于避免误解，即不要把耳语看成孤立的播音技巧，而要看成西班牙语可能存在的边缘标记系统的一部分。

喉部发音体收紧 × 句末低音： 喉部发音体收紧指杓状会厌括约机制的收紧动作，句末低音指短语末尾的音高下降目标；搭配理由是同一收紧动作既能降低音高又能产生紧缩音质，组合意义是把耳语和日耳曼语的句末嘎裂声统一为实现句末低调的不同参数设置。

跨语言对照上，作者把日耳曼语的短语末嘎裂声作为同目标、不同实现的参照。英语中嘎裂声的韵律制约已有较多证据，而耳语能否同样被韵律锚定此前没有证据。论文引用喉部发音体模型指出，杓状会厌括约收紧既是降低音高的机制，也是产生紧缩音质的机制，只是喉头高低、声门开合与会厌收紧程度的不同组合会呈现为嘎裂声或耳语。这 1 对照目前是解释性框架，原文明确以推测口吻提出基线喉部设置可能影响各语言偏好哪种音质，因此只能记为待验证假设，不能当作已证明的罗曼语与日耳曼语对立。

三个研究问题各自要排除什么解释？

论文把问题拆成 3 个可操作的子问题。第一个问题问 2 位播音员的耳语频率是否不同，1 位女性、1 位男性。如果差异显著，耳语更可能是个人习惯；如果一致，则更可能是播音语域特征。第二个问题问音节重音位置是否影响耳语起点，这是检验韵律受限的核心。

如果起点随机分布在词首各处，就不支持边界标记说法；如果集中在重音及重音后，就支持。第 3 个问题问话语层面因素是否制约耳语出现，包括下一段是否延续同一话题、下一段是否为同一说话人。如果耳语只出现在换话题或换人之前，它更像话语分隔符；如果两类环境都出现，它更可能是韵律触发。

这 3 个问题的学习依赖是递进的：先确认现象在 2 人中都存在且可计数，再看其内部时间对齐是否受重音约束，最后看其外部出现条件是否受话语约束。复述时要注意，第 3 个问题的编码只看耳语之后的材料，不测量耳语本身的时长或停顿时长。广播末尾的 9 个 token 被单独记为结束类，不并入延续或转换统计。任何把这 9 个直接当成换话题证据的说法都会误读编码规则。

从 20 期节目到 417 个标记：方法全景如何走通？

沿一个样本走完全程有助于理解全篇。假设某期节目中播音员读完一个语调短语，最后一个词是重音在倒数第二音节的多音节词。研究者先听辨并在 Praat 中查看波形、频谱和基频曲线，检查是否出现波形周期性消失、基频中断、高频噪声增强、振幅下降和高频能量更强的频谱倾斜。满足这些条件才记为一个耳语 token。接着确定耳语起点相对重音的位置：起点在重音之前记为重音前，起点恰在重音音节记为重音上，起点在重音之后记为重音后。

同时记录该词本身的重音在倒数第三、倒数第二还是最后音节。最后看该短语之后是同一话题还是新话题、同一说话人还是新说话人，或是否为全场结束。

数据层面共分析 20 期 2021 年全长新闻，每位播音员 10 期。女性播音员来自瓦伦西亚甘迪亚，时年 44 岁；男性播音员来自加利西亚卢戈，时年 41 岁。节目是西班牙公共广播电视台旗舰新闻，每次约 50 分钟、每天 2 次。音频从官方网站下载为波形文件。

由于每期中播音员实际说话时长受外景、记者连线和搭档互动影响，研究者手工计算每人每期实际说话秒数，再用耳语个数除以说话时长得到每分钟耳语率。这种归一化是公平比较 2 人的前提，否则单纯比较个数会被出镜时长污染。

判定可靠性方面，2 名标注者独立标出全部耳语，一致性为 94.73%。论文给出两个实例词形帮助初学者建立听感与图谱对应：一个是重音前与重音之间过渡的例子，基频轮廓突然停止、波形从周期变为非周期；另一个是重音后最后一个音节的耳语，并在讨论中提到耳语前偶尔有嘎裂声过渡。但像素未提供时，复述只能依据文字描述，不能声称看到具体共振峰带宽或频谱细节。

重音位置与耳语起点如何交叉编码？

编码的核心是两个分类的交叉。词重音分 3 类：重音在倒数第三音节、倒数第二音节、最后音节。耳语起点分 3 类：重音前、重音上、重音后。理论上 3 乘 3 有 9 格，但重音在最后音节的词没有重音后音节，因此对应格为空，这不是漏标，而是结构上不可能。每个耳语 token 都会落入其余 8 格之一。

重音音节 × 耳语起点： 重音音节负责提供词重音位置锚点，耳语起点负责标示从常态嗓音切换为耳语的时间点；搭配理由是只有把起点放在重音前、重音上、重音后 3 类位置中才能检验韵律制约，组合意义是形成重音减耳语起点的交叉表，从而判断耳语是否韵律受限。

话语编码是另一组组件。话题变量记录耳语之后是同一新闻还是新新闻，说话人变量记录之后是同一播音员还是不同人，全场结束单独记为结束类。这种设计把韵律内部对齐与话语外部条件分开，避免用话题转换解释本应由重音解释的时间起点。需要记住的是，话语编码不改变起点判定，起点判定只依据重音与声学转折的相对位置。

话题延续转换 × 说话人延续转换： 话题延续转换负责记录下一段是否为同一新闻，说话人延续转换负责记录下一段是否为同一播音员；搭配理由是二者分别捕捉内容边界和轮转边界，组合意义是检验耳语究竟由韵律结构触发还是由更高层话语交界触发。

对初学者最容易混淆的是重音前起点极少是否等于没有。原文报告整个语料只有 10 个重音前起点，这恰恰是关键证据：耳语极少早于重音开始，说明它不是随机提前漏气，而是有左边界约束。复述时应保留这一不对称，而不是只强调重音后比例高。

没有模型训练时，什么在承担学习与估计？

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，因此不存在梯度路径、优化器、早停或权重下载问题。该节的真实计算过程是人工标注加统计检验。标注阶段的计算是听辨加声学目检，输出是离散类别与计数；统计阶段的计算是频率比较与独立性检验，输出是比率、检验统计量与显著性判断。

具体而言，第一个问题用假设方差不等 t 检验比较 2 人每分钟耳语率；第二个问题计算词重音与耳语起点的绝对与相对频率，并用 Fisher 精确检验和控制播音员的 Cochran-Mantel-Haenszel 检验判断独立性；第 3 个问题用准泊松模型在控制播音员后检验话题与说话人差异。原文未报告 Praat 参数阈值、频谱倾斜的具体算法或停顿时长的测量脚本，这些是明确缺项，复现时只能沿用文字描述的 5 条声学判据，不能从软件名称推定自动检测流程。同样，不能把无训练等同于结果确定，标注一致性高不代表分类边界客观，耳语与气息的连续统仍需未来声学测量来细化。

数据划分、指标聚合与统计口径是什么？

数据是没有训练集与测试集划分的观察语料，20 期节目全部用于描述分布。采样单位是耳语 token，共 417 个；聚合单位在比较个人频率时是每期节目的每分钟比率，在分析韵律与话语时是 token 计数与百分比。指标方向需要分开理解：每分钟比率越高表示使用越频繁，百分比越高表示该格越典型，检验的显著性则看是否拒绝独立或无差异假设。

统计口径按原文交代：个人比较报告均值、t 值、自由度和显著性；韵律交叉报告卡方类统计量、自由度和显著性；话语模型报告回归系数、t 值与显著性。硬件预算、推理开销与帧率不适用，因为没有模型推理。唯一与可运行性相关的资源是数据来源，官方网站当前可用，状态码为 200，可写为当前可公开获取的节目回放页，但复述时不能承诺具体 20 期的永久链接或下载格式不变。

两个实例词的语音转写与重音位置是理解编码的重要条件，实例显示过渡可发生在重音前与重音边界之间，也可只占据最后一个重音后音节。复现时应先用这两类实例校准听辨，再扩展到全库，避免把重音前过渡的短暂摩擦直接判为全程耳语。

个人频率比较：差异是否成立？

第一个结果回答个人差异。女性播音员平均每分钟耳语率高于男性，但差异未达到显著水平，因此论文判断 2 人使用率一致。这一判断的支持条件是已按实际说话时长归一化，且检验假设方差不等。对初学者而言，这里的公平条件比数字本身更重要：如果不归一化，出镜多的人自然个数多。

下表提出比较问题：在控制说话时长后，2 位播音员的耳语使用频率是否不同？公平条件是同节目、同语域、同归一化口径，指标方向是每分钟比率越高越频繁，检验显著性越小越支持差异成立。

上表的主要收益是排除纯个人习惯解释，代价是样本仅 2 人，无法推广到整个播音群体。未胜出项是性别差异假设：数值上女性更高，但统计上不能断言。若误把数值高低直接读成风格差异，就会夸大证据。论文进一步把一致性解释为播音语域特征，但这一步属于有限解释，因为没有日常对话对照组， informal 观察不能当作正式证据。

韵律锚定：起点为何集中在重音及之后？

第二个结果是全文最强证据。重音后起点占全部近四分之三，重音上起点占约 1/4，重音前起点仅 10 个。换句话说，耳语几乎不早于重音开始，而是从重音或重音后开始并延续其后材料。词重音本身以倒数第二音节为主，这与西班牙语词汇重音分布一致，但关键是起点与重音的相对关系，而非词重音的绝对分布。独立性检验显著，说明两者并非无关。

下表提出比较问题：在给定词重音位置下，耳语更可能从哪里开始？公平条件是同一套听辨与声学判据、同一 417 个 token 全集，指标方向是个数与占比越高越典型。

表后解释需要同时看到收益与反例。收益是韵律受限明确：左边界几乎不早于重音，右边界延伸至短语末停顿前，且短语内部未发现耳语。反例是重音前仍有 10 例，说明约束是强倾向而非绝对规则；此外重音在最后音节的词无重音后格，不能误读为空缺证据。论文据此提出耳语与假声平行：两者都从核音节向后扩展，只是音高走向相反，这扩展了边界标记不只依赖音调与时长，也包括系统性喉部调整的观点。

话语因素若去掉，结论会改变吗？

第 3 个结果可视为话语因素的消融检验：即使区分话题延续与转换、同一人与换人，耳语分布依然横跨各类环境。广播结束的 9 个 token 在语音实现上与别处相同，都是从末尾重音附近开始并向后扩展，说明韵律触发仍在，只是恰好对齐更大的话语 closure。

下表提出比较问题：在控制播音员后，话题与说话人是否显著改变耳语出现？公平条件是排除全场结束 token，指标方向是回归系数偏离零越远、显著性越小越支持话语制约。

表后解释的关键是限制而非否定。原文明确提醒样本小会降低统计功效，因此未能检出差异不等于证明话语完全无关，只能说在当前编码下没有证据支持话语制约。未评测边界包括停顿时长、边界调高低、政治演讲等其他正式语域。若把不显著直接写成话语零作用，就犯了把相关缺失当因果否定的错误。

哪些边界尚未被测量？

首先是说话人覆盖。仅 2 位播音员、两种地区背景，无法区分语域效应、个人基线嗓音与地区差异。论文引用加英双语者未发现稳定语言差异的研究来提醒，嗓音质量可能更依赖说话人，因此罗曼语偏耳语、日耳曼语偏嘎裂声的对照必须视为 provisional，复述时应保留这种谨慎。

其次是声学与音系覆盖。全部材料几乎都是陈述句，耳语都与短语末低音共现，是否兼容疑问句的高边界调完全未测。作者预测若耳语依赖与低音共现的会厌收紧，则高边界调环境可能不利于耳语，但这只是预测。研究也未区分耳语与气息的连续统亚型，未提供 H1 减 H2、H1 减 A3 或共振峰可恢复性等测量，因此不能承诺用某个阈值自动分类。

第三是语域覆盖。作者承认未系统分析日常对话，非正式观察不支持日常交互中存在句末耳语，但这不是正式证据。把结论推广到自发对话或把播音耳语说成西班牙语普遍特征都会超出证据。未来需要扩展到政治演说等正式公共言语，并在高边界调与多说话人样本中重复检验。

若要复现，应先做什么、保留什么条件？

复现的第一步是重建可比语料：从同一公共台回放页获取完整新闻，按实际说话秒数计算分母，而不是按节目时长。保留关键超参数等价物是 5 条声学判据：无周期波形、无基频、高频噪声增强、相对振幅下降、高频能量更强的频谱倾斜。建议先用论文给出的两个实例词校准耳朵与 Praat 视图，再由 2 名标注者独立标注并报告一致性，目标是接近原文的较高一致水平。

第二步是保留编码口径：词重音三分类与起点三分类交叉，注意末重音词无重音后格；话语编码看耳语之后的材料，全场结束单独成类。统计上沿用原文口径：个人比率用不等方差 t 检验，交叉表用 Fisher 精确检验并控制播音员，话语用控制播音员的准泊松模型。不要自行把停顿时长、音高斜率或嗓音基线加入模型，否则比较条件不再一致。

第三步是补齐原文缺项才能谈部署：测量停顿时长分布、标注边界调高低、补充日常对话对照组，并加入可重复的声学参数。若只想快速验证核心发现，优先重复第二个结果，即重音前起点是否极少；若该不对称消失，则边界标记说法不成立。数据方面，官方回放页当前可用，但应记录访问日期与期号，因为节目库可能更新。

何时值得尝试用耳语解释边界？

当研究对象是正式、无互动、大听众的公共言语，且句末出现反复清化时，值得尝试用本文框架检验：先看清化是否只在停顿前出现，再看起点是否锚定末尾重音，最后看话题或换人是否不能解释分布。若三者都满足，耳语作为韵律边界标记的解释力会上升；若起点散布词首或只在换话题前出现，则更可能是呼吸或话语分隔效应。

对语音教学的特有误解需要澄清：话语意义上的耳语不等于语音实现上的耳语。播音员在话语层面用清音提示结束，但语音层面可能落在从气息到真正耳语的连续统上，取决于个人基线与韵律需求。区分这两层才能避免把所有句末弱化都标为耳语。

最终判断应使用原文的措辞层级：报告显示耳语集中在重音及之后，数据显示 2 人频率无显著差异，分析支持韵律触发而非话语触发，而跨语言喉部基线差异与高边界调不兼容性仍是可能但待验证的推测。下一步最有信息量的验证是高边界调问句与多说话人正式语域的对照，以及保留共振峰结构差异的气息与耳语声学分离。

📐 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 11 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