焦点不都靠抬高音调：南宁普通话在句首焦点缺压缩、句尾焦点保留压缩

英文题目：Focus marking in a language contact context: A comparison of focus-induced f0 effects in Nanning Mandarin and Standard Mandarin

会议身份：conference:speechprosody:2026:conference-paper-id:hou26b_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 #韵律 #语音 #语音属性识别

评分：5.5/10 | 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 0.7/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.5/1.5

排名：前50% | 文档类型：应用研究

👥 作者与机构

• Xinzi Hou：机构信息未能从会议 PDF 纯文本可靠映射
• Eleanor Chodroff：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本研究输入为疑问词问答诱发的宽焦点、句首窄焦点与句末窄焦点话语，输出为主语与宾语位置基频最小值、最大值与极差的焦点效应判定，难点在于声调与语调纠缠且南宁粤语接触影响难以分离。先以预录制问句与脚本化主谓宾目标句为输入诱发自然产出并经强制对齐切分，输出音节级浊音区间，再将该浊音区间输入两遍自相关基频提取与说话人归一化对数T值转换，输出连续调值，最后将该连续调值输入以焦点条件为核心固定效应并控制声调、前接辅音与年龄的线性混合效应模型，输出焦点显著性检验结果。相对已有2至6人描写性研究，本工作引入南宁普通话与标准普通话直接比较及声调交互控制，使粤语式无后焦点压缩的接触假设可被证伪。在比较句末焦点与宽焦点的主语位置条件下，标准普通话主语f0指标在极差维度上的回归效应值为–0.25，低于主语f0指标在最大值维度上的回归效应值–0.15。本结论适用边界受限于朗读式简单句的基频维度，尚未验证自发语、时长强度线索及南宁粤语本体的同期平行效应。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

输入是什么：为何要在南宁研究普通话的焦点语调？

这篇论文的输入是两种普通话变体的口语录音，目标是回答焦点如何改变音高。读者需要先建立 3 个基本概念。第一，焦点是对话中回答问题的关键信息，例如问谁做了某事，回答中的主语就是焦点。第二，在普通话这类声调语言中，每个音节自带声调高低，而句子层面的强调也要用音高实现，二者挤在同一条基频曲线上。第三，南宁是一个多语城市，历史上以南宁粤语为主，另有平话和壮语，自上世纪五十年代推广普通话后，形成了本地人学普通话的中介变体，也就是南宁普通话。

论文把南宁普通话定性为化石化的中介语，即第一代以粤语为母语的人在习得普通话时形成的、并被后代沿用的本地普通话。它不是北方官话，也不是标准普通话的轻微口音。已有声调研究发现，它的声调类别继承自标准普通话，但具体发音实现更接近南宁粤语。语调方面，已有小样本研究提示它句末音高更低、整体音域更窄、陈述句下倾更大，但样本仅 2 至 6 人且缺乏显著性检验。因此，焦点是否也保留粤语式做法，成为需要用较大样本验证的问题。

南宁普通话 × 语言接触： 南宁普通话指在南宁形成的本地普通话变体，语言接触指它长期与南宁粤语、平话、壮语及标准普通话共存并相互影响，分工是前者为被观测对象，后者为解释其混合特征的来源框架，搭配理由是只有把南宁普通话看作以标准普通话为目标语、以南宁粤语为源语言的中介语，才能理解其声调库存继承自普通话而语音实现接近粤语的现象，组合意义是把焦点语调差异归因于接触保留而非单纯的个人发音偏差。

本次解读的输出是一套可核对的方法复述：被试如何筛选、句子如何控制声调、问答如何诱导焦点、基频如何提取与标准化、模型如何比较宽焦点与窄焦点。所有事实只来自论文正文证据，不引入外部语料是否公开的断言。论文未声明代码、模型或数据的公开链接，因此本解读不声称任何资源已公开。学习时请把修辞放在一边，重点跟踪每个操作改变了什么条件，以及每个数字比较的是哪 2 个条件。

相关路线：标准普通话与粤语的焦点实现有何不同？

要理解南宁普通话的特殊性，需要先知道两条已报道的路线。标准普通话路线主要靠基频标记焦点，典型模式是焦点成分扩大音域，非焦点成分压缩音域。扩张通常体现为最大值抬高，最小值可能降低或不变，具体取决于声调。压缩则体现为最大值与最小值同时向中间靠拢，使音域变窄。论文引用了多项声学研究支持这一描述，并指出下降的上声变调、阴平、阳平、上声、去声在扩张幅度上可能存在差异，例如去声的扩张大于阳平与阴平。

粤语路线则不同。香港粤语与广州话的多项研究显示，粤语不稳定地用基频标记焦点，没有焦点后压缩。有的研究观察到与宽焦点相比无变化，有的观察到整体抬高或降低，但都倾向于保持全局音高格局，而不放大焦点与非焦点之间的局部对比。换句话说，粤语说话人可能用时长、强度或其他方式提示焦点，但不在基频极差上做大幅度的此消彼长。

第三条路线是双语与二语中的相互影响。论文回顾了普通话与粤语双语者的双向影响：一方面，二语粤语比母语粤语更常用基频，尤其在非句末焦点区出现焦点后压缩；另一方面，这些人的母语普通话反而用较少基频标记焦点，可能受到二语粤语的影响。闽南语背景的普通话二语者则呈现另一种情形：成年人的普通话中缺失焦点后压缩，与闽南语一致，而年轻一代因更多接触标准普通话而开始产生压缩。

这说明焦点后压缩在二语习得中的可迁移性并不确定，年龄与接触量都可能是调节因素。这些对照为解释南宁普通话的混合模式提供了参照，但本研究并不直接检验年龄效应，只是记录了年龄分布供未来分析。

研究问题：比较哪几种焦点，观测哪个声学量？

本研究把问题限定得很窄：只比较 3 种焦点条件下的基频极值。宽焦点是整句为新信息，作为基线。句首焦点是主语被聚焦，对应回答谁做了什么。句尾焦点是宾语被聚焦，对应回答做了什么。目标句是五音节的简单主谓宾结构，形如名字前缀加主语专名加情态动词加动词加宾语。每种声调单独成句，句内主语、动词、宾语的声调相同，以控制声调对音高的干扰。

宽焦点 × 窄焦点： 宽焦点指整句均为新信息或无特定强调成分，窄焦点指仅主语或仅宾语承载新信息，分工是前者充当基线，后者充当实验处理，搭配理由是只有以宽焦点为对照，才能把窄焦点引起的极差变化从声调固有高低中分离出来，组合意义是用宽焦点减窄焦点的差值来定义扩张与压缩，避免把句子固有下倾误读为焦点效应。

观测位置限定在主语名词与宾语名词，不分析动词与前缀。每个位置提取 3 个量：最小值、最大值与极差。极差是最大值减最小值，反映局部音高伸展。逻辑是，若句首焦点有效，应在主语看到扩张，在宾语看到压缩；若句尾焦点有效，应在主语看到焦点前压缩，而宾语本身因位于句末可能变化不大。

论文明确指出，以往标准普通话研究发现句末焦点成分的极差基本不变，变化主要在焦点前区域。因此，判断南宁普通话是否像标准普通话，不能只看焦点成分本身，还要看非焦点成分是否同步压缩。

教学例子仅为帮助理解，不代表论文数据。例如，假设宽焦点下主语极差为基线，句首焦点下主语极差显著变大而宾语极差显著变小，就构成完整的焦点对比；若主语仅最大值略升而极差不变，宾语也无极差变化，则说明缺乏局部对比。本研究用较大的样本检验南宁普通话属于哪一种情形。

方法全景：从问答录音到极差比较经过哪些步骤？

整个流程可以沿一个样本走一遍。假设 1 名南宁被试听到预录的哪 1 位英煲汤的问句，需要回答阿英要煲汤。屏幕同时显示文字，被试按空格重播问题，按右键进入下一试次，每次作答前必须重播问题。录音在安静房间用手机完成。研究者随后对录音做字词与音素对齐，切出主语英与宾语汤的浊音段，提取每段的最小值与最大值，计算极差，并按说话人做标准化与对数变换，得到连续的声调值。最后用混合效应线性回归比较宽焦点与两种窄焦点在主语与宾语上的差异，并直接比较两种普通话的差异幅度。

材料设计的关键是控制与自然度的平衡。控制体现在 4 种声调各三句共十二句目标句，每句内声调一致，每人每条件重复 2 次，试次伪随机化避免同句或同条件相邻，并插入填充试次减少重复效应。自然度体现在使用预录真人问句而非纯文字提示，宽焦点句前强制加他说以保证宽焦点解读，词语选用在南宁普通话、南宁粤语与标准普通话中常用的同义形式，并优先选用语音序列相近的词。第三声连续出现时的变调在动宾之间一致出现，因在所有焦点条件下相同而不构成额外变量。

分析分两步。第一步分别在两种普通话内部检验焦点效应，固定效应包括焦点条件、以宽焦点为对照的编码、声调、前接辅音与年龄组，以及焦点与声调的交互，随机截距为说话人与目标句。第二步直接比较语言与焦点的交互，以南宁普通话与宽焦点为对照，考察窄焦点效应在语言间的差异。随机斜率因不收敛而未纳入。这种两步设计使读者能先看到每种语言内部是否调制极差，再看到调制幅度是否存在跨语言差异。

组件之一：被试筛选与录音呈现如何保证变体纯度？

被试筛选是本研究的重要组件，因为南宁普通话的定义依赖于语言背景。南宁组 31 人，均为南宁普通话与南宁粤语双语者，多数在十二岁前开始说南宁普通话，定居南宁，无北方普通话背景的亲友，近十年未长期在外居住，年龄 27 至 67 岁，中位 48 岁，性别大致平衡，40 至 60 岁占多数，理由是该年龄段受北方普通话影响较小。标准普通话组 10 人，均为北方官话母语者，其中 8 人也以标准普通话为最自信的变体之一，自评流利度平均 7.85，居住在南宁但自述无南宁口音影响。所有南宁口音的自然度由第一作者与另 1 名母语者核听，标准普通话口音由 2 名北方话者核听。

焦点 × f0 极差： 焦点负责指明回答中提供新信息的成分，f0 极差负责度量该成分所在音节内音高的伸展程度，二者搭配的理由是声调语言不能只看音高绝对高低，必须看同一音节内最大值与最小值的距离是否因焦点而改变，组合意义是把语用层面的强调转化为可检验的声学假设：若某位置被聚焦，其极差应扩张，非焦点位置应压缩。

呈现组件负责诱导自然焦点。问题与答案以简体中文显示在笔记本电脑上，同时播放预录问句。南宁实验的问句由 1 名 46 岁女性南宁母语者录制，标准普通话实验由第一作者录制，其普通话水平为 1 级乙等。研究者认为听觉提示能缓解正式实验室场景触发的不自然语域，尤其对南宁普通话重要。每种语言内部的语言顺序在双语者间平衡，每个被试在练习阶段完成覆盖 4 种意义条件与填充的 5 次试次，正式阶段每个目标句每条件产出 2 次。

南宁共收集 2976 句目标话语，标准普通话共收集 960 句。这些数量是录音轮次的设计总量，不等于最终进入模型的可用声学 token 数，因为后续会剔除错误与低质录音及离群值。

组件之二：基频提取与标准化如何得到可比的极差？

声学组件从对齐到极值提取再到标准化，每一步都有明确操作。对齐使用 Praat、中文分词工具与蒙特利尔强制对齐器，声学模型与词典选用在作者数据上表现更准确的版本，而非默认模型。分析对象是每个音节浊音段的基频最小值与最大值。提取采用两遍法：第一遍用 50 至 800 赫兹固定范围的自相关法估计每位说话人的四分位数，第二遍用基于分位数推导的下限与上限重新提取，6 名说话人的下限经人工调整以获得更好测量。所有测量经人工核查区间边界、跳变与微韵律影响。

焦点前压缩 × 焦点后压缩： 焦点前压缩指焦点成分之前的成分极差变窄，焦点后压缩指焦点成分之后的成分极差变窄，二者分工不同是因为句首焦点考察的是后方是否压低，句尾焦点考察的是前方是否压低，搭配理由是只有同时报告前后 2 个方向才能判断说话人是局部增强焦点还是整体压平语调，组合意义是区分标准普通话式的双向调制与粤语式的整体保持。

标准化组件解决说话人音高差异。原始赫兹值按说话人音域做对数变换，转换为连续的声调值，范围对应 0 至 5，论文中提到的声调值即该变换值，而非离散的五度标调。例如 3.22 是连续值，不等同于标调 3。剔除不可用 token 与超出说话人均值两个标准差的离群值后，进入分析的主语与宾语 token 数为南宁 2078 与 1764 量级、标准普通话 686 与 582 量级，且大致均分于 3 种焦点条件。教学提示是，极差比较必须在标准化后的尺度上进行，否则男女声或高低嗓音的绝对赫兹差异会淹没焦点引起的相对伸缩。

声调 × 语调： 声调负责区分音节的字义音高型，语调负责实现句子层面的焦点与句式意图，二者在南宁普通话中必须共存于同一段 f0 曲线，搭配理由是焦点不能改写声调的类别，只能在声调允许的范围内调整极值，组合意义是解释为何同一焦点操作在不同声调上表现不同，以及为何粤语型系统更倾向于保全声调而不做大幅语调扩张。

需要指出的缺项是，论文未报告完整的基频轮廓建模、时长与强度分析，也未报告信噪比或手机录音的频响校准细节。解读时不应把极值结果推广为整体语调曲线的结论，后续研究计划补充完整轮廓与南宁粤语的直接比较。

有无模型训练：本研究训练了什么，没有训练什么？

本研究没有训练神经网络，也没有训练分类器或语音合成模型，因此不存在优化器、学习率、轮次、冻结与更新的安排。training 一节在此承担的职责是讲清实际发生的计算过程，即声学测量与统计建模，而非权重学习。需要避免两个误解：一是把无训练等同于确定性求解，二是从参数冻结推定输出确定。本研究的输出是估计的回归系数与边际均值，其不确定性来自说话人与语句的随机变异，而非模型训练的随机种子。

实际计算分为测量与推断两层。测量层是规则与信号处理：强制对齐给出音节边界，两遍自相关给出基频轨迹，人工核查修正边界与跳变，对数公式给出连续声调值，极差由最大值减最小值得出。推断层是混合效应线性回归，用统计软件包拟合，固定效应检验焦点、声调、前接辅音、年龄组及其交互，随机效应只保留说话人与目标句的截距，因为带随机斜率的模型未能收敛。显著性由配套检验包给出。

论文未报告超参数搜索、交叉验证划分或计算耗时，因为这些概念不适用于本设计的推断目标。复现时应把重点放在对齐质量、基频上下限设置与离群值剔除标准上，这些才是影响极差估计的关键操作。

实验条件：句子、分组与统计对照是否公平？

公平比较依赖于 3 组一致性。第一，文本一致：两种普通话使用相同的目标句结构与词汇选择原则，仅发音按各自变体实现，声调类别按各自系统对应，目标句内声调一致，第三声变调在所有条件下相同。第二，任务一致：均为听预录特殊问句后用脚本句回答，宽焦点句均有他说引导，窄焦点均为提供新信息的回答，而非纠正性焦点。第三，统计一致：两步回归均以宽焦点为对照，均控制声调、前接辅音与年龄组，均纳入焦点与声调交互，均只用说话人与语句随机截距。

样本量与 token 量的不对称需要正确理解。人数上南宁 31 人、标准普通话 10 人，录音轮次上南宁 2976 句、标准普通话 960 句，最终可用声学 token 在南宁主语 2108、宾语 1764，标准普通话主语 686、宾语 582。这种不对称源于研究重点是南宁普通话，标准普通话作为参照组。混合模型通过随机截距部分吸收说话人差异，但小参照组仍意味着标准普通话的估计不确定性相对更大，解读跨语言差异幅度时应结合置信区间，而不仅看系数符号。

设备与环境条件按原文交代：安静房间、笔记本呈现、手机录音、单声道、22050 赫兹采样率。呈现软件版本、录音软件版本与对齐工具版本均有记录，可供复现时对齐操作。听觉提示的发音人信息也已报告，便于评估提示音可能带来的语域影响。论文未报告实验总时长、报酬、伦理编号与缺失数据的逐条件明细，这些是复现时需补记的实验管理细节，但不影响对已报告系数的理解。

数据与指标： token 如何计数，显著性如何判定？

数据划分在本研究中不是训练集与测试集的划分，而是条件与位置的划分。每个可用 token 归属于某种语言、某种焦点、某个位置与某种声调。聚合对象是条件均值，而非单句判对。指标是连续声调值尺度上的最小值、最大值与极差，方向是与宽焦点相比的增减，而非绝对高低。统计方法是在控制声调、前接辅音与年龄组后，检验焦点系数是否显著区别于零，以及语言与焦点的交互是否显著。显著性阈值按常规星号报告，论文给出具体回归系数与显著性水平，解读时应同时看方向、幅度与显著性，避免把小幅显著误读为大幅扩张。

采样与剔除标准按原文交代：剔除产出错误与低质录音，再按说话人均值两个标准差剔除离群值。这种两步剔除会同时减少噪声与极端值，但也可能剔除真实的极端扩张。若复现时采用更宽松的 3 个标准差，标准普通话的扩张幅度可能变大，南宁的零结果仍需重新检验。聚合时模型估计的是边际均值，图中的点与误差线即模型预测，而非原始均值。因此，图中星号对应的是模型比较的结果，而非肉眼重叠与否的简单判断。

硬件预算与成本在本研究中主要指人力与时间，而非算力。31 人与 10 人的面对面录音、逐句人工核查基频、双人核听口音，都是主要成本。论文未报告总时长、标注工时或计算耗时，因此不能比较不同实验室的效率。指标方面，未使用自动语音识别准确率、平均意见分或感知辨别率，因此不能把声学差异直接等同于听感差异。自动测量的最小值对清浊判断敏感，不能当作人耳感知的强调强度。

主结果：句首焦点为何显示两种普通话分叉？

主结果按焦点位置组织，先看句首焦点。标准普通话在主语出现明显扩张，在宾语出现明显压缩。主语极差增大，主要靠最大值抬高与最小值降低共同实现。宾语极差压缩，靠最小值与最大值同时降低实现。南宁普通话则不同，主语与宾语的极差均无显著主效应，仅最大值出现小幅变化：主语最大值略升，宾语最大值略降。

这种只有极值微调而无极差调制的模式，被作者描述为缺乏局部焦点对比，与粤语的报道相似。跨语言直接比较显示，6 个度量全部存在显著差异：标准普通话在主语的极差更大、最大值更高、最小值更低，在宾语的极差更窄、最大值与最小值更低。

再看句尾焦点。两种普通话都压缩焦点前的极差，而不调制焦点本身的极差。南宁在主语出现最小值略升与极差略窄，宾语无显著调制。标准普通话在主语出现极差压缩，主要靠最大值降低与最小值升高实现，宾语同样无显著调制。跨语言比较仅在主语的极差与最大值上存在差异，标准普通话的压缩幅度更大，宾语相关度量无显著差异。这意味着句尾焦点的实现策略在两种变体中方向一致、幅度不同，而句首焦点的策略则方向性分叉。

下图显示模型估计的极差边际均值，左为南宁普通话，右为标准普通话，子面板区分主语与宾语，纵轴为连续声调值。阅读时先确认星号标记的比较对，再比较点估计的升降与误差线是否重叠，避免把单点的数值差异直接当作显著效应。

看图路径： 1. 先确认左右两大面板分别为南宁普通话与标准普通话，子面板分别为主语与宾语，横轴为宽焦点、句首焦点与句尾焦点；2. 再比较标准普通话主语面板中绿色句首焦点点高于红色宽焦点点、蓝色句尾焦点点低于红色点的垂直位置差异；3. 对照南宁普通话主语面板中三点几乎持平、仅蓝色点略低的形态，确认句首焦点无扩张的视觉证据；4. 观察误差线长度，判断标准普通话宾语在焦点后压缩时估计不确定性是否大于南宁普通话

论文图 1。原论文 Figure 1：“Model-estimated f0 range in LT Chao tone”。

从像素可见，右侧标准普通话主语面板中宽焦点红色点最低，句首焦点绿色点明显抬高，句尾焦点蓝色点明显压低，且绿色与蓝色分别与红色之间有括号与星号，表明两种窄焦点与宽焦点的差异均显著。右侧宾语面板中宽焦点红色点高于句首焦点绿色点，括号与星号表明焦点后压缩显著。左侧南宁普通话主语面板三点高度接近，仅蓝色句尾焦点点略低且与红色宽焦点之间有星号，表明仅焦点前压缩显著。

左侧宾语面板三点几乎持平且无星号，表明句首焦点未引起宾语极差压缩。误差线显示标准普通话宾语的估计区间较宽，提示参照组样本较小带来的不确定性，但其压缩方向仍与模型系数一致。这一视觉模式与下表中的回归系数相互印证：标准普通话的句首焦点同时改变极差、最大值与最小值，而南宁普通话的句首焦点不改变极差。

数字对照：极差、最大值与最小值各改变了多少？

比较焦点效应必须同时核对条件、位置、指标、方向与显著性，数值相同不代表同一指标。下表整理论文报告的回归系数，基线均为宽焦点，正系数表示比宽焦点更高或更宽，负系数表示更低或更窄。阅读时注意南宁普通话的系数绝对值普遍较小，而标准普通话的系数绝对值较大，尤其在句首焦点的宾语压缩上。

表中方向性描述的依据是原文连续句报告的系数与显著性，标准普通话句首焦点主语扩张与宾语压缩的幅度最大，句尾焦点主语压缩次之，南宁普通话仅句尾焦点主语出现小幅压缩。具体而言，标准普通话句首焦点主语极差、最大值与最小值的变化方向分别为扩张、抬高与降低，宾语极差、最小值与最大值均为压缩与降低，南宁普通话句首焦点仅主语与宾语最大值出现小幅反向变化而不改变极差。

句尾焦点下南宁主语最小值升高且极差变窄，标准普通话主语极差压缩且最大值降低、最小值升高，而双方宾语均无显著调制。这些对照支持论文判断：句首焦点是区分两种变体的关键条件，句尾焦点是两种变体共享策略的条件。

需要强调的代价与限制是，极差不变不等于完全没有焦点标记。南宁普通话在句首焦点下仍有最大值微调，可能与其他未建模的线索共同提示焦点。论文只分析基频极值，未检验时长、强度、音节拉长或边界调，因此不能断言南宁普通话完全不用韵律标记焦点，只能说在基频极差这 1 维度上缺乏局部对比。

反证与边界：哪些效应不存在，哪些条件未检验？

反证首先来自不存在的效应。南宁普通话在句首焦点的主语与宾语极差上均无显著主效应，在句尾焦点的宾语极值与极差上也无显著效应。标准普通话在句尾焦点的宾语上同样无显著调制。这些零结果不是遗漏，而是与粤语文献一致的证据：句末焦点成分本身往往不扩张，变化集中在焦点前。若只看焦点成分而忽略非焦点成分，会误以为两种普通话在句尾焦点上完全相同，而实际上标准普通话的焦点前压缩幅度更大。

第二类边界是声调与辅音的调节。模型纳入了焦点与声调的交互、前接辅音与年龄组作为协变量，但正文未展开各声调的逐一系数，仅在讨论中提示未来需按年龄组检验焦点后压缩的可习得性，并引用闽南语背景年轻人与年长者差异的先例。这意味着当前结论是跨声调平均后的总体趋势，不等于每个声调都成立。复现时若发现去声扩张明显而阳平不明显，不应视为推翻主结论，而应视为声调调节的细化。

第三类未检验边界包括完整轮廓、感知验证与南宁粤语的直接声学比较。论文明确将南宁粤语录音与宽问句条件的分析留待未来，当前跨语言比较仅在两种普通话之间进行。因此，南宁普通话像粤语的判断是基于文献中的粤语模式，而非本数据集内南宁粤语的同步对照。这种表述应理解为支持而非证明：方向一致支持接触保留的解释，但未验证因果。若未来加入南宁粤语同被试数据，才能检验句首焦点无压缩是否在个体内与粤语习惯相关。

限制：样本、设备与建模假设带来哪些不确定性？

样本限制首先是参照组较小。标准普通话仅 10 人，而南宁 31 人，且年龄与性别分布不完全对称。混合模型能部分处理非平衡，但参照组估计的误差线仍较宽，跨语言差异的精确幅度存在不确定性。其次，南宁被试虽经背景筛选与口音核听，但长期生活在推广普通话的环境中，个人接触量仍有差异，论文未量化每人每日使用南宁普通话与粤语的比例，因此不能把群体均值解读为每个人的稳定习惯。

设备与标注限制包括手机录音、单声道与中等采样率，以及强制对齐在方言发音上的误差。虽然作者选用了更准确的声学模型与词典并人工核查边界与跳变，但浊音段边界、声门化与微韵律仍可能影响最小值。6 名说话人的基频下限经调整，说明默认参数并非对所有人最优，复现时必须记录每人的调整值，否则极小值可能因倍频或半频错误而偏移。

建模假设限制包括仅用随机截距、未纳入随机斜率，以及仅分析极值而非轮廓形状。未能收敛的随机斜率意味着个体对焦点的敏感度差异未被显式建模，总体系数可能掩盖部分说话人存在微弱扩张而另一部分完全无扩张的异质性。仅用最小值、最大值与极差会丢失对齐方式、斜率与曲率信息，而这些信息可能正是南宁普通话标记焦点的备用维度。论文未测量误判率、反应时、感知可懂度、延迟或成本，因此不承诺任何应用层面的改善。总体趋势不等于每组每步都成立，在引用时应限定为平均效应。

复现先做什么：材料、录音与分析的可重放清单是什么？

复现应从材料重建开始，而非直接录音。先按 4 种声调各三句构造十二句目标句，保证句内主语、动词、宾语声调一致，结构为名字前缀加专名主语加情态动词加动词加宾语。词语需在 3 种变体中为常用同义形式，并优先语音相近者。宽焦点句前必须加他说，特殊问句需为每句每条件单独编写，问题类型为提供新信息的特殊问句，而非是非问引导的纠正性焦点。填充试次需与正式试次结构不同，以减少重复效应。所有材料需经母语者效度检查，预录问句需记录发音人年龄、性别与变体背景。

录音与流程复现需保持呈现与随机化一致。使用呈现软件逐一显示问答对，被试可重播问题，作答前必须重播，每人每条件每句产出 2 次，试次伪随机化避免同句或同条件相邻，练习覆盖所有条件，语言顺序在双语者间平衡。环境保持安静，记录设备、采样率、通道与文件格式。若更换设备，应报告频响差异对基频提取的影响，而不应假设手机与实验室话筒等价。

分析复现的关键是可比的声学管线。先用相同流程做字词与音素对齐，切出主语与宾语浊音段，用两遍法提取基频并人工核查跳变与边界，按说话人做对数标准化得到连续声调值，剔除错误、低质与超出说话人均值两个标准差的离群值，再拟合以宽焦点为对照的混合效应模型，控制声调、前接辅音与年龄组并纳入焦点与声调交互，随机截距为说话人与目标句。下表给出样本与 token 规模，供复现时核对数据量级是否可比。

上表数字的来源是原文对被试构成、收集总量与剔除后 token 数的连续报告，其中南宁组为双语者且多数早年开始使用南宁普通话，标准普通话组为北方官话母语者，收集总量为设计轮次而非可用 token，进入分析的 token 已剔除错误、低质与离群值并大致均分于 3 种焦点条件。复现时若可用 token 比例显著偏离该量级，应先检查对齐失败率与离群值标准是否一致，而非直接比较系数大小。还需补记的验证包括逐声调效应、逐年龄组效应、完整轮廓建模与南宁粤语同被试对照，这些是原文明确留待未来的部分。

收束：何时值得参考本研究，还需补哪项验证？

当研究问题涉及声调语言在接触下的语调变化，且观测手段为基频极值时，本研究值得参考。它的可借鉴之处在于用问答范式分离宽焦点与窄焦点，用句内声调一致控制声调干扰，用宽焦点基线定义扩张与压缩，用两步回归先看语言内部效应再看跨语言差异。这种设计使句首焦点与句尾焦点的不同逻辑得以显现：前者检验焦点后是否压缩，后者检验焦点前是否压缩。若研究只报告焦点成分本身的变化，会遗漏关键的非焦点压缩信息。

直接结论应限定为报告与支持两个层级。报告的是，南宁普通话在句首焦点下无极差调制，在句尾焦点下压缩焦点前极差；标准普通话在句首焦点下扩张焦点极差并压缩焦点后极差，在句尾焦点下压缩焦点前极差。支持的是，南宁普通话在句首焦点上更接近文献中的粤语模式，可能保留源语言影响。尚未验证的是，这种相似是否源于个体内的粤语习惯，是否随年龄与普通话接触量而减弱，以及是否可被时长与强度线索补偿。这些推测需用同被试南宁粤语数据、逐年龄组建模与多线索感知实验来检验。

常见误解需要澄清。第一，无极差调制不等于无焦点，论文未否定其他线索的作用。第二，最大值微调不等于扩张，扩张要求极差显著变宽，而南宁句首焦点的主语仅最大值略升而极差不变。第三，句尾焦点相似不等于整体相同，标准普通话的焦点前压缩幅度更大。第四，小样本参照组不等于不可比，但引用跨语言差异幅度时应提及不确定性。未来工作按论文规划，将分析完整轮廓与南宁粤语对照，这才是检验接触解释的直接证据。

📐 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 16 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