句首算话语、句尾只听声音：中国英语学习者韵律加工的位置分离

英文题目：Position-Dependent Integration of Pitch Accent and Focus in Chinese EFL Learners: An ERP Study

会议身份：conference:speechprosody:2026:conference-paper-id:ji26_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：#心理声学实验 #语言习得 #韵律 #语音 #语音属性识别

评分：5.5/10 | 创新 1.2/2 | 技术严谨 1.0/1.5 | 实验充分 1.0/1.5 | 清晰度 0.7/1 | 影响力 0.8/1.5 | 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

• Xiaoli Ji：机构信息未能从会议 PDF 纯文本可靠映射
• Can Wang：机构信息未能从会议 PDF 纯文本可靠映射
• Yuhan Zhu：机构信息未能从会议 PDF 纯文本可靠映射
• Aijun Li：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本研究处理在线口语理解中音高重音与信息焦点的整合问题，输入为疑问词问句引导的被动句听觉对话，输出为自然度判断行为反应与锁定首名词短语与次名词短语起点的事件相关电位，难点在于分离声学显著性驱动的持续正波与话语层焦点表征维持的负波。在120组四条件对话语料下，先由疑问词问句设定焦点落在首名词或次名词并交叉重音有无，其输出进入美国英语男声录音与基频校验以固定声学实现。再将校验后刺激分块呈现并做32导脑电记录与自然度判断，从而分离位置依赖的重音与焦点效应。相比母语者两阶段短时正波与稳健冗余惩罚，本工作呈现时程拉长的平台样正波与仅限句首的焦点负波，意义在于揭示学习者依赖反应性声学策略而非预测性话语评估的部分习得接口。在次名词短语200-1200毫秒听觉对话评测条件下，缺失重音条件在中线电极的主效应指标为F(1,31)=12.250，高于该条件在双侧电极的主效应指标的F(1,31)=10.260。结论适用边界受限于通过大学英语六级且词汇量测试超50分的中等水平中国学习者被动句听理解的句首整合优势，尚未验证高水平者、自发对话或句法编码焦点的外推，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

为什么听懂英语问答不只是听清每个词？

这篇论文的输入是英语口语对话，目标是理解中国英语学习者在听到回答句时如何同时处理两种信息。第一种信息是白话说的声音轻重，也就是重音，英文名是 pitch accent，指说话人把某个词读得更高更长更突出。第二种信息是白话说的问题指向，也就是焦点，英文名是 focus，指上文疑问词问的是谁，回答中哪个成分就是新信息。必须保留的关键信息是研究只用疑问词问答对话，只在被动回答句的两个名词位置上做操纵，首名词记为 NP1，尾名词记为 NP2。

输出是行为上的自然度判断加上脑电上的事件相关电位，英文名是 event-related potential，简称 ERP。学习这篇论文要先建立一个直觉，母语者听到重音落在不该落的地方会立刻觉得话语不对，而二语者可能只听到了声音变大，却没有算清它与问题的对应关系。论文要回答的正是这种声音与话语是否对齐的能力在二语者身上是不是分位置发展的。全文不涉及任何代码或模型公开，资源状态为没有可验证的公开链接，因此所有复述都只能回到论文文字与图像素本身。

母语者研究已经证明了什么，二语缺口在哪里？

母语者路线已经形成比较稳定的结论。早期工作显示信息结构表征可以独立于表层韵律建立，焦点位置本身就能引发正波。裂句中句法编码的焦点会引发类似 P3b 的话语整合反应，而不恰当的焦点分配会引发 N400，反映把焦点成分与先前话语期待整合时遇到困难。另一条更贴近本研究的路线是自然口语对话研究，代表是 Dimitrova 等人 2012 年的工作。他们让被试听上下文加目标句，发现重音成分有早期正波，反映对突出的自动检测。

更重要的是多余重音引发稳健的 N400，而缺失重音没有产生可比的早期负波，两种错配在晚期都引发正波，可能反映再分析。他们据此提出多余的韵律标记比缺失更难处理，原文称为 Less is not more。中文英语学习者方向此前多为行为实验，有工作指出困难不在语音维度的感知，而在语调形式与意义的联结，但神经机制基本未被探索。尤其没有研究在疑问词问答语境中同时检验重音与焦点，也没有检验上述不对称是否适用于二语。

因此本研究的对照基准很清晰，同输入是听觉对话，同目标是判断韵律与信息结构是否一致，同运行阶段是在线理解，但被试群体与位置操纵是新的。初学者容易误以为行为正确率高就等于加工像母语者，母语文献提醒我们必须分开看早期自动检测与晚期话语整合。

三个待回答的问题是什么，难在哪里？

论文明确提出 3 个问题。第一，中国英语学习者如何实时加工重音。第二，如何实时加工焦点。第三，信息结构如何影响他们的重音加工。难处在于重音与焦点在声音上常常重合，但在功能上可以分离。

如果只比较有重音与无重音，就分不清被试是对声音大敏感还是对问答合适敏感。所以必须构造 4 种组合。举一个教学例子帮助理解，假设上文问谁还被威尔看见了，焦点应在首名词杀手上。若回答把杀手重读，就是焦点有重音的一致条件。若回答反而把威尔重读，就是焦点在首而重音在尾的错位。

论文用被动句 The killer was seen by Will too 来实现这种错位，关键名词要么是首名词杀手，要么是尾名词威尔。例子只是帮助理解句式，实验实际用了 120 组四联句，覆盖不同人名与事件。另一个难点是位置，句子越往后，被试要记住的问题期待可能衰减，声音的干扰也可能累积，因此必须在 NP1 和 NP2 分别锁定脑电，才能看到位置依赖。行为上还要控制自然度判断的策略，避免被试只按重音有无按键而忽略问答关系。

从听到对话到得到脑电，全流程如何走通？

先沿一个样本走完输入到输出。输入是三句话的听觉序列，第一句是主动语态的事件描述，例如威尔看见了小偷。第二句是被动语态的疑问词问题，例如谁还被看见或谁还被杀手看见。第三句是被动语态的回答句，例如杀手也被威尔看见了，其中加粗词表示实际录音中被重读的词。表示阶段是被试头戴电极帽听音，每句之间有 500 毫秒静音，听完三句后按 F 表示自然、按 J 表示不自然。

组件阶段是脑电记录与行为记录并行，脑电锁定在 NP1 与 NP2 的起点，前 200 毫秒为基线，后 1200 毫秒为分析窗。目标阶段是比较 4 种条件下正确率、反应时与各时间窗平均波幅。输出是位置分离的结论。下面的概念桥把在线记录与外显判断联系起来。

事件相关电位 × 自然度判断： 事件相关电位负责以毫秒精度记录听到关键名词后的脑电变化，锁定在词起点前后；自然度判断负责让被试在每段对话后按 F 或 J 键回答是否自然。两者搭配的原因是行为按键给出外显终点，脑电给出在线过程，组合后可以区分听懂了但加工费力与直接判断为不自然两种情况。

下面的概念桥把声音与话语两条线索的含义固定下来。

声学显著性 × 话语整合： 声学显著性指重读词本身更响更长更高带来的自下而上注意；话语整合指把当前词与上文疑问词问题建立的期待联系起来。两者搭配的原因是只听声音也能产生正波，只算话语也会产生负波，组合意义是判断尾位置的效应到底是听到了重音还是算清了焦点。

整个流程没有训练神经网络，也没有更新任何模型权重，计算只是平均叠加与方差分析。录音由 1 名美音男性母语者完成，录后用 Praat 切分与标注，声学检验确认重读词有更高的基频峰、更低的基频谷、更长时程与更大音高跨度。呈现时按 35 段对话分块播放，保证听觉疲劳可控。

重音、焦点与位置三个部件各自负责什么？

重音部件负责制造声学差异。它的操作是让目标名词重读或不重读，检验声是听觉系统能否检测到突出。焦点部件负责制造话语差异。它的操作是由上文疑问词决定焦点应在 NP1 还是 NP2，检验被试是否维持了问题期待。位置部件负责把上述两种操纵分别放在句首与句尾，检验维持与更新的负担。

4 个实验条件的逻辑是两两交叉。一致条件是焦点有重音、非焦点无重音。缺失条件是焦点该有重音却没有。举例就是问题问首名词而回答没有重读首名词。多余条件是非焦点不该有重音却有。

举例就是问题问首名词而回答重读了尾名词。下面的段落分别固定 3 组术语。

重音 × 焦点： 重音负责用声音突出某个词，表现为更高的基频峰、更长的时长和更大的音高跨度；焦点负责标记问答中被询问的新信息位置。两者搭配的理由是话语要求重音落在焦点上才算自然，组合意义在于把声学显著性与话语期待对齐，错位就形成缺失或多余条件。

缺失重音 × 多余重音： 缺失重音指焦点词该重读而没有重读，分工是检验听者能否发现信息欠标记；多余重音指非焦点词不该重读却重读了，分工是检验听者对冗余标记是否敏感。两者搭配才能检验母语者中少即是多的不对称，组合意义是看二语者是更难容忍多余还是更不在意缺失。

首名词位置 × 尾名词位置： 首名词位置指被动回答句中第一个名词，如杀手被人看见中的杀手；尾名词位置指 by 后面的第二个名词，如被威尔看见中的威尔。两者分工是把同一句话语功能放在句子加工的不同时间点检验，搭配理由是工作记忆与话语更新负担随句推进而变化，组合后才能发现位置依赖的分离。

脑电分析把重音主效应、焦点主效应与信息结构对重音的调节分开检验。重音主效应是把有重音条件平均对比无重音条件。焦点主效应是把焦点条件平均对比非焦点条件。调节分析是单独看缺失与多余两种错配，分别对比其匹配基线。时间窗按位置预设，NP1 看 300-900 毫秒的负波与 800-1200 毫秒的正向偏移，NP2 看 200-1200 毫秒的持续正波。电极覆盖额区、中央区与顶区，中线 Fz、Cz、Pz 为重点。

本研究有没有训练阶段，真实计算是什么？

本研究没有训练阶段，没有优化器、梯度路径、参数冻结与更新、损失函数或早停。必须明确说明这一点，不能把无训练等同于确定性求解。真实计算是 3 类。第一类是刺激构造计算，用 Praat 做切分、标注与基频、时长测量，确认重读与非重读的声学可分性。第二类是脑电预处理与平均计算，用 EEGLAB 与 ERPLab 在 Matlab 中处理 32 导数据，采样率 500 赫兹，电极与头皮阻抗保持在 5 千欧以下，数据按条件与电极叠加平均得到 ERP 波形。

第 3 类是统计推断计算，对行为正确率与反应时、脑电各时间窗平均波幅做重复测量方差分析，报告 F 值与 p 值。监督来源不是标签训练，而是实验设计本身提供的条件标签与被试的自然度按键。重置时机对应每个试次的基线校正，即以关键名词起点前 200 毫秒为零点。由于没有模型训练，不存在训练资源与推理延迟的权衡，也不能从方法名称推定任何自动成分。复现时真正要做的是重放同样的听觉材料与按键流程，而不是调参。

被试、材料与记录条件是否交代清楚？

被试条件交代比较完整。40 名右利手中国英语使用者参加，27 名女性 13 名男性，年龄 18-27 岁，平均 21.5 岁，视力正常或矫正正常，均通过大学英语 6 级，且英语词汇测试 LexTALE 得分高于 50 分。这保证了被试有足够词汇量听懂材料，但仍属于课堂英语学习者，不是平衡双语者。材料是 120 组四联句，每组覆盖 NP1 与 NP2 的 4 种组合。每试次三句话，中间有静音分隔。

记录条件是 32 导银氯化银电极按扩展 10-20 系统佩戴，采样 500 赫兹，离线分段为关键名词起点前后共 1400 毫秒。任务是听完判断对话是否自然。下面的表格把上述条件整理为可核对的清单，表中数字全部来自原文连续句，单位保留原文写法，不做换算。

比较问题是被试水平与材料规模是否足以支撑位置比较，公平条件是同一批被试听完所有位置条件，指标方向是样本量与试次量越大越稳定。

表后解释是该设计的收益在于同一被试内比较位置，避免了被试间能力差异的混淆，代价是听觉实验试次长，注意力波动可能增大晚期成分的方差。未胜出或未交代的边界是原文没有报告试次剔除率、伪迹阈值与电极插值细节，也没有报告分块顺序是否平衡，因此复现时需要补记这些预处理参数，否则晚期持续正波的幅度难以直接对比。

行为上学习者能否区分自然与不自然？

要回答的测量问题是 4 种韵律与焦点组合下正确率与反应时是否分离，比较对象是 4 个条件之间，条件一致指同一批被试、同一套录音、同一按键规则，指标方向是正确率越高越好，反应时越短通常表示判断越容易。原文报告正确率在条件间差异显著，而反应时没有主效应，且重音落在 NP1 时正确率更高、反应时相对更快。这支持学习者在外显判断上对句首重音更敏感，但不能证明在线加工也是如此，需要脑电补充。

下面导读行为柱状图，左侧为正确率，右侧为反应时，横轴为 4 个条件，纵轴分别为正确率与毫秒，误差线反映被试间变异。

看图路径： 1. 先看左右两幅柱状图分别代表正确率与反应时，再看横轴四个条件从一致到不一致的排列；2. 比较左侧最高柱与最低柱的落差，确认一致条件与重音落在首位置时正确率更高；3. 观察右侧四柱高度接近且误差线很长，确认反应时没有随条件系统变化；4. 对照图例中首名词焦点重音与尾名词焦点重音的标记，记住行为上首位置占优

论文图 1。原论文 Figure 1：“The bar graph of the mean accuracy rate”。

从像素可见左侧四柱从高到低排列整齐，一致条件最高，多余条件最低，误差线较短，说明正确率随一致性下降而系统下降。右侧四柱高度接近，误差线很长，纵轴刻度达到 3000 以上，说明反应时变异大且条件差异小。这与原文无反应时主效应的报告一致。一个未胜出的细节是反应时没有随正确率同步变好，提示行为判断可能依赖晚期策略而非早期自动加工。下面的表格把行为与总体脑电效应并置，数字保留原文 F 与 p 写法。

比较问题是行为与脑电是否指向同一位置优势，公平条件是同一批数据，指标方向是 F 越大、p 越小越支持有效应。

表后解释是主要收益在于行为与脑电形成互补，行为显示首位置判断更容易，脑电显示尾位置声音反应更大，合起来说明外显判断容易不等于在线话语整合成功。具体代价是行为正确率受一致性影响大，可能掩盖了在线阶段对声音的过度依赖。反例是反应时完全没有区分度，因此不能用反应快慢证明哪种错配更难，这是原文明确报告的限制。

重音与焦点的主效应为何分在两端？

要回答的是重音与焦点是否在不同位置各自产生可靠脑电效应。测量的是 NP1 与 NP2 锁定后的平均波幅，比较的是有重音对无重音、有焦点对无焦点，条件一致指声学材料经过检验、基线与窗长相同，指标方向是正波向上、负波向下，F 大 p 小支持有效应。原文报告 NP1 焦点在 300-900 毫秒引发额中央负波，NP1 重音仅在 800-1200 毫秒有小正向偏移。NP2 重音从约 200 毫秒延续到 1200 毫秒，广泛分布，中线最大，且不依赖焦点操纵。这支持功能分离，即首位置能算话语，尾位置主要听声音。

下面导读 4 条件总波形图，图例 4 条线覆盖焦点与重音交叉，面板按电极排列，横轴为刺激前后时间。

看图路径： 1. 先按图例区分四条线：无焦点无重音、无焦点有重音、有焦点无重音、有焦点有重音；2. 再按行看额区与中央区电极，比较首位置 300-900 毫秒区间焦点线的下偏；3. 观察尾位置上有重音线条的持续上偏，注意其从早期延续到晚期的平台形态；4. 核对横轴从刺激前 200 毫秒到刺激后 1200 毫秒，确认效应不是基线漂移

论文图 4。原论文 Figure 4：“ERP waveforms of the four conditions on”。

从像素可见首位置面板中焦点线在中段持续下偏，对应 300-900 毫秒负波，而重音线的上偏出现较晚且幅度小。尾位置面板中有重音线条从早期就上偏并维持到 1200 毫秒，形态呈平台状，没有清晰可分的早晚双峰。这与母语者文献中 200-400 毫秒自动检测加 600-900 毫秒整合的两段式正波不同，支持作者所说的延迟且持续的资源需求型加工。局限是该图线条密集，像素分辨率下难以读出精确微伏值，因此复述只谈方向与持续性，不硬写峰值数字。下面的机制对比把本研究与母语基准并置，帮助初学者避免把持续正波直接等同于母语式整合。

比较问题是持续正波是否等于高效整合，公平条件是同类听觉对话任务，指标方向是持续时间长不等于效率高。

缺失重音时大脑是否发出不同信号？

要检验的是焦点该有重音而没有时，脑电是否区分缺失与一致。比较的是焦点无重音对焦点有重音，条件一致指焦点位置相同，只差重音有无，指标方向是负波表示欠标记难以整合，正波表示再分析。原文报告 NP1 在 800-1200 毫秒仅边缘显著，双侧 F 为 3.769，p 为 0.061，中线不显著。NP2 在 200-1200 毫秒出现更大负波，双侧与中线均显著。这看起来尾位置缺失效应更大，但作者提醒不能直接当作话语评估，因为尾位置本来就没有焦点效应。 下面导读缺失条件波形图，图例只有两条线，便于直接对比。

看图路径： 1. 先确认图例只有两条线：焦点无重音与焦点有重音，即缺失条件的直接对比；2. 比较前排电极在首位置 800-1200 毫秒区间两线的微弱分离；3. 再看尾位置 200-1200 毫秒区间实线相对虚线的持续下偏，确认缺失效应的位置差异；4. 注意九个电极面板趋势一致但额中央更明显，不要只看单一电极下结论

论文图 3。原论文 Figure 3：“ERP waveforms for missing accent condition”。

从像素可见九宫格面板中首位置两线在晚段分离微弱，而尾位置实线相对虚线在全程持续偏离，额中央更明显。这与统计报告的 NP1 边缘、NP2 显著一致。需要强调纵轴方向，负向上还是负向下要按图例与坐标判断，不能把向下直接当成性能变差，它在这里表示对欠标记的整合困难。像素不能精确辨别微伏数值，因此只报告原文 F 与 p。下面的表格把缺失与多余的统计并置，保留原文单位与精度。

比较问题是哪种错配在哪个位置更可靠，公平条件是各自对比其匹配基线，指标方向是 p 越小越可靠。

表后解释是主要发现为缺失在首位置几乎看不到稳定效应，在尾位置却很大，这种反转恰好说明尾位置的大效应不是话语计算，而是声音差异本身。代价是如果只看 p 值会误以为学习者在尾位置更懂话语，纠正方法是回到焦点主效应缺席的事实。未胜出项是 NP1 缺失与多余的主效应均不显著，这是削弱版少即是多判断的关键证据。

多余重音是否比缺失更让学习者困扰？

母语者中多余比缺失更引发 N400 与晚期正波，问题是学习者是否也有这种不对称。测量的是非焦点有重音对非焦点无重音，比较基线是同一非焦点位置，指标方向同上。原文报告 NP1 在 500-700 毫秒有多余导致的更大负波描述，但主效应不显著，在 800-1100 毫秒的更大正波描述同样主效应不显著。NP2 在 200-1200 毫秒主效应显著。这意味着首位置的多余与缺失区分主要体现在时间形态而非幅度，尾位置的显著则同样可能是声音显著性。

下面导读多余条件波形图，上半为首位置对比，下半为尾位置对比。

看图路径： 1. 先确认图例为无焦点无重音与无焦点有重音，即多余条件的直接对比；2. 观察上半部分首位置 500-700 毫秒的短暂负向分离与 800-1100 毫秒的正向回摆；3. 再看下半部分尾位置 200-1200 毫秒虚线的持续偏离，判断其主要由声音驱动；4. 对照不同电极列，确认尾位置效应分布更广而首位置效应不稳定

论文图 5。原论文 Figure 5：“ERP waveforms of superfluous accent on”。

从像素可见上半首位置两线在早期大负偏后迅速重合，中段分离小，下半尾位置虚线在全程持续偏离，分布更广。这支持原文所说的首位置分化不稳定、尾位置由声学驱动。同样不硬读电压值，只谈分离的持续性与分布。需要提醒初学者，同色不必然同对象，要按每幅图下方的图例确认哪条是无焦点有重音。

比较问题是不对称是否成立，公平条件是缺失与多余各自有匹配基线，指标方向是多余应更大更早出现负波。

哪些结论站得住，哪些还只是可能？

直接报告的事实是尾位置重音正波 robust 且持续，首位置焦点负波可靠，缺失与多余在首位置区分弱，行为正确率条件差异显著而反应时无差异。这些有 F 与 p 支撑，可以用报告或显示来表述。有限解释是把持续正波解释为延迟的资源需求型加工，把首位置负波解释为语义语用整合困难，把尾位置缺失与多余效应解释为声学显著性而非话语评估。这些有文献与地形分布支持，但没有独立操纵注意或记忆来验证，只能用支持来表述。

未验证推测是学习者不能在句尾维持话语表征，以及预测性与反应式策略的区分，这属于可能或待验证。缺失证据不是技术错误，原文没有报告试次剔除、伪迹标准、多重比较校正、个体差异与英语水平相关性，也没有测量延迟与成本，因此不能承诺方法改善了任何实时性指标。总体趋势不等于每组每步都成立，额中央最大不等于顶区没有效应，行为首位置优势不等于脑电首位置全面占优。

另一个限制是刺激只有男声美音朗读，语速为正常语速，结论外推到女声、其他口音或自然语速时需要重新检验。

要重做这项实验，先固定哪些步骤？

复现先做材料与流程固定。按 120 组四联句准备主动描述加被动疑问词问题加被动回答，确保每组在 NP1 与 NP2 各有焦点有重音、焦点无重音、非焦点有重音、非焦点无重音 4 种组合。用母语者录音后在 Praat 中切分与标注，检验重读词的基频峰、基频谷、时长与音高跨度可分。播放时每句间隔 500 毫秒静音，按 35 段分块，听完判断自然度，按 F 为是、J 为否。脑电按 32 导扩展 10-20 系统佩戴，阻抗低于 5 千欧，采样 500 赫兹，锁定 NP1 与 NP2 起点，前 200 毫秒基线，后 1200 毫秒分析。

预处理需补记原文缺项，包括滤波、眼电校正、伪迹剔除阈值与坏导插值。统计先做重音与焦点主效应，再做缺失与多余的调节分析，时间窗固定为 NP1 的 300-900 毫秒与 800-1200 毫秒、NP2 的 200-1200 毫秒，电极分区报告额区、中央区、顶区与中线。何时值得尝试是当你想检验二语韵律话语接口是否分位置习得，或想对比不同母语背景学习者时。还需补的验证是加入工作记忆广度、词汇量连续分数与个体正确率的相关，以及缩短问答间隔或变换句长后的位置稳定性。

只有补了这些，才能判断尾位置失效是记忆衰减还是策略选择。

一句话收束：学习者到底学会了什么，还缺什么？

合起来看，学习者学会了听出重音，尤其在句尾对声音很敏感，也能在句首把焦点与问题联系起来，表现为首位置 300-900 毫秒负波。但他们还没有学会像母语者那样在全句维持话语期待，也没有形成稳定的多余比缺失更难的评估，表现为尾位置无焦点效应与首位置不对称微弱。这不是全面缺失，而是部分且挑位置的习得。教学含义是训练不应只练重音感知，而要练在句子推进中更新问题期待，例如 lengthen 问答间隔的听力任务与即时自然度反馈。

研究含义是未来需要用更细的时间窗与个体差异数据，区分持续正波中有多少是注意，有多少是话语再分析。回到起点，声音大不等于话说得合适，首位置算得清不等于全句都算得清，这正是这篇论文用位置分离讲清楚的核心。

📐 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 25 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