没有声调就没有重音：泰语重音回忆揭示重音与声调的依赖关系

英文题目：No stress without tone: insights from Thai stress recall

会议身份：conference:speechprosody:2026:conference-paper-id:kaland26_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 #韵律 #言语感知 #语音属性识别

评分：5.1/10 | 创新 1.2/2 | 技术严谨 1.1/1.5 | 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 0.2/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• Constantijn Kaland：机构信息未能从会议 PDF 纯文本可靠映射
• Komtham Domrongchareon：机构信息未能从会议 PDF 纯文本可靠映射
• Ruben van de Vijver：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

泰语同时具有固定词重音与五个词汇声调，任务输入为三至五词无意义音节序列，输出为按键回忆的音位或重音模式，难点在于时长、强度与基频三线索高度纠缠且声调功能负载优先使重音难以分离感知。方法首先复用荷兰语与波斯语发音的48个nonce词原始刺激，先经按键映射学习与暖机再完成30试次回忆测试以建立可比基线。接着用Praat重合成将基频展平为中位水平而保留其他线索，其输出直接作为第二组被试的测试刺激以隔离音高贡献。最后以广义线性混合模型比较基频条件、对比类型与序列长度效应，相对既有产出研究仅靠时长即可的结论，该设计关键差异在于感知端剥离基频并以音位回忆为对照。在三至五词序列回忆任务条件下，展平基频刺激的指数指标为62.22，高于原始刺激的指数指标24.36。这表明感知阶段高度依赖音高而非时长，揭示重音与声调的依存关系并修正重音为独立词汇属性的主张，具有澄清功能负载假说在泰语中表现的意义。该结论适用边界仅限标准中部泰语孤立词层面，尚未验证连续语流与具体声调类别归因等外推范围。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 复现相关资源：https://osf.io/xwmka/ — 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，目标是什么，本文要回答哪两个问题？

本文的输入是两组听觉回忆行为数据，目标是判断泰语词重音是否被词汇存储，以及基频在其中扮演什么角色。研究对象是标准中部泰语的成年母语者，共 22 人，平均年龄 26.3 岁，年龄范围十八到四十五岁，其中 13 人听原声刺激，9 人听平坦基频刺激。所有被试自报为出生起的泰语母语者且无听力问题。

实验沿用此前在西班牙语、法语、日语、荷兰语等语言中使用的重音回忆范式，测试材料是无意义双音节词，组织成三词、四词和五词长度的序列，要求被试凭听觉记忆按键复述序列。需要保留的关键信息是任务包含音素对比和重音对比两个模块，比较逻辑是用重音错误率减去音素错误率得到指数，指数越小说明重音回忆越接近音素回忆，词汇存储程度越高。

原文明确提出两个研究问题，第一是泰语重音在多大程度上被词汇存储，第二是基频在这方面的作用是什么。输出是行为正确率、广义线性混合模型的显著性判断，以及与既有跨语言指数的对照。理解本文时要先接受一个背景矛盾，泰语既有词重音又有 5 个词汇声调，声调主要靠基频，重音主要靠时长，但重读音节的声调动程更大，这就留下基频可能兼带重音信息的通道。

功能负载假说曾预测用于声调的基频不再能用于重音，本文正是用可操纵基频是否可用的设计直接检验该预测。

同输入同目标的前人工作给出了什么对照条件？

在同输入同目标的意义上，最直接的对照是拉赫马尼等人在二零一五年用相同 48 个音频文件完成的回忆任务。该工作同时测试了日语、荷兰语、波斯语等语言，发现日语听者虽然主要靠基频区分词汇声调重音，其回忆表现与靠时长区分重音的荷兰语听者相当，而固定重音的法语和波斯语听者表现较差。这为本文提供了可比基线，泰语若表现接近荷兰语和日语，则支持其对位置变化有经验，若接近法语则支持固定重音无需存储。

另一条相关路线是泰语生产与感知研究，波蒂苏克等人让发音人读出音段相同、仅重音模式不同的名词动词序列和名词复合词，测量发现重读音节主要靠时长区分，而非强度或基频，非重读音节的声调动程被压缩。后续感知实验用声学操纵的序列验证了时长排序，但该研究未详细报告基频操纵的性质。在泰语韵律分析上，莫伦与兹西加把泰语分析为莫拉计时语言，以莫拉为载调单位，重读双莫拉音节，承认重音与声调的相互作用需要进一步研究。

马卢利姆与皮塔亚蓬区分单语素词、复合词和句法短语 3 类词汇化程度，发现越词汇化的单位首尾音节时长比越小，末音节越长，重音被分析为落在韵律词右侧。西林特拉农与谢以并列复合词的排序为据主张泰语重音是词的词汇属性，但也承认词重音在感知和声学测量中不易可靠检出，且与句子重音和短语重音都指向末音节。

本文的增量在于不争论纯理论音系地位，而是用同一回忆范式、同一批刺激、仅改变基频是否可用的办法，检验听者在记忆层面是否真的需要基频。

为什么固定重音语言的重音记忆值得专门测量？

问题起点是泰语词根多为单音节，多音节词主要来自复合和借词，传统描写把重音记为几乎固定落在末音节。如果重音位置完全可预测，按照法语等固定重音语言的经验，听者没有必要把重音存入词典，回忆任务中就会表现出重音聋，即重音对比远难于音素对比。

但泰语情况更复杂，一是复合词的构成被解释为词汇过程，不同词汇化程度可能带来时长比差异，二是并列复合词研究发现中调和高调倾向于出现在末位置，三是流行歌曲歌词与旋律匹配研究发现泰语主要依据音节时长匹配长音，节拍匹配为辅。这些都暗示时长承载的 prominence 可能随词汇类别变化。更关键的是声调与重音共享音节载体，重读音节的基频动程更大，非重读音节动程压缩，这意味着即使规则上重音固定，基频包络的形状仍可能随重音变化。

如果听者日常每听到一个词就要定位声调，他们对基频在词中不同位置的出现是有丰富经验的。于是例子可以帮助理解，假设有两个无意义词，一个重读在前，一个重读在后，音段完全相同，听者若只听时长差可能区分有限，但若前者首音节基频上扬幅度大、后者末音节上扬幅度大，熟悉声调的听者就可能把基频起伏当作位置标签。这正是本文要分离的机制，时长是已报告的最强生产线索，但记忆层面是否足够，基频是否不可或缺，需要用去除基频的对照来回答。

两版回忆任务如何构成一个可复述的完整流程？

方法全景可以沿一个被试的 1 次实验走完。被试先报告所会语言以评估母语水平和多语情况，然后在心理工具箱网页环境中接受泰语指导语。实验包含两个测试模块，一个是音素对比模块，一个是重音对比模块，模块顺序在被试间随机，一半人先做音素后做重音，另一半相反。每个模块内部依次是训练、热身和正式测试。

训练阶段把对比中的成员甲与按键一关联，成员乙与按键二关联，被试可以反复按键聆听每键对应的 12 个条目，再听随机抽取的单个条目并按键，系统给对错反馈，直到连续正确识别 8 个条目才结束。热身阶段听双词序列，包括甲甲、甲乙、乙甲、乙乙 4 种组合，每个语言集合 8 个序列，必须全部无误才能进入正式测试，序列会重复呈现直到答对。

正式测试听三词、四词和五词序列，每种长度 5 个序列，共 30 个试次，序列内条目来自同一说话人性别和同一来源语言，只在对比成员和录制版本上变化，序列内不重复同一录音版本，不给反馈。关键的组间操纵是刺激版本，被试之间分为原声组和平坦基频组，原声组听来自荷兰语和波斯语发音人的原始无意义词，平坦组听把基频拉平但保留时长、强度和共振峰差异的合成版。

整个设计因此形成 3 个可比维度，同一被试内音素对比对重音对比，被试间原声对平坦，以及跨研究泰语对荷兰语、日语、法语等既有指数。

无意义词对比和序列是如何构造的？

刺激组件由 48 个音频文件构成，在对比类型、说话人性别和说话人语言上平衡。音素对比用首重读的两个词区分第二非重读音节的辅音，重音对比用音段相同的两个词区分重读在首音节还是末音节。重音对比的实现是多线索组合，重读音节在时长、强度、基频和共振峰上取值更高，详细声学特征沿用原研究表格，基频轮廓在相关博士论文中有分析。作者说明这些无意义词在泰语中确实无意义，但其韵律模式可比于名词动词序列或名词复合词。

每个对比、性别、语言组合有 3 个录制版本，因此总数为 4 乘 2 乘 2 乘 3 等于四十八。序列组件沿用原研究的固定表，三词序列包括甲甲乙、甲乙甲等 5 种，四词和五词各 5 种，设计原则是序列内不出现单一成员的简单重复，且同时包含两种成员，保证被试不能靠猜测单一按键通过。正式测试中序列的呈现顺序在被试间随机，序列内条目随机抽取，保证除对比和版本外其他因素一致。

重音 × 声调： 重音指音节在词中相对突出的位置信息，在本研究中主要体现为时长差异和回忆任务中的序列区分；声调指泰语 5 个声调在音节上基频走势的词汇区分功能。两者搭配的理由是泰语每个重读音节必然携带声调，而非重读音节声调动程被压缩，因此基频包络同时携带声调身份和重音位置线索，组合意义在于用基频是否可用来判断重音感知是否独立于声调。

重音聋 × 回忆任务： 重音聋指来自固定重音语言的听者难以区分和记住重音位置差异的现象；回忆任务指先学习两个无意义词与按键的对应，再听由其组成的三到五词序列并按键复述的范式。两者搭配的理由是音素对比回忆在各语言都容易，而重音对比回忆难度随母语重音可预测性变化，组合意义在于用重音错误率减去音素错误率的指数比较不同语言对重音位置的词汇存储程度。

平坦基频合成保留了什么，去掉了什么？

声学操纵组件的目标是得到基频对重音无信息量的版本。具体动作是对每个原始波形文件执行相同流程，用语音分析软件把原始基频轮廓替换为一条平坦单调的水平线，水平高度取该文件基频中位数，以避免波谷波峰异常值的影响，采用基音同步波形叠加方法重合成。

选择恒定水平而非下倾轮廓的理由在原文有交代，原始材料是孤立无意义词，没有短语语境，而基频下倾率依赖发音长度和语境，原始集中下倾效应不存在或极小，因此保持恒定更接近原始条件。除基频外，其他重音线索均未操纵，时长、强度和频谱差异原样保留。脚本已公开，路径为相关开放科学平台。理解该组件时要注意它不是简单的静音或滤波，而是只抹掉基频随时间的变化形状和动程差异，保留平均音高高度。

若听者原本依赖基频起伏幅度或声调身份定位重音，平坦后该通道即被关闭，若听者只依赖时长，则表现不应大变。这就构成后文结果部分的核心反证逻辑。

时长 × 基频： 时长指音节发音持续时间，在泰语生产研究中被报告为区分重读与非重读音节的最强线索；基频指声带振动频率及其随时间的变化轮廓，在泰语中主要承担声调功能。两者搭配的理由是原始刺激同时保留时长、强度、基频和共振峰差异，而操纵版只把基频拉平并保留其他线索，组合意义在于分离出当基频不可用时时长等线索是否足以支撑重音回忆。

词汇化 × 重音位置： 词汇化指复合词或外来词被作为整体存入心理词典并发生形态音系简化的程度；重音位置指重读落在词首还是词末等可变性。两者搭配的理由是泰语词根多为单音节、规则重音被描述为落在末音节，若复合词词汇化程度不同导致时长比和重音实现不同，则重音位置可能变得不可完全预测，组合意义在于解释为何规则重音语言的听者仍可能表现出对位置变化的记忆能力。

音素对比 × 重音对比： 音素对比指本研究中第二音节辅音不同但重音相同的无意义词对，如第二音节为库与努的差别；重音对比指音段相同但重读在首音节还是末音节的词对。两者搭配的理由是同一被试、同一流程、同一序列长度下分别测试两类对比，可以把一般的听觉记忆和任务难度扣除，组合意义在于用两类错误率之差构成跨语言可比的指数，避免把记忆力差误读为重音存储差。

本研究没有训练神经网络，真正的学习过程是什么？

本研究没有训练任何声学模型或神经网络，也就没有梯度路径、参数冻结与更新、优化器和早停等安排，需要明确说明以避免误解。真正的学习发生在被试端，分为两个阶段。第一是按键关联学习，被试通过主动按键聆听建立无意义词甲乙与数字键一二的映射，直到 8 次正确识别才算学会，计算机在此阶段提供正确与否的反馈。

第二是无反馈的记忆测试，被试听到多词序列后按顺序复述按键，系统不再告知对错，所有正式试次的正确率事后按零一计分进入统计模型。研究者端的计算是统计建模而非模型训练，采用广义线性混合模型分析正确与否，固定因素包括刺激版本、对比类型、序列长度的交互，以及刺激语言、刺激性别和模块顺序，随机截距包括条目和被试，序列长度采用相邻差异编码，分布为二项分布。

原文未报告超参数搜索、训练轮数或计算硬件预算，因为不存在拟合声学参数的过程。复现时不需要准备显卡，只需要复现网页实验流程、随机化逻辑和混合模型公式，并保留原始刺激与合成刺激的两版条件。

被试、分组和试次如何保证可比？

实验条件的公平性依赖三处控制。第一是被试同质性，均为出生起的泰语母语者，无听力问题，年龄分布已报告，分组为 13 人原声、9 人平坦，组间为被试间设计，避免同一人先后听到两版产生迁移。第二是刺激平衡，音素与重音对比、男女声、荷兰语与波斯语来源语言在 48 个文件中均衡，正式测试每个模块三十试次，覆盖 3 种长度各五序列乘两种来源语言，序列内控制性别和语言一致。

第三是流程一致，训练到 8 次正确、热身到八序列全对、正式测试无反馈、模块顺序随机，这些与原范式和线上复现版本保持一致。此处用表格整理人数、年龄和试次结构，阅读时先确认分组样本量和试次量，再看后文正确率是否可能受样本不平衡影响。表中数字与单位保留原文写法，年龄单位为岁，试次为计数，人数为计数。

表前比较问题是分组规模和试次量是否足以支撑组间比较，公平条件是两组被试语言背景相同且流程相同，指标方向是人数越多估计越稳，试次越多序列长度效应越可辨。

表后解释是原声组 13 人、平坦组 9 人、总计 22 人的规模在回忆范式中偏小，组间比较的效力有限，但试次结构与原研究完全对齐，每个模块三十试次保证了序列长度的三水平比较。

未胜出项是性别和语言的细分人数未按分组报告，因此无法判断 9 人与 13 人的性别构成是否均衡，后文模型中刺激性别显著而刺激语言不显著，需要结合该缺项谨慎解读。另一边界是线上浏览器运行带来的耳机和环境差异未被控制，原文未报告设备核查细节。

保留基频时表现如何，去除后下降多少？

主结果围绕正确率和指数展开。混合模型显示刺激版本效应显著，原声组回忆显著好于平坦组，对比类型效应显著，音素对比总体易于重音对比，序列长度有随长度增加正确率下降的趋势但未达显著，刺激语言无显著效应，男性声音带来更高正确率，模块顺序无显著效应。最关键的是刺激版本与对比类型的交互显著，即重音与音素回忆之差在平坦刺激下更大，平均指数进一步确认去除基频后重音回忆显著恶化。

跨语言对照上，原声条件下泰语表现接近用相同材料测试的荷兰语听者，而平坦条件下泰语表现差于传统下基线的法语听者。原文讨论指出这与固定重音预期不符，更像是听者对词中不同位置有经验，来源可能是词汇化带来的变异，也可能是把原始刺激中的基频起伏映射为已知声调，如重读音节的高调或升调、非重读音节的中调或压缩动程调。

结果比较的问题是基频是否带来可部署的记忆增益，公平条件是两版刺激除基频外其他线索相同，指标方向是正确率越高越好、指数越小越好。

表后解释是原声版的优势构成实际可运行策略，即在保留自然基频轮廓时泰语听者能利用基频动程差定位重音，而平坦版去除该信息后时长差异未能挽救回忆，代价是合成刺激自然度可能下降。

但原文报告音素对比回忆在两版间大体可比，支持自然度损失不是主因。未胜出项是五词长序列的重音回忆在平坦条件下几乎失败，说明长度增加与线索缺失叠加时记忆崩溃最明显，这也是总体趋势不等于每组都成立的提醒。

把基频拉平能否算作一次干净的消融？

把基频拉平在功能上相当于 1 次消融，去掉被认为次要的线索，观察主要线索时长是否独立支撑任务。原文的消融逻辑是干净的，因为操纵只替换基频轮廓为中位数水平，其他线索未动，且对每个文件执行相同流程。若时长是词汇属性且足以支撑记忆，平坦后重音与音素之差应保持稳定，但实际是差异显著扩大，指数从原声四词条件的二十余上升到平坦四词条件的六十余，支持基频在感知中的必要性。

需要补充的论文特有细节是合成选择的辩护，作者解释未采用下倾轮廓是因为孤立词无短语语境且原始集下倾极小，恒定水平更忠实。另一细节是中位数而非均值的选择，目的是抵抗原始轮廓中异常波谷波峰的影响。失败条件也值得记录，平坦后重音回忆在部分长度上接近地板，几乎无法区分序列，这不是时长线索完全无效的证明，而是说明在该任务和该刺激下时长不足以被词汇记忆调用。

原文并未测量基频轮廓中究竟是声调身份还是动程大小起作用，也未报告强度和共振峰的具体贡献，因此消融结论应限定为基频作为整体包络是必要的，而非某个基频参数是充分的。

哪些证据不足以支撑因果结论？

限制首先在样本与设计上。原声 13 人、平坦 9 人的被试间比较样本较小，个体记忆差异可能放大组间差，线上运行的设备、耳机和环境未统一，男性声音更易回忆的效应提示录音质量或音域差异可能混入，但原文未进一步分解。其次在机制归因上，研究显示去除基频后表现下降，支持基频参与重音感知，但未直接证明听者使用的是高调、升调还是动程差，也未排除听者把无意义词联想为真实泰语词并激活声调知识的可能，作者在讨论中明确列为两种并存解释。

第三在理论外推上，结果反驳了重音与声调相互作用被大幅缓解的说法，提出泰语韵律优先保证词汇声调、把其余非声调对比留给重音的依赖关系，但这属于有限解释而非直接验证，因为实验没有操纵词汇化程度或复合词状态，也没有测量生产端的时长与基频权重。

用报告、支持、可能 3 级表达就是，研究报告了平坦后指数显著增大，支持基频在回忆中的重要作用，至于泰语重音非词汇存储且完全依赖声调，则是可能但待验证的推测，还需用词汇化分层材料和声调身份操纵来补足。

要复现两版实验需要准备什么？

复现先做三件事。第一是获取材料与代码，开放科学平台已公开线上任务实现，状态为可用，另一脚本路径提供平坦合成的语音软件脚本，需要核对 48 个音频文件、序列定义表和随机化逻辑是否与原研究一致。第二是重建合成流程，对每个波形文件提取基频中位数，用基音同步叠加法替换为平坦轮廓，不改动时长、强度和共振峰，合成后试听确认无明显拼接 artifact，并保留中位数取值记录以备核查。

第三是搭建网页流程，用心理工具箱实现训练到 8 次正确、热身到八序列全对、正式测试每模块三十试次、模块顺序随机，指导语使用泰语译文。数据划分上不存在训练集测试集划分，被试内划分是音素模块对重音模块，被试间划分是原声对平坦，聚合对象是按被试和条目的正确率，指标是正确百分比和重音错误率减音素错误率的指数，统计用二项分布广义线性混合模型并纳入条目和被试随机截距。

资源状态方面，任务实现链接当前可用，已公开，合成脚本路径在原文给出但本次未单独验证可达性。复现时应记录浏览器、耳机型号和作答延迟，因为原文未报告这些部署成本，补测有助于判断线上噪声的影响。 复现核查的问题是操纵是否只动基频，公平条件是除基频外声学参数逐文件可比，指标方向是合成前后时长分布应基本重合。

表后解释是该核查表的主要收益是把可运行的复现动作具体化，代价是需要逐文件验证中位数和合成质量，工作量随 48 个文件线性增加。

未评测边界是不同基频高度对音素回忆的潜在影响，原文显示音素回忆大体可比，但未报告逐文件的音素正确率，复现时应补画该分布以排除合成引入的系统性偏差。

何时值得借用该范式，还需补哪项验证？

当研究问题是固定重音或声调语言是否存储重音位置，且能构造音段相同仅重音不同的无意义词时，该回忆范式值得尝试。它的优点是用音素对比扣除一般记忆能力，用跨语言指数定位新语言，避免把任务难误读为语言特性。借用时必须保留两个信息条件，一是原始多线索刺激，二是仅去除目标线索的合成版，否则无法判断时长与基频的分工。本文给出的实践教训是即使生产中最强的时长线索，在记忆层面也可能不足以独立支撑，感知权重需要单独测量。

还需补的验证有三项，第一是声调身份操纵，用高调、升调、中调的系统替换检验听者究竟用声调类别还是动程大小定位重音，第二是词汇化分层，用不同词汇化程度的真实复合词检验重音变异经验的来源，第三是扩大样本并平衡男女声，用实验室控制复核线上效应。本文的中心判断因此是泰语没有无声调的重音记忆，重音感知依附于声调实现，这一判断在当前两版对照下成立，但其声学细节和词汇机制仍待上述验证来细化。

📐 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 3 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