先一致还是先趋同：立场一致如何塑造后续语速趋同

英文题目：Speech Rate Convergence as a Function of Prior Stance Agreement and Perceived Social Dynamics

会议身份：conference:speechprosody:2026:conference-paper-id:lai26_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 #社会语音学 #语音属性识别

评分：5.2/10 | 创新 1.1/2 | 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 0.4/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• Wei Lai：机构信息未能从会议 PDF 纯文本可靠映射
• Delin Deng：机构信息未能从会议 PDF 纯文本可靠映射
• Duane Watson：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本研究处理自然双人对话中言语速率趋同是否受先验社会结盟影响的方向性难题，输入为公开表态后的协作解谜对话音频，输出为双人归一化音节速率绝对差，难点在于既往多在对话后收集好感度量，无法区分因为喜欢而趋同还是因为趋同而喜欢。方法链分为三步：首先通过预测试挑选立场一致与分歧议题并以同步举牌公开结盟状态，输出匹配与不匹配的社会先验分组；其次令被试完成主题独立的困境案例协作讨论，将上述分组带入自发语音采集；最后用音节核检测提取速率并以线性混合效应模型检验调节作用，输出收敛差异估计。与以往事后收集亲和度的工作不同，该设计把社会信息在时间上前置为自变量，从而直接对比沟通适应理论与互动结盟模型的预测。在四轮陈述立场与案例解决配对任务下，StatementStanceMatch×Agency交互的卡方指标为6.27，高于StatementStanceMatch×Attractiveness交互的卡方指标3.71。该结论适用边界受限于短时实验室任务与美国高校本科生群体，尚未验证基频与强度等多维趋同及个体非对称效应。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，目标是什么，读完要能复述什么

本文输入是自然双人对话的录音与实验流程记录，目标是检验讨论开始前揭示的立场关系是否影响随后讨论中的语速趋同程度。读者需要先建立一个基本判断：声音变相似不一定只是为了听得清，也可能是在表达关系。作者把社会信息放在对话之前，而不是事后问你喜不喜欢对方，就是为了试探方向性。如果先一致后更趋同，那么至少说明事先的社会对齐可以塑造之后的声音行为，而不是反过来。

为此你要能复述三件事。第一，任务不是识别或合成，而是测量双人语速差并解释其变化。第二，必须保留的关键信息是被试量、轮次结构、语速计算口径、模型固定效应与随机效应、主要系数值。第三，输出不是部署一个系统，而是一组探索性统计结论与限制。本文没有训练神经网络，没有提供可运行代码，没有声明数据公开，因此复现只能回到流程与统计口径。

言语趋同 × 言语发散： 言语趋同指交谈双方的声音或语言特征随互动变得更相似，本文用双人归一化音节率绝对差减小来操作化；言语发散指差异维持或扩大，分工在于前者对应缩小社会距离或提高理解效率，后者对应标记自主、主导或距离，搭配理由是交际适应理论同时允许两种方向，组合意义在于不能只看是否趋同，还要看在立场一致与不一致条件下趋同何时出现、何时被抑制。

接下来的学习顺序是先理解两种理论的对立预测，再看实验如何把立场展示与案例讨论分开，再看语速如何从波形变成每段一个数字，再看混合模型如何筛选变量，最后看结果在什么条件下成立、在哪里失效。这种顺序不能颠倒，因为如果你先看系数而不知道语速差越小表示越趋同，就会把正负号读反。

已有路线如何解释声音变相似

已有工作报告了多层次趋同。指称表达会缩短并重复双方确认过的说法，句法结构会互相靠近，音量与发音风格会互相匹配，语速在脚本对话或与实验助手互动中也会靠近。这些现象说明趋同是跨层次的，但它们没有回答社会评价在其中扮演什么角色。

社会调节路线进一步发现，当说话人觉得对方可信或有亲和意图时更可能对齐，趋同因此被理解为表达团结的工具。语速方面也有类似报告，社会态度与语速趋同存在关联。问题在于这些研究的社会信息多在对话后收集，可能是人口信息，也可能是事后问卷。于是因果方向不清楚：是因为喜欢才学对方说话，还是因为说话相似才互相喜欢。

互动一致模型 × 交际适应理论： 互动一致模型分工是解释趋同的认知效率机制，认为共用言语风格有助于预测对方话语时机从而更易理解，预测所有人都应趋同；交际适应理论分工是解释趋同的社会关系机制，认为是否趋同取决于对对方的正负评价与拉近或拉远社会距离的意图，搭配理由是本文同时需要效率基线与社会调节假设，组合意义在于形成可区分预测：若只有效率则立场匹配不应影响趋同，若社会动机起作用则立场一致组应更趋同。

本文的切入点是把社会线索前置。用开场陈述暴露双方立场，制造更可能亲近或更可能疏远的语境，再测量随后独立主题案例讨论中的趋同。如果说话人只是更喜欢声音像自己的人，那么事先立场与随后趋同之间应无相关。反之，如果事先立场能预测随后趋同，就为社会塑造声音提供了初步证据，但作者也明确这是探索性而非因果证明。

要回答的具体问题与可检验预测是什么

具体问题是事先通过观点陈述揭示的社会对齐是否影响随后自发目标导向对话中的语速趋同，以及被试感知的代理感与社交吸引力是否调节这种影响。自变量的核心是陈述阶段立场匹配与否，因变量是案例解决阶段双人归一化语速绝对差。调节变量是事后问卷得到的双人平均代理感与平均社交吸引力。

立场一致 × 语速差： 立场一致指在陈述表态阶段 2 人同时举同意卡或同时举不同意卡，不一致指 1 人同意 1 人不同意，分工是作为讨论开始前已揭示的社会信息；语速差指随后案例讨论阶段 2 人归一化音节率之差的绝对值，差越小表示趋同越大，分工是作为结果变量，搭配理由是时间顺序先立场后讨论可以试探方向性，组合意义在于把先发生的社会对齐与后发生的声音对齐接成一条可检验链条。

3 种预测可以对照。互动一致模型预测所有人都趋同，不强调立场分组差异。交际适应理论预测分歧较小、感觉更亲近的组趋同更大。反向喜欢解释预测事先立场与随后趋同无关。时间顺序设计让这 3 种预测可以放在同一数据中比较，但要注意这仍是相关性证据，因为立场不是随机分配，而是按预试挑选再经现场举卡确认。

四轮表态加讨论的全景流程是怎样的

全景可以沿着 1 对被试走一遍。2 人到隔音实验室签署知情同意后被随机配对，分配匿名编号。先做预试，对一系列观点陈述打分，例如大学是否应免费。实验员据此为每对挑选 4 个陈述，其中两个 2 人预试立场相似，两个分歧，顺序随机化。

正式实验共 4 轮，每轮分两段。第一段是陈述表态阶段，实验员朗读所选陈述，2 人数到三同时举起同意或不同意卡。注意此时举卡可能与预试不一致，以现场举卡为准并重新记录，作为分析用的预测变量。第二段是案例解决阶段，实验员给出一个简短两难问题，要求 2 人讨论并尽量达成共识或解决办法。实验员在讨论时离开房间，2 分钟后返回开始下一轮。

每轮的陈述与案例主题独立，目的是观察对齐行为如何随互动语境变化。全部 4 轮结束后，2 人被分开填写事后问卷，包括出生指定性别、政治归属、对伙伴社交吸引力评价、对伙伴能力评价、自我代理感评价，均为 1 到 10 分，其中部分题项因共线或编码困难未纳入本次分析。整场约 50 分钟。

录音使用 Zoom H6 加头戴麦克风，双通道分开记录，保证每人语速可单独计算。实验室控制背景噪声，现金报酬招募美国某大学 96 名本科生，共 48 对，母语英语，18 到 22 岁，平均 19.2 岁，女性 71 人男性 25 人，自报无言语听力认知障碍。

立场分组、语速计算与问卷变量如何分工

立场分组是社会信息的载体。预试挑选保证每对既有相似也有分歧陈述，现场举卡保证预测变量反映讨论前一刻的真实分歧。这种安排的理由是让社会信息在讨论前被双方共同看见，而不是事后追认。

语速计算是声音行为的载体。用 Praat 处理录音，用检测强度峰的脚本找音节核，得到每秒音节数，排除停顿与静音，只算主动发声时间，再做归一化。每段讨论算 1 次双人绝对差，差小为趋同大，差大为趋同小。剔除超出 2 倍四分位距的离群段，共删除 6 段对话。

代理感 × 社交吸引力： 代理感指被试在 1 到 10 量表上评价自己在任务中感到多大掌控与贡献，取双人平均，分工是刻画自我感知的控制与主导；社交吸引力指被试评价对话伙伴的社会吸引力，同样取双人平均，分工是刻画对对方的关系性评价，搭配理由是两者都可能改变在分歧时坚持自我还是在一致时靠近对方的动机，组合意义在于它们不是主效应而是与立场匹配做交互，共同决定语速差随评价升高是上升还是下降。

问卷变量是关系评价的载体。分析纳入性别构成、案例顺序、立场匹配、政治一致性、平均吸引力、平均能力、平均代理感，以及立场匹配与其他主效应的双向交互，双人作为随机截距。选择双人平均的代价是抹掉了 2 人不对称，例如一方觉得对方有吸引力而另一方不觉得，这种不对称在本文不能被检验，作者在局限中明确承认。

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，也没有冻结或更新任何模型权重，不存在梯度路径、优化器、早停或权重下载问题。真实计算过程是信号处理加统计建模。信号侧是固定脚本检测音节核并算速率，规则固定，无学习。统计侧是用 R 的混合效应包估计线性混合模型，用逐步后退比较选择模型。

归一化音节率 × 绝对差： 归一化音节率分工是把每人用 Praat 脚本检测音节核得到的每秒音节数做归一化，排除停顿与静音只保留主动发声时间，使不同快慢基线的人可比；绝对差分工是把同一讨论段内 2 人归一化率相减取绝对值，越小越趋同，搭配理由是单人速率不能表示双人对齐，必须先可比再求距离，组合意义在于得到每段一个趋同分数，可直接作为混合模型的因变量。

需要补的缺项是归一化的具体公式原文没有给出，是按说话人基线、按轮次还是按全样本归一化无法从证据确认。同样，随机效应只有双人随机截距，没有报告随机斜率，说明没有为每对估计随时间或随条件的不同斜率。把无训练理解为确定性求解是错误的，因为混合模型估计仍有优化与收敛过程，且离群剔除与模型选择都会影响最终系数。

统计模型如何从大模型走到最终模型

最终因变量是每段双人归一化语速绝对差。起始大模型包括性别构成、案例顺序、立场匹配、政治一致性、平均吸引力、平均能力、平均代理感，以及立场匹配与每个其他主效应的交互，双人随机截距。用方差分析做后退比较，每次去掉一个高阶交互，若去掉后拟合显著变差则保留，否则取更简单模型。

下面这张原结果表是理解系数方向的基础，阅读时要注意语速差越大表示趋同越小，因此正系数对应趋同减少。表前需要明确比较问题与公平条件：比较的是在控制案例顺序与双人基线差异后，立场不匹配与匹配的差异，以及评价变量是否只在特定立场条件下起作用。

上表直接呈现了原模型矩阵中的估计与检验统计，行列均来自原文证据，未做单位换算与四舍五入。它的局限是原表矩阵只保留了部分行，完整最终模型还包括截距、吸引力与代理感主效应以及两个交互，文字部分补充了关键系数值。下一节将用整理表把模型选择与最终效应放在可比口径下展开，并说明哪些变量被删除。

哪些变量被删除，哪些交互被保留

模型选择先看交互项的去留，这决定了后续解释必须带条件，而不是谈笼统主效应。公平条件是同一因变量、同一随机截距结构、同一后退比较规则，只比较加与不加该交互的拟合差异。指标方向是卡方越大、对应 p 越小，越支持保留交互。

上表把删除与保留放在同一口径下，收益是能看清最终模型为何只谈代理感与吸引力的调节，代价是政治一致性、性别构成与能力评价的主效应也被删除，它们的删除卡方分别为 0.03、0.70 与 1.67，均不显著。这意味着不能用本文数据声称政治是否一致或性别组合影响语速趋同，未胜出项本身就是重要边界。需要提醒的是后退选择有探索性，多次比较会增加偶然显著风险，作者也定调为初步结果。

立场匹配、时间顺序与调节效应显示了什么

主结果按问题组织。测的是每段语速差，与谁比是立场匹配段与不匹配段在同一实验流程内的比较，条件一致体现在同一批被试、同一录音设备、同一语速口径、同一随机截距结构下比较。指标方向固定为差越大趋同越小。关键数字是案例顺序系数为正且显著，立场不匹配系数为正且显著，两个交互为负且显著或边缘显著。支持的判断是事先一致组随后更趋同，且评价变量反向调节。限制是样本为美国本科生、每轮仅 2 分钟讨论、离群剔除后样本略减。

上表的主要收益是区分了可直接读出的主效应与必须带条件读出的交互。在不匹配条件下，更高的代理感与更高的吸引力反而对应更大的语速差，即更少趋同。在匹配条件下，更高的代理感与吸引力对应更小的语速差，即更多趋同。代价是代理感与吸引力自身主效应不显著，不能单独说评价越高就越趋同。未胜出项是能力评价，它既无主效应也无交互，说明不是所有正向评价都起同样作用。

对图 2 的阅读要先确认坐标与分组再判断好坏。图前导读如下：该图横轴是双人平均代理感，纵轴是语速差，蓝色为立场匹配，黄色为不匹配，每点是一段对话，另有两条回归线，观察重点是两条线斜率方向相反并在中间交叉。

看图路径： 1. 先看横轴双人平均代理感从 5 到 9 与纵轴语速差的散点分布范围；2. 再对比蓝色匹配线随代理感升高向下与黄色不匹配线向上交叉的走向；3. 最后确认两条线在代理感约 7 附近交叉且高低两端差异方向相反

论文图 2。原论文 Figure 2：“The relationship between average agency and speech rate difference, conditioned on statement stance match”。

从像素可见，蓝色匹配线从代理感 5 附近约 0.35 处向右下倾斜，到 9 附近约 0.19，黄色不匹配线从 5 附近约 0.18 处向右上倾斜，到 9 附近约 0.37，两线在 7 附近交叉。散点纵向分散大，0 到 0.9 均有分布，说明趋势存在但个体差异大。结合原文解释，不匹配时感到更有掌控反而更坚持自我节奏，可能标记主导或距离，匹配时感到更有掌控反而更靠近对方，可能用趋同强化亲近。吸引力图 3 文字报告了同构模式，但本次没有收到其像素，不能对其斜率与散点做像素级判断，只能按文字归因引用。

如果拿掉关键条件，结论还剩什么

把立场分组拿掉，只看全样本是否趋同，会丢失本文核心差异，因为匹配与不匹配方向相反，平均后可能互相抵消。把案例顺序拿掉，会忽略随时间发散的趋势，可能误把后期更大的语速差归因于立场。把交互拿掉，只谈代理感或吸引力主效应，会得到不显著的错误印象，因为它们的效应完全依赖立场条件。

反证来自被删除项。性别构成、政治一致性、能力评价的删除说明趋同差异不能被这些变量简单解释，至少在本文口径与样本下如此。但这不等于它们在更大样本或更长对话中无效，只是本次未通过后退比较。另一个反证是图 1 文字描述的随案例推进语速差渐增，若趋同是稳定特质，就不应出现这种时间发散，疲劳、任务熟悉或注意下降都可能是竞争解释，原文明确列出这些可能而没有裁决。

成本方面，本文没有报告训练资源、推理延迟或人工标注时长。录音与问卷总时长约每对 50 分钟，但语速脚本运行时间、R 模型拟合时间与硬件配置均未报告，因此不能从本文声称任何效率改进。

哪些边界会改变对结果的信任度

第一，探索性与样本局限。48 对、每段 2 分钟、剔除 6 段后建模，样本不大且为美国本科生，结论外推到其他年龄、语言或关系类型需要待验证。作者用初步与探索性措辞，相关性不能读成因果。

第二，测量口径局限。只用语速差一个指标，没有分析基频与强度等多维韵律，无法知道社会对齐是只作用于节奏还是跨维度起作用。双人平均抹掉了方向性，不能回答是谁向谁靠近，只能回答 2 人距离变化。

第三，变量覆盖局限。事后问卷收集了更广的评价，但因共线或编码困难未全部分析，未来需扩大预测变量并在说话人层面建模，用每人评价预测每人趋同，而不是双人平均。此外，立场按现场举卡分组，举卡本身可能受同伴压力影响，分歧的真实强度未知，政治与性别等变量的无显著也不能理解为无影响。

第四，可用性局限。本次未发现经验证的公开代码、模型或数据资源，不得声称已公开。没有像素的图 1 与图 3 只能按文字转述，不能猜颜色、坐标数值或曲线位置。

要复现这条链条先做什么

先复流程再复统计。流程上，准备 4 个预试陈述，按相似两条加分歧两条挑选，随机化顺序。每轮先朗读陈述并同步举卡记录现场立场，再给独立主题两难案例讨论 2 分钟，实验员离场，4 轮后分开填问卷。录音必须分通道，用头戴麦克风加便携录音机，隔音环境。

信号上，用 Praat 强度峰脚本检测音节核，排除停顿与静音，算每秒音节数并按原文口径归一化，再算每段双人绝对差，离群按超出四分位距 2 倍剔除。问卷取双人平均代理感与吸引力，保留案例顺序 1 到 4 为数值变量，立场匹配做和编码。

统计上，在 R 中用混合效应模型拟合语速差对立场匹配、案例顺序、吸引力、代理感及两个交互加双人随机截距，再做后退比较。复现时应完整报告归一化公式、随机效应结构、剔除前后样本量、全部删除项卡方，以及交互的简单斜率，避免只报显著项。还需补的验证是说话人层面的非对称分析、多维韵律扩展与更长对话的时间建模。

何时值得参考这篇论文，何时不必

当你的问题涉及对话前社会信息是否影响随后声音对齐，例如按观点分组再比较讨论阶段的节奏距离，本文值得参考。它的价值在于给出了一套可执行的分离设计：先用可见的举卡制造社会语境，再用独立主题任务测量声音，并用交互说明评价不是单向促进趋同，而是在一致时促进、在分歧时抑制。

当你的目标是搭建实时趋同系统或声称降低误判与延迟时，不必直接引用本文，因为它没有系统、没有延迟测量、没有多维特征，总体趋势也不等于每对每段都成立。常见误解是把吸引力高理解为必然学对方说话，本文恰好显示在分歧时高吸引力对应更少趋同，可能是分歧更显著而维持差异。另一个误解是把发散读成失败，本文把发散也视为有意义的关系信号，例如标记自主或距离。

收束一句话：在控制时间发散后，事先立场一致仍与随后更小的语速差相连，而代理感与吸引力的作用方向完全取决于是否一致，这一模式支持交际适应理论的关系解释，但因探索性、单指标与平均化口径，仍需更细的个体层面与多维验证。

📐 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 12 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