入声舒化早期：大同晋语时长守住对立、音高与嗓音让位

英文题目：Production and perception of Checked Syllables Opening in progress: A case study from Datong Jin Chinese

会议身份：conference:speechprosody:2026:conference-paper-id:liao26_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 #语音学与音系 #言语感知 #语音 #语音属性识别

评分：5.6/10 | 创新 1.2/2 | 技术严谨 1.1/1.5 | 实验充分 1.0/1.5 | 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

• Zhenyi Liao：机构信息未能从会议 PDF 纯文本可靠映射
• Lei Liang：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

该研究以大同晋语入声与上声合流风险为对象，输入为孤立单音节朗读与基于老年无合流发音的操控刺激，输出为多代人的声学实现差异与辨认边界，难点在于喉塞尾弱化是时长基频与嗓音多特征异步渐变且易与语速和边界效应混淆。生产采集单音节语料并用嗓音分析程序提取基频与谱倾斜及周期噪声参数加常用语音软件测量时长，其输出的归一化量度进入增长曲线分析与线性混合效应模型以检验声调与年龄交互。降维与权重估计用主成分分析压缩嗓音与基频轨迹并以逻辑回归估计时长与音高线索权重，其输出的权重排序直接决定辨认实验中时长与基频连续统的设计与边界建模。辨认验证实施强迫选择任务并用逻辑回归拟合辨认曲线与边界，前步的生产量度与权重为后步刺激步长与解释提供依据。与既往印象式描写不同，该文同时量化时长音高轮廓与周期性噪声并做代际比较，揭示线索权重再配置而非简单合流，具有早期音变阶段判断意义。原文未提供可核对的关键定量结果。结论的适用边界仅限单音节缓读的大同平城区话早期舒化阶段，尚未验证连读语流与鼻尾字调外推，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

为什么要同时看发音和听辨才能谈舒化？

这篇论文研究的是大同晋语的入声舒化，也就是传统上带喉塞尾的短促入声音节逐渐变长、喉塞弱化并向舒声音节靠拢的过程。初学者容易把舒化理解为喉塞一下子丢掉，但原文强调这是一个长过程，多特征不同步消失，有减弱、脱口化、脱落和声调合并等不同环节。对大同来说，背景是晋语保留了以喉塞尾/ʔ/为唯一塞尾的入声，声调系统有 5 个声调，其中 T5 是带喉塞尾的降调入声，T3 是原来高降的舒声上声。

先前的印象记音已经报告 T5 在向非入声调合并，平均基频曲线显示 T5 在调值空间中向 T3 移动。只看发音平均曲线会误以为合并已经完成，只做听辨又不知道发音端保留了什么，因此作者把发音实现与感知依赖放在同一条语音链上考察，提出 3 个问题：哪个声学线索起主要作用，当前处于变化的哪个阶段，哪一组人走在前面。

入声舒化 × 喉塞尾： 入声舒化指入声音节向舒声音节转变的过程，分工上喉塞尾/ʔ/是其起点形态，负责给出短促与喉头收紧的听感；入声舒化负责描述该形态经弱化、脱口化乃至脱落并带动声调合并的长时链条，二者搭配才能把单点的喉塞实现放进多特征不同步消失的演变序列中理解。

在进入具体声调之前，先沿着一个样本走一遍：说话人读出一个带/ʔ/的 T5 单音节，声带振动产生基频轮廓，喉头收紧产生嗓音色彩，整个音节的持续时间较短；听者接到这段信号，需要同时用音高走向、长短和喉头紧不紧来判断是 T3 还是 T5。如果喉塞尾从完全闭合退为不完全闭合或尾段嘎裂，那么时长可能拉长，音高起点可能抬高或变平，嗓音可能从爆破感变为噪声较大的嘎裂感。研究的目标就是把这 3 个维度的此消彼长量化出来。 下面这张五声调总览图先给出调值空间的大格局，读图时不要只看降不降，而要同时看长短与高低，这正是后文把时长单独作为首要线索的动机。

看图路径： 1. 先看横轴时长与纵轴半音，确认五条曲线的长短与高低位置；2. 比较 T5 蓝色短曲线的长度与 T3 橙色虚线的长度差异；3. 观察 T3 与 T5 在起点高度上是否已经靠近

论文图 1。原论文 Figure 1：“F0 traces of the five lexical tones in Datong Jin.”。

这张图显示 5 个声调的平均基频随时间变化，横轴是时长毫秒，纵轴是半音。关键可执行观察是：T5 的蓝色实线明显短于其他舒声调，长度上自成一类；T3 的橙色虚线在起点处与 T5 高度接近，但延续更长且先平后降；T1、T2、T4 则在轮廓形状上与这两者拉开距离。这支持原文的判断，即 T5 已经在音高维度上向 T3 靠拢，但时长维度仍保留入声短的痕迹，后文的代际比较与感知实验都是围绕这一矛盾展开的。

同类研究通常比较什么，不同条件如何对照？

与声音变化有关的语音学文献把同化、异化、弱化、强化、合并、分化、增音、失音都纳入声音变化，入声舒化只是其中一类，指入声音节经塞尾减弱、脱口化乃至丢失，并伴随入声调与舒声调合并。其他汉语方言的已有证据显示，时长往往是入声与舒声对立最稳固的相关量，而喉塞更多实现为不完全闭合而非教科书式的完全爆破，有时听感上只是尾段较紧的嘎裂声或紧张嗓音。

因此同类研究的可比维度是相同的输入与目标：在单音节 citation 形式下比较入声与对应舒声调的基频、时长与嗓音；在相同的运行阶段比较发音端保留了什么、感知端还用什么。 本研究的特殊性在于大同晋语只保留喉塞一种塞尾，被视为塞尾演化的最后阶段，变化不会一步完成。作者没有把喉塞有无当作二元标签，而是把嗓音拆成两个可测量维度：用谱倾斜度量声门张开与收紧程度，用谐噪比、倒谱峰突出程度与谐波幅度差度量噪声与周期性。

这种拆分使得后文的主成分分析有据可依，也使得中年组与青年组喉塞弱化后表现为嘎裂而非完全消失的解释可以被检验。相关工作的对照意义在于，不能把某一方言时长主导的结论直接搬到大同，必须在大同自己的三代人与发音感知两端重新估计权重。

要回答的三个问题是什么，判断标准是什么？

论文把大任务收敛为 3 个可检验的问题。第一，哪个声学线索在过程中起主要作用，判断标准是逻辑回归中时长、音高主成分、嗓音主成分对 T3 与 T5 类别的回归系数大小，以及感知辨认曲线是否随该线索的连续变化而翻转。第二，当前处于变化的哪个阶段，判断标准是发音端是否仍保留显著的时长差与喉塞痕迹，感知端是否已不再使用音高，辨认边界是否外移。如果发音仍分而感知已变，则为感知领先于发音的早期阶段；如果两端都不分，则为合并完成。

第三，哪一组走在前面，判断标准是三代人在发音轮廓、时长均值与感知边界上的排序是否一致。 教学上可以把例子与证据分开：举例来说，若把一段 T5 音频逐步拉长而保持音高不变，听者从某毫秒开始改判为 T3，这个翻转点就是辨认边界；但具体的边界毫秒数必须来自原文报告，不能用想象的数值替代。同样，音高靠拢不等于合并，时长拉长不等于已变舒声，都需要两端证据交叉才能下结论。

发音与感知两条线如何组织，样本如何走完全程？

方法全景是两条独立但材料衔接的线。发音线招募 37 名大同市区平城区的母语者，按年龄分为青年 8 人、中年 18 人、老年 11 人，读 63 个单音节词，其中非入声调每调 12 个，T3 经 2 名母语者核验后保留 11 个，入声 16 个。声母统一为阻碍音以控制协同发音，韵母舒声用若干元音组合，入声用带/ʔ/的对应组合，词以汉字呈现、孤立、自然语速读 1 次，用话筒以 44.1 千赫、16 比特录音。感知线另招 32 名本地人，青年 11 人、中年 9 人、老年 12 人，做二选一辨认。

刺激源是 1 名 67 岁无合并的男性母语者读的[ta] 的 T3 打与[taʔ] 的 T5 答各三遍，在此基础上用基音同步叠加法分别操纵基频与时长，各做 T3 基与 T5 基两条连续统，每条 7 步，共 140 试次。试次以不表调的汉字呈现，用耳机播放并记录按键与从播放结束到反应的时延。 沿一个样本走完全程有助于理解：发音样本从汉字到声波，再经基频提取、时长测量与嗓音参数提取，变成可建模的数值；感知样本从同一类单音节出发，经时长拉长或基频抬高，变成 7 步连续统，再变成被试的 T3 或 T5 按键。

两条线在 T3 与 T5 的对照上汇合，但被试不重叠，因此代际比较是组间比较而非追踪同一个人。

发音测了什么，每种参数的分工是什么？

发音测量分为 3 组。基频用 VoiceSauce 经 STRAIGHT 算法提取，再转为相对个人平均音高的半音，以消除个人调域差异；时长在 Praat 中手工或半自动测量，反映入声短促的核心特征；嗓音包括谱倾斜类与周期噪声类，前者如 H1*-H2*、H2*-H4*、H1*-A1* 等反映声门收紧程度，后者如 CPP、SHR 与多频段谐噪比反映嘎裂与噪声。测量在元音段内取 11 个等分点，为避开声母扰动与尾段嘎裂，去掉首尾点，嗓音分析只平均中间第 5 至第 9 点。

基频 × 时长： 基频负责携带声调的音高轮廓与调域高低，时长负责携带入声短促与舒声较长的节奏差异，在大同 T3 与 T5 音高曲线靠拢后，二者搭配的理由是音高区分力下降时必须有人接管对立，组合意义是形成以时长为主、基频为辅的新的权重格局。

白话来说，基频回答调子走什么形状，时长回答念得有多长，嗓音回答喉头紧不紧、声音糙不糙。三者缺一不可的原因是喉塞弱化后，爆破感可能转为尾段嘎裂，单看时长会高估舒化程度，单看音高会误判为合并，只有把嗓音的周期性下降也纳入，才能解释为何中年与青年组在音高靠拢后仍能被区分。

嗓音多维指标如何降维而不丢失对照？

嗓音指标维度高且彼此相关，直接全部放入回归会共线。作者用主成分分析把谱倾斜与噪声参数压缩为两个成分，结果显示第一主成分在三代人中稳定地对应周期噪声类，以不同频段谐噪比载荷最高，第二主成分多对应谱倾斜类。基频轨迹同样先用正交多项式拟合得到截距、斜率、曲率，再做主成分分析得到主要反映轮廓变化的第一成分与主要反映音高高度的第二成分，分别解释约 72.2% 与 26% 的方差。降维后进入逻辑回归的预测量是时长对数化并标准化后的值，加上嗓音主成分一与二、基频主成分一与二，因变量是声调类别，从而用系数大小比较相对权重。

嗓音质量 × 谐噪比： 嗓音质量是喉头 constriction 与噪声的总体维度，负责区分紧喉、嘎裂与清脆元音，谐噪比是其可计算的周期性子指标，负责量化谐波能量相对噪声的比例，二者搭配才能把喉塞不完全闭合时的嘎裂听感落到可比较的声学数值上。

这里的搭配理由是先用无监督压缩解决相关性，再用有监督回归解决权重比较，避免把高度相关的多个谐噪比当作多个独立证据重复计数。初学者复述时要说清顺序：先分段平均，再主成分压缩，再标准化进入回归，而不是直接把原始几十个参数扔进模型。

本研究没有训练神经网络，真正的计算是什么？

本研究没有训练神经网络模型，也就没有冻结与更新的网络参数、梯度路径与早停等概念，不能把无训练等同于确定性求解。真正的计算是统计建模与信号处理。发音端用生长曲线分析比较 T3 与 T5 在高度、斜率、曲率上的差异，用线性混合效应模型检验时长与嗓音参数的声调、年龄主效应与交互，用主成分分析降维，再用逻辑回归估计线索权重。感知端用逻辑混合效应模型拟合辨认反应，把判为 T3 记为 0、判为 T5 记为 1，估计辨认边界并用事后比较检验组间差异。

线索权重 × 辨认边界： 线索权重负责说明发音中时长、音高轮廓、嗓音各自对声调类别的回归贡献大小，辨认边界负责说明感知中从判为 T5 翻转为判为 T3 的时长阈值位置，二者搭配才能检验发音与感知是否同步，组合意义是判断舒化处于早期还是已完成合并。

感知刺激的构造计算同样重要：以无合并老年男性的自然发音为基，用 PSOLA 分别拉长缩短时长、抬高降低基频，做成 7 步连续统。原文明确 T5 基时长连续统中刺激编号越大时长越长，基频连续统中编号越大基频越高。这种构造保证听到的变化只来自被操纵的维度，另 1 维度的残留如 T5 基自带的喉塞嘎裂则被保留，从而可以分离时长与嗓音的作用。未报告的缺项是具体的每步毫秒与赫兹步长、PSOLA 的细化参数与反应时的建模结果，复现时只能按 7 步与 140 试次的框架重做，不能从方法名称推定参数。

生长曲线分析 × 主成分分析： 生长曲线分析负责建模整条基频轨迹的高度、斜率与曲率差异，主成分分析负责把多维嗓音参数与多维音高参数压缩为少数正交成分，二者搭配的理由是避免直接比较逐点基频与高度相关的谱倾斜，组合意义是得到可进入逻辑回归的时长、音高主成分与嗓音主成分。

被试、材料与设备条件是否一致可比？

实验条件的公平性需要按证据交代。发音与感知被试均为大同本地母语者，除青年组普通话能力最高外，其余被试日常能用大同话交流，均无视听障碍报告。年龄分组均值有据可查，但发音与感知是两批人，组间年龄均值不完全对齐，比较代际趋势时只能谈顺序与方向，不能当作同一个人追踪。材料上发音用 63 词覆盖 5 个声调，感知只用 ta 与 taʔ1 对最小对立做连续统，控制了音段影响但也限制了推广到其他韵母的范围。

设备上发音用 Shure 话筒录音，感知用 E-prime 经 Sennheiser 降噪耳机呈现，试前有练习与组间休息。 下面这张表把两批被试的规模与年龄结构并置，阅读时注意发音与感知各成一行，列间不能混算总平均年龄。 表前的问题是：在样本量与年龄分布不对等的情况下，能否做代际比较？公平条件是组内母语背景一致、任务内条件一致，指标方向是组间排序而非绝对值相等。

表后解释是：发音中年组人数最多而青年组最少，感知 3 组相对均衡，这种不均衡不影响组内 T3 与 T5 的配对比较，但会影响组间方差估计的精度。未胜出的边界是青年发音组仅 8 人，对嗓音主成分中谱倾斜差异的估计更易受个体影响，后文青年组 H1*-H2* 显著更低的结论需结合置信带宽度谨慎看待。

另一未评测边界是除 ta 外的其他声母韵母组合在感知中未测，不能推广到所有入声韵。

发音端三代人发生了什么，谁还分得开？

发音结果先看音高。生长曲线分析报告老年组 T3 与 T5 在高度与曲率上差异显著，中年组在斜率与曲率上差异显著，青年组在高度与斜率上差异显著。实质是老年组 T3 整体高于 T5，保留传统的高降与中降的调域差；中年与青年组两者起点靠到同一高度，差异转为轮廓斜率；青年组 T5 失去起始凹形而更直，T3 则从降调变平。

这意味着音高区分从调域差退为轮廓差，再退为青年组几乎靠时长与嗓音维持。 下面这张分代音高图是理解权重转移的关键，读前先确认横轴为时长、纵轴为半音，橙为 T3、蓝为 T5。

看图路径： 1. 按老年、中年、青年三栏比较橙色 T3 与蓝色 T5 的起点高度；2. 观察青年组 T3 是否变平、T5 是否失去起始凹形；3. 注意每条曲线周围 95% 置信带的宽窄

论文图 2。原论文 Figure 2：“F0 trajectories with 95% confidence intervals of T3”。

解释这张图时按三栏执行观察：老年栏两线上下分离，T3 明显高出一截；中年栏起点并拢但 T3 下降更缓；青年栏橙线几乎水平而蓝线持续下滑，且蓝线尾段置信带变宽，提示青年 T5 尾段个体差异大。这与回归中老年组更依赖音高高度、中青年组更依赖嗓音的权重转移一致，但不能把曲线靠拢直接读成合并，因为时长与嗓音仍在起作用。 时长结果则显示三代人都保留显著差异。

下面的表把三代绝对时长并置，指标方向是 T3 长于 T5 即保留对立，数值越大不代表变化越慢，还需看 T5 自身的拉长。

表后解释是：主要收益是时长在三代都是首要线索，回归系数最大且稳定；具体代价是 T3 与 T5 绝对时长都随代际拉长，T5 从 169 ms 经 171 ms 到 193 ms，说明舒化以整体拉长的方式推进，而非 T3 缩短去迎合 T5。

反例是尽管均值拉长，组间差异未达显著，不能说每一代都显著长于上一代，只能说存在渐进趋势。雨云图进一步显示分布重叠与长尾，末端长尾不能当作典型值。

看图路径： 1. 比较每栏内 T3 橙色与 T5 蓝色分布中心的高低；2. 观察从老年到青年两类时长是否整体上移；3. 注意中间组与青年组 T5 上方的离散长尾点

论文图 3。原论文 Figure 3：“Raincloud plots of absolute duration for T3 and T5”。

这张雨云图的解释是：每栏左侧橙色 T3 的分布中心高于右侧蓝色 T5，青年栏两者中心都上移；中年与青年栏 T5 上方出现稀疏长点，提示个别 tokens 已很长，但主体仍短于 T3。嗓音方面，三代 T3 的谐噪比一致高于 T5，说明 T5 更糙、周期性更差；青年组 T5 的 H1*-H2* 显著更低，提示声门更紧，这可能与更陡的降调斜率与 T3 变平后的补偿有关，但原文提醒这可能是音高作用下降后的相对效应，不能直接读成喉塞增强。

权重回归如何证明时长第一、其他让位？

相对权重来自以声调类别为因变量的逻辑回归，自变量是标准化后的时长、嗓音主成分一与二、基频主成分一与二。总体上时长系数最大，其次是嗓音周期噪声成分与音高轮廓成分。分代看，老年组时长之后是音高高度与嗓音谱倾斜，中年组时长之后是嗓音，青年组时长之后是嗓音周期噪声成分。这种转移不是时长让位，而是时长稳居第一、第 2 名从音高换成嗓音。

初学者复述时要区分原始目标与近似：回归目标是拟合类别标签而非还原听觉权重，系数大小受标准化与共线处理影响，只能在同一模型内比较相对顺序，不能跨研究比较绝对值。 该结果的限制是模型未纳入交互项以外的语境因素，单音节 citation 的韵律边界与青年人对特殊声调的超清晰发音都可能放大嗓音差异。

原文明确提出 T5 最终可能变为高降舒声调、T3 经顺时针链移变为平调的推测，但这属于有限解释而非直接报告，应以可能与待验证的语气转述，不能当作已证实的链移。

感知端什么起作用，什么不起作用？

感知总体结果是时长连续统的两条辨认曲线交叉，而音高连续统的两条曲线几乎平行。也就是说，只改时长就能把判断从 T5 翻转为 T3，只改音高则翻不动。这构成一组天然的对照：时长是必要操作变量，音高是无效操作变量。在 T5 基时长连续统中，短于约 227 ms 时判为 T5，超过则判为 T3；在 T3 基时长连续统中，即使缩到 140 ms 仍有 55% 判为 T3，说明没有喉塞嘎裂时光缩短不够把 T3 听成 T5，嗓音是感知 T5 的必要条件。 下面这张四格辨认图把上述对照可视化，上排为时长、下排为音高，左列为 T3 基、右列为 T5 基。

看图路径： 1. 先看上排时长两格中两条辨认曲线是否交叉；2. 再看下排音高两格中曲线是否几乎水平且不交叉；3. 比较 T3 基与 T5 基时长连续统在短端的行为差异

论文图 5。原论文 Figure 5：“Identification curves for the four continua across all”。

解释时执行 3 个动作：先看右上 T5 基时长格，蓝色判为 T5 线从高到低、橙色判为 T3 线从低到高，两线在中间交叉；再看左上 T3 基时长格，橙线始终在上、蓝线始终在下，即使到第 7 步也未交叉；最后看下排两格，4 条线几乎水平，说明 7 步音高变化未引起辨认率系统变化。像素不能精确读出每步毫秒值时不要硬写，只能引用原文报告的边界值。

代际辨认边界进一步显示中年组走在前面，下表把 T5 基与 T3 基的边界并置，指标方向是边界越长表示需要更长才肯判为 T3，即对时长更不敏感、舒化感知更超前。

表后解释是：主要收益是两条连续统一致指向中年组边界最长，说明时长拉长先在中年感知中出现。

具体代价是老年组最敏感而中年组最不敏感，青年组居中而非线性推进，总体趋势不等于每组单调变化。未胜出项是音高在 3 组都不起主要作用，因此不能用音高边界排序来争先后。未评测边界是反应时数据已采集但未报告，不能推断加工难度或延迟改善。

哪些结论有边界，不能推广到哪里？

首先，材料局限明显。发音覆盖多韵母但感知只用 ta 与 taʔ1 对，韵母不同的喉塞实现与时长基线不同，不能把 ta 的 227 ms 边界推广到所有入声韵。其次，被试两批人不重叠且青年发音组仅 8 人，个体变异与普通话优势都可能影响青年轮廓变平的解释，需要跨语境复测。再次，嗓音权重上升的因果需谨慎，原文已提醒这可能是音高作用下降后的相对效应或 T5 拉长后的嘎裂伴随现象，而非喉塞本身增强，相关性不是因果。

最后，资源状态是另一边界：本次未发现来源绑定且完成验证的代码、模型或数据资源，不得声称数据或代码已公开，复现需按文中设备与参数重做。缺失证据不是技术错误，没有报告每步刺激毫秒、反应时模型与训练开销，并不否定已有结论，但也不允许承诺延迟或成本改善。

要复现这项研究，先做什么、记什么？

复现先做三件事。第一，按原文重建被试与材料：大同市区母语者分三代，发音 63 词声母限阻碍音、T3 经母语者核验，感知以无合并老年男性发音为基做 T3 基与 T5 基各 7 步的时长与音高连续统，共 140 试次，汉字呈现不给调号。第二，重建测量流水线：44.1 千赫录音，VoiceSauce 加 STRAIGHT 提基频并转半音，Praat 测时长，11 点采样去首尾、嗓音平均中间 5 点，做生长曲线分析、线性混合效应模型、2 次主成分分析与逻辑回归，时长先对数化再标准化。

第三，保留关键信息条件：发音孤立自然语速读 1 次，感知舒适声压经耳机呈现并记录按键与播放结束到反应的时延，试前练习与组间休息。 还需补的验证是：在连读与不同韵律边界下重测青年组 T3 变平是否稳定；在更多韵母上重测辨认边界是否仍以中年组最长；补报每步时长与音高参数、反应时与模型随机效应结构，以便他人用相同聚合口径核对。

何时值得尝试这个范式：当研究对象也是喉塞尾弱化且音高靠拢但时长仍分时，用时长操纵加 T3 基与 T5 基双基对照最能分离嗓音必要性；若对象已无时长差，则需另选首要维度。

今天的判断是什么，下一步看哪里？

综合两端可以直接报告的是：时长是区分 T3 与 T5 的首要线索，发音三代差异显著，感知中只有时长能翻转判断；音高是次要线索，发音端从调域差退为轮廓差，感知端已不起主要作用；嗓音是感知 T5 的必要条件，发音端以谐噪比低为稳定标记。有证据支持的是：舒化处于早期且感知先于发音，因为发音仍以时长守住对立而感知边界已外移；中年组以最长的两条辨认边界走在前面。

可能但待验证的是：青年组 T3 变平与 T5 喉塞实现为尾段嘎裂的补偿关系，以及未来 T5 变为高降舒声、T3 顺时针变为平调的链移方向。 对刚入门的研究生而言，可复述的方法链是：从单音节对照出发，同时提取音高、时长、嗓音，经降维进入同一回归比较权重，再用双基连续统检验必要性，最后用三代排序定位阶段。记住区分直接报告、有限解释与未验证推测的语气，缺失的步长与反应时不要脑补，推广到其他韵母与语境前先重做对照，这正是这篇论文留给后来者的可核对起点。

📐 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