元音开口大小与声调高低如何共同改变嗓音的稳定程度

英文题目：Mandarin vowels: Intrinsic properties and interaction with tone

会议身份：conference:speechprosody:2026:conference-paper-id:mcgregorsmith26_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 #发声与构音 #韵律 #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 0.9/1.5 | 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 0.6/1.5

排名：前50% | 文档类型：应用研究

👥 作者与机构

• Lorna McGregor-Smith：机构信息未能从会议 PDF 纯文本可靠映射
• Irena Yanushevskaya：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

该研究输入为普通话单元音与声调组合的开音节单音节词自然产出，输出是嗓音声学参数随元音与声调的变化规律，难点在于声源与滤波器经共享肌肉与气压耦合，使抖动与微振等微扰测量同时受元音构型与声调喉部紧张度污染。诱发记录负责获取可比样本，将目标词分别嵌入载体句与单字引用形朗读并手工切分完整区间与稳态段，其切分结果进入声学提取。声学提取负责刻画滤波与声源特性，用Praat提取基频、抖动、微振、谐噪比与平滑倒谱峰凸显度及第一第二共振峰，并对基频与倒谱峰做时间归一化轮廓，其参数进入统计建模。统计建模负责分离效应，以元音、声调及其交互为固定效应、被试与重复为随机截距拟合线性混合效应模型。与仅考察单一声调延长元音且未控制说话人变异的已有工作相比，关键机制差异是将声调作为系统性实验因子并检验元音与声调交互，实际意义在于能识别紧元音对声调不稳定性的缓冲作用。原文未提供可核对的关键定量结果。结论的适用边界受限于成年女性大学生的实验室朗读单音节词，对男性、连续语流与病理嗓音的外推尚未验证。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 第三方资源：https://praat.org — 链接可访问（HTTP 200）
• 第三方资源：https://www.R-project.org/ — 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，学完能复述什么？

这篇解读的输入是原论文正文与本次收到的官方原图像素，目标是让刚进入语音与音乐音频领域的研究生能复述方法并判断结论的适用边界。必须保留的信息包括被试构成与录音条件、6 个元音与 4 个声调的 elicitation 设计、5 个声学参数的提取工具与统计模型、区分一声条件下的元音主效应与多声调下的交互效应。输出按学习依赖展开，先讲源滤波互动的任务背景，再讲材料与标注流程，再讲建模与实验条件，最后讲结果与限制。

传统教学常把声源与声道分开讲，声源管振动，声道管共振，二者独立相乘得到语音。但论文要解决的矛盾是这种独立假设在真实发音中不成立，喉与声道在解剖与压力上相连，舌抬高会牵拉喉部，声道收窄会改变声门周期的负载。普通话是一个合适的检验场，因为声调本身就是喉部紧张度的系统变化，三声常带嘎裂嗓音，高平一声相对紧张规则。如果元音构型确实影响喉部振动，那么同一声调目标在不同元音上应表现出不同的稳定程度，反之同一元音在不同声调下也不应是简单的整体平移。

声源 × 滤波器： 声源指声带振动产生的周期性气流与噪声，负责基频与谐波组织；滤波器指声道共振对声源能量的 shaping，决定共振峰与元音音质；二者搭配的理由是传统源滤波理论假设独立，但喉与声道共享肌肉与压力条件，组合意义在于用元音构型解释基频与嗓音稳定性的系统差异。

学完应能复述三件事，第一是为什么只比较平均基频不够，还需要扰动与噪声参数，第二是为什么持续元音不适合做三声，第三是为什么统计模型要同时放入元音、声调与二者交互并控制被试与词项差异。这些是后续所有细节的挂钩点。

前人已经验证了什么，还缺哪块拼图？

源滤波互动的经典路线包括声道变化影响声门周期的观察、量子理论对小幅度构型变化带来非线性声学后果的强调，以及补偿构型策略的证据。生理层面已有工作指出咽腔与喉的联动会调节嗓音质量，元音音质通过喉部 constriction 与共振效应调节嗓音质量。这些构成论文的理论起点，即把元音高度对应的固有基频差异看作源与滤波器耦合的一个表现。

在经验层面，跨语言报告多显示闭元音基频高于开元音，但普通话一声条件下曾报告闭元音与开元音无显著差异，这提示元音与音高的互动可能因语言或语境而异。临床导向的舒等研究在普通话一声持续元音上发现/a/的抖动与微振最高、/u/的谐噪比最高、/a/的谐噪比最低而平滑倒谱峰突出值最高，但只做了一个声调且统计未充分处理说话人变异。扰动参数与元音的关系本身也不一致，有的报告高元音或后元音更低，有的报告低元音更高或无系统模式。谐噪比方面有报告开元音更低，平滑倒谱峰突出值方面有报告开元音更高而普通话/u/最低。

声调与发音的路线显示低调常与嘎裂嗓音相连，高调更紧张周期性更强，普通话三声的嘎裂已有声学描述，发音研究还发现低起始声调会系统改变元音的舌体位置。本文的缺口正在于此，前人多为单声调或单向效应，缺少同一套嗓音参数在多个声调下的元音比较，也缺少对元音与声调交互的显式建模。论文因此延续舒等使用的 5 个参数以便直接比较，同时把设计扩展到 4 个声调与自然单音节词。

论文提出哪三个可检验问题？

论文把大问题拆成 3 个可检验的子问题。第一，不同高度、前后与圆唇的普通话元音是否表现出系统的固有嗓音与音高特性，这对应一声条件下的元音主效应。第二，不同声调是否伴随扰动或谱与倒谱参数的特征模式，这对应跨元音平均后的声调主效应。第三，元音音质与声调如何交互影响发音参数，这对应二者非相加的程度，并由此讨论声源与声道滤波器的相互依赖程度。

为回答这些问题，论文固定一套参数分工。共振峰频率描述元音音质即滤波器特性，基频反映声调的音高变化即声源速率，抖动与微振反映发音稳定性，谐噪比与平滑倒谱峰突出值反映信号中的噪声与谐波组织量。这种分工使每一项比较都有明确对象，元音比较看滤波构型是否连带声源，声调比较看喉部负荷是否改变稳定与噪声，交互比较看某种构型是否缓冲或放大声调带来的不稳定。

教学上可以把问题转写为操作，若元音主效应成立，则以/a/为参照时非低元音应系统偏离；若声调主效应成立，则以一声为参照时二三四声应系统偏离；若交互成立，则偏离幅度不应在所有元音上相等，某些元音在三声或四声下应出现额外增大或减小的修正项。

从一个样本走完全流程需要几步？

沿一个样本走完全流程最清楚。假设 1 名女性被试读载体句中的目标词，例如一声的批，流程是先录音得到包含目标元音/i/的连续波形，再人工切分出稳定元音段、完整元音区间与共振峰测量点，接着在整个元音时长上计算平均基频、抖动、微振、谐噪比与平滑倒谱峰突出值，并额外按时间归一化抽取基频与平滑倒谱峰突出值的轮廓，最后把该样本的元音标签、声调标签、被试与词项信息送入混合效应模型估计效应。输出不是单个样本的结论，而是跨被试与重复后的群体效应与交互修正。

元音音质 × 嗓音质量： 元音音质由第一与第二共振峰描述的声道滤波特性决定，反映舌位高低前后与圆唇；嗓音质量由抖动、微振、谐噪比与平滑倒谱峰突出值描述的声源特性决定，反映振动规则性；二者搭配是因为同一段元音同时携带滤波与声源信息，组合意义在于检验改变舌与唇构型是否连带改变喉部振动。

全景上方法分为四块，材料设计保证六元音乘以四声调共 24 词且为开音节以避开韵尾效应，录音与标注保证切分与参数提取一致，轮廓提取保证动态可视化，统计建模保证固定效应与随机截距分离。试点测试是一个关键安排理由，持续元音对低降升的三声听感不自然，因此改用单音节词的单独读与载体句嵌入两种 elicitation，这使声调轮廓更自然且更接近连续语音而非实验室稳态。

需要记住的边界是，该流程不包含任何神经网络训练或合成，它是观察性声学比较，所谓模型指线性混合效应模型，用于在控制个体与词项差异后检验固定效应的显著性。

五个声学参数各自测量什么，如何提取？

基频是声带振动速率的声学对应，直接承载声调的高低升降。抖动是基频周期间的频率微扰，微振是周期间的幅度微扰，二者越大表示声门源越不稳定。谐噪比是谐波能量与噪声能量之比，值越高表示振动越规则越清脆。平滑倒谱峰突出值是倒谱主峰相对整体倒谱的突出程度，值越高表示谐波组织越强，常用于临床嗓音评估与发音类型区分。

基频 × 声调： 基频是声带每秒振动次数的声学对应，反映喉部紧张度；声调是普通话用基频起伏实现的词汇对立，包括高平、升、低降升与降 4 类；二者搭配是因为声调必须通过喉部动作实现，组合意义在于把声调条件当作可比较的喉部负荷，观察同一元音在不同负荷下是否保持稳定。

提取全部在 Praat 中完成。做法是先用文本网格标注 3 层，稳定元音段、完整元音区间与共振峰中点，再用默认嗓音分析设置的嗓音报告提取基频、抖动、微振与谐噪比，用原生方法与默认设置提取平滑倒谱峰突出值。均值与标准差在每个元音的整个时长上计算，轮廓数据以固定时间步长在完整元音区间上提取并做时长归一化，再用平滑方法绘图。共振峰与时长同样在 Praat 中提取，用于确认元音类别区分与切分范围。

抖动 × 微振： 抖动指相邻基频周期长度的逐周期变化，反映频率稳定性；微振指相邻周期幅度的逐周期变化，反映振幅稳定性；二者搭配是因为都能从嗓音报告中同时提取且方向一致为好，组合意义在于共同刻画声门源是否规则，避免只看平均基频而忽略波动。

教学例子是把参数当作分工不同的仪表，基频表看音高目标是否实现，抖动与微振表看指针是否抖动，谐噪比与平滑倒谱峰突出值表看信号中有多少杂音与结构。这种分工是后文判断闭元音更规则、三声更扰动的依据，不能互相替代。

谐噪比 × 平滑倒谱峰突出值： 谐噪比量化周期性谐波能量相对非周期噪声能量的比例，值高表示振动规则；平滑倒谱峰突出值量化倒谱主峰相对整体倒谱的突出程度，值高表示谐波组织强；二者搭配是因为一个从频谱能量比看噪声，一个从倒谱结构看周期性，组合意义在于从不同角度交叉验证/a/是否更噪、闭元音是否更清脆。

材料与录音如何控制辅音与语境影响？

刺激集是关键控制点。6 个目标单元音为/i/、/y/、/u/、/ɤ/、/o/、/a/，每个实现 4 个声调，共 24 词。词表在母语顾问指导下设计，保证自然与音位 plausibility，全部为开音节的辅音加元音结构以避免韵尾效应。声母以双唇或软腭塞音为主，提供一致的辅音环境并最小化协同发音影响，受普通话音位限制，前圆唇/y/放在自然的/l/或/j/语境中 elicitation。部分词表示例包括一声的批、淤、哭、科、波、巴，完整设计按此逻辑覆盖其余声调。

每个词以两种方式 elicitation，单独读的 citation form 与嵌入载体句再把说一遍中的位置。载体句的原文、拼音与英译在方法中给出，目的是同时获得孤立与连续语境的样本。录音在半消声室用指定电容话筒以 44.1 千赫采样率与 16 比特量化存为波形文件，每名被试将词表随机顺序读三遍。配对样本检验显示载体句与单独读的参数值无显著差异，因此合并分析。

伦理与被试条件按原文交代，研究经所在机构伦理委员会批准并获书面知情同意，12 名母语者为十八到三十岁的大学生，无嗓音障碍或吸烟史，其中女性 10 名男性 2 名。由于男性人数有限，量化分析聚焦女性数据，男性数据仅做定性观察，这是复现时必须保留的分析口径。

本研究训练了什么，没有训练什么？

本研究没有训练任何神经网络、声码器或分类器，也没有更新声学模型权重，不存在梯度路径、参数冻结与解冻、早停或学习率选择。所谓训练一词在此不适用，真实计算过程是声学参数提取加统计推断。提取侧是确定性信号处理，按 Praat 默认设置运行互相关基频跟踪与嗓音报告，重复运行同一文件在同一版本下应得相同数值。推断侧是在 R 中用混合效应包拟合线性混合效应模型，把元音、声调及其交互作为固定效应，把被试与词或重复作为随机截距，输出回归系数、t 值与显著性。

监督来源不是人工标签训练模型，而是人工标注的区间决定统计对象。文本网格的 3 层标注划定了计算均值的时长范围与轮廓归一化的起止点，标注不一致会直接改变均值与轮廓形状。随机化读三遍与合并两种 elicitation 的决定减少了语境与顺序效应，但不改变无训练的性质。

缺项需要明确指出，原文未报告标注者一致性、切分规则的毫秒级阈值、嗓音报告的清浊判断细节与轮廓平滑的具体带宽，这些是复现时需记录但不能自行假设的部分。把无训练等同于结果必然确定也是错误的，统计显著性依赖样本与随机效应设定，换样本或换随机结构可能改变边界显著的交互项。

实验条件、划分与统计口径是什么？

数据规模与划分按原文交代，12 名被试乘以 24 词乘以两种 elicitation 乘以三遍重复，共 1728 个 token。声学上每个 token 贡献一个元音区间的均值向量与两条归一化轮廓，统计上每个均值进入混合效应模型。软件条件是 Praat 做标注与参数提取，R 与混合效应包做检验与建模，轮廓图用平滑方法绘制。资源状态方面，Praat 官网与 R 官网在本次核对中均可达，分别作为提取与统计工具的公开来源。

统计口径分 2 个阶段。第一阶段只看一声，按元音为固定效应、以/a/为参照拟合每个参数，随机截距控制被试与重复差异，用于回答固有元音特性。第二阶段看全部声调，按元音、声调及其交互为固定效应、以/a/与一声为参照拟合每个参数，随机截距控制被试与重复，用于分离主效应与非相加的交互修正。共振峰数据做归一化后用于确认 6 个元音在高度与前后上可分，其中/ɤ/与后元音/u/和/o/略有重叠。

下表把被试、数据量与工具条件整理为可核对清单，阅读时注意样本不平衡是后续限制的来源。

表后需要强调公平条件，元音比较的公平性来自同一声调内比较，声调比较的公平性来自同一元音跨声调比较并以一声为参照，交互的公平性来自同时控制被试与词项差异。若忽略随机截距，个体基频高低会混入元音效应。若把男性 2 例与女性合并量化，小样本性别差异会扭曲方差估计，这正是原文只量化女性数据的原因。

一声下元音的固有差异有多大？

先看一声条件下的元音主效应，这是理解固有特性的干净窗口。共振峰图显示 6 个元音类别总体可分，证实滤波器层面的高度与前后对立成立，在此前提下声源参数的差异更可能与构型相关而非切分错误。均值上基频从/a/的低端到/u/的高端，抖动与微振在高与前元音最低，谐噪比以/y/最高而/a/最低，平滑倒谱峰突出值跨元音大致相似但/u/偏低。模型结果是所有非/a/元音基频显著更高，/i/、/y/、/ɤ/抖动显著更低，/i/、/y/、/ɤ/、/o/微振显著更低，所有非/a/元音谐噪比显著更高，仅/u/平滑倒谱峰突出值显著降低。方向可概括为闭元音更高基频、更低扰动、更高谐噪比，表明更规则的发音。

下表把一声下的关键数字整理为五列对照，阅读问题是同一声调内以/a/为参照时各参数向哪个方向偏离，指标方向是基频高为高调目标实现强，抖动微振低为稳定，谐噪比高为规则，平滑倒谱峰突出值低为谱噪声大。

表后解释主要收益与代价，收益是模式与既往一声持续元音的报告大体一致，/a/最高扰动最低谐噪比、闭元音更低扰动更高谐噪比、/u/最低平滑倒谱峰突出值都得到重复，支持元音构型影响喉部行为而非被动滤波。代价与反例是/u/的特殊性，尽管是闭元音却谱组织较差，可能与圆唇等独特构型有关，不能把闭即规则推广到所有参数。未胜出项是除/u/外的平滑倒谱峰突出值在元音间无显著差异，说明该参数对元音高度不如谐噪比敏感。

以下导读针对本次收到像素的声调乘元音箱线图，先建立坐标与分组预期，再看像素验证多声调下的交互是否成立。图中按列分为 4 个声调分区，按行排列不同声学参数，每列内横轴为 6 个元音，箱体标注中位数值，纵轴为各参数的原始量级。重点不是记住单个中位数，而是比较同一列内元音间的相对高低与同一元音跨列的移动。

看图路径： 1. 先按列确认四个声调分区，再按行确认每行对应的声学参数与纵轴量级；2. 比较同一声调内六个元音箱体的中位线高低与箱体宽度；3. 追踪同一元音从一声到三声再到四声的中位线移动方向；4. 观察三声列的扰动参数箱体是否整体上移且离散程度变大

论文图 3。原论文 Figure 3：“Acoustic measures (median, IQR, min and”。

像素可见的内容支持正文的交互描述，一声列各元音基频箱体位置较高且相对集中，三声列基频整体下移但/ɤ/与/o/的下移幅度小于/a/而/i/与/u/出现额外下移，四声列/i/出现更大的基频降低。扰动行可见三声列箱体整体上移且离散变大，四声列居中。一行中三声的/ɤ/出现谐噪比的进一步降低而/i/与/u/部分抵消，平滑倒谱峰突出值在三声与四声整体降低但/y/与/u/相对/a/有所回升而四声的/o/进一步降低。这些可见的非平行移动正是交互项的图形对应，不能只读末步均值而忽略分布宽度与跨列变化。

声调的主效应与交互修正如何分离？

把声调纳入后需要分离两层，跨元音平均的声调主效应与因元音而异的交互修正。基频上二声与三声相对一声显著更低，这是声调目标的直接体现。抖动上二三四声相对一声更高，微振上二三声更高，谐噪比上二三四声更低，平滑倒谱峰突出值上三声与四声更低。方向可概括为一声最稳定规则，三声扰动最大周期性最低，二声与四声居中，这种排序与三声常带嘎裂或不规则嗓音的既有描述一致。

下表把声调主效应的回归系数整理为可比对照，阅读问题是在控制元音后声调相对一声移动多少，指标方向同前，系数符号直接表示升降，括号内为检验量与显著性。

表后解释交互的实质，闭元音/i/、/u/、/y/的声调相关不稳定往往被衰减，微振在二三声的增幅更小，抖动在三声的增幅更小，谐噪比的降低被部分抵消。相反，闭中后元音/ɤ/、/o/在三声与部分四声参数上出现更显著的周期性下降，微振在四声增幅更大，谐噪比在三声进一步降低。这支持发音构型调节声调在喉部如何实现，而非简单的整体叠加。时间归一化轮廓提供补充，一二三声的平滑倒谱峰突出值相对稳定，四声随基频上升而上升，但原文仅做定性描述未建模轨迹，男性数据趋势相似但样本过小不能推广。

至少需要说明一个未完全一致的边界，基频的固有元音效应在既往一声报告中曾出现不显著，而本研究在词语境下对所有非/a/元音显著更高，这可能与持续元音与词语境、载体句韵律或统计控制差异有关，不能直接视为推翻前人，只能视为语境依赖的证据。

哪些结论还只是初步，边界在哪里？

论文自称范围有限的初步证据，这种措辞需要落到具体边界。第一是样本小且不平衡，量化仅 10 名女性，男性 2 例只做定性观察，性别差异无法检验，跨方言普遍性也未涉及。第二是词表受音位限制，/y/只能出现在特定声母语境，前圆唇的效应可能混入声母协同发音。第三是参数均为声学推断，没有直接的喉部生理或发音运动测量，对闭元音更有利振动、开元音咽腔大而喉低导致不规则的解释属于可能机制而非直接验证。

统计与测量边界同样重要。混合效应显著不等于因果，相关性不能证明舌位必然改变声带振动，也可能是说话人为实现声调目标而采取的补偿策略。抖动与微振对基频跟踪误差敏感，三声的低基频与嘎裂会增大跟踪不确定性，扰动升高部分可能包含测量效应。原文报告定量主结果但未报告效应量、延迟、成本或误判率，因此不能承诺这些量得到改善。总体趋势不等于每组每步成立，例如/u/的平滑倒谱峰突出值例外与/o/在四声的反向修正都提醒不能把平均方向推广到所有格子。

未评测的边界包括噪声环境、语速、重音与语调对载体句的影响，以及共振峰动态与嗓音轮廓的联合建模。原文提到未来需更大平衡样本与跨方言比较，并对轮廓轨迹做定量建模，这些正是把初步证据升级为普适结论前必须补的验证。

要复现需要准备什么，先做什么？

复现先做三件事，对齐材料、对齐切分、对齐统计。材料上按六元音乘四声调准备二十四开音节单音节词，声母尽量用双唇或软腭塞音保持一致，/y/按自然语境安排，请母语者检查自然度。录音用半消声或安静室、固定话筒距离与增益，以 44.1 千赫 16 比特存波形，每个词在单独读与固定载体句中各随机读三遍并记录顺序。

切分上在 Praat 中建 3 层文本网格，分别标稳定段、完整区间与共振峰中点，统一默认嗓音报告与原生平滑倒谱峰设置，在全元音时长上取均值，并以相同步长做时长归一化轮廓。统计上在 R 中用混合效应模型，先拟合一声的元音模型，再拟合全声调的元音加声调加交互模型，随机截距至少包括被试，词与重复按原文口径处理，参照水平固定为/a/与一声。

核对清单包括被试年龄与健康筛查、伦理与知情同意、词表拼音汉字与译文、载体句原文、文件命名与随机表、Praat 与 R 版本、平滑与归一化脚本参数。只有这些对齐后，基频从/a/到闭元音的升高幅度、谐噪比的数量级、三声扰动升高的排序才可比。若实验室只有两三名说话人，应先重复一声的元音主效应而非直接检验全部交互，因为交互需要更大样本才能稳定估计。

常见误解是把谐噪比高直接等同于音质好，把平滑倒谱峰突出值低直接等同于病理。原文语境是健康年轻人的元音间比较，/u/的低值更可能与圆唇辐射特性有关而非嗓音障碍。另一个误解是把三声扰动高直接读作发音差，实际是低降升目标常伴随的喉部机制，在语义上仍是正常声调实现。

何时值得借用这套做法，还缺哪项验证？

当研究问题涉及声调语言的元音建模、语音合成的自然度、临床嗓音评估的元音可比性或嗓音质量与音高的耦合时，这套做法值得借用。做法的价值在于用同一套临床常用参数同时检验滤波与声源，并在词语境下保留声调动态，避免持续元音对三声的失真。若目标只是比较平均音高，单独测基频已够，若要判断稳定与噪声，必须加上抖动、微振、谐噪比与平滑倒谱峰突出值并同时报告交互。

是否采用取决于信息条件，有多声调语料与可控词表时优先采用元音加声调加交互的建模，若只有单声调则只能回答固有差异而不能谈缓冲或放大。若只有男性或混合小样本，不应照搬女性显著性阈值，而应先报告描述统计与分布宽度。工具上 Praat 与 R 均公开可得，但版本与默认参数必须记录，否则扰动与倒谱数值的绝对值不可比。

还缺的验证很具体，更大平衡样本的性别与方言比较、发音运动或喉部信号的同步测量以区分生理耦合与策略补偿、轮廓轨迹的定量建模以解释四声平滑倒谱峰突出值随基频上升的现象，以及基频跟踪误差在嘎裂段的敏感性分析。补上这些后，才能判断闭元音缓冲声调不稳定的结论在多大程度上普遍成立。

📐 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 32 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