默读时的重音从哪来：当词汇被拿掉，谁还在用纯韵律做理解

英文题目：Individual differences in use of prosodic and lexical information in implicit prosody

会议身份：conference:speechprosody:2026:conference-paper-id:mills26_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 #心理测量 #韵律 #语音 #口语理解

评分：5.7/10 | 创新 1.3/2 | 技术严谨 1.1/1.5 | 实验充分 1.1/1.5 | 清晰度 0.8/1 | 影响力 0.8/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.3/1.5

排名：前50% | 文档类型：应用研究

👥 作者与机构

• Joy Mills：机构信息未能从会议 PDF 纯文本可靠映射
• Sasha Calhoun：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

该研究输入为听觉启动句与视觉呈现的歧义only目标句，输出是对后续句指向动词关联还是名词关联的二选一解读，难点在于默读时的隐性韵律不可直接观测且与词汇句法信息高度纠缠。先由受过韵律训练的发音人录制不同信息结构指向的听觉启动句，职责是提供可控的重音对比，其输出的完整语音进入下一步的去词汇化处理。再用音素替换并叠加原始韵律轮廓合成去词汇化版本，职责是剥离词汇句法而保留韵律，其输出与未处理版本共同构成词汇有无的对照条件并进入跨通道启动呈现。最后将同一条件的多个听觉启动连续呈现后接入视觉目标句进行默读，职责是诱发隐性韵律预期并用后续句二选一测量解读倾向，其输出进一步结合自闭特质与工作记忆等个体差异分析调节作用。与以往多用关系从句依附且分离被试比较词汇影响的研究不同，该工作以信息结构歧义隔离句法混淆并实现被试内比较，因而能区分纯韵律与词汇句法的作用。原文未提供可核对的关键定量结果。该结论的适用边界仅限于离线二选一解读任务与英语only焦点结构，尚未验证注视或脑电时间进程中的即时加工分歧。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://escholarship.org/uc/item/1z6819t5 — 链接不可用（HTTP 403） 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

默读时真的有声音吗？先把研究对象说清楚

这篇解读的输入是 Speech Prosody 2026 的 1 篇会议论文，目标是让刚进入语音与语言加工的研究生能够核对方法并复述实验逻辑。必须保留的信息包括被试筛选、启动材料的两种词汇条件、3 种重音条件、目标句的歧义类型、因变量的定义以及个体差异的测量方式，输出是一套可以照着做的流程说明。本文讨论的任务不是语音识别或语音合成，而是句子理解中的默读韵律。

所谓默读韵律，用白话说就是默读时心里听到的停顿和轻重，例如读到 She only read the story 时，心里可能把重音放在 read 上，也可能放在 story 上，对应的英文是 implicit prosody。对比重音是外显语音中把音高突起放在某个词上的做法，英文是 contrastive accent 或 contrastive focus。研究关心的是心里听到的重音是否会影响对 only 修饰谁的理解。

默读韵律 × 对比重音： 默读韵律指默读时在心里体验到的节奏和重音结构，对比重音指把重音落在某个词上以标示信息焦点的外显韵律手段，二者搭配的理由是外显重音位置可以改变 only 的关联解读，研究把外显重音当作启动源，把默读韵律当作被启动的内部表征，组合意义在于检验内部默读是否保留了与外部语音相同的焦点信息。

初学者容易把默读韵律当成一种可以直接录音的信号，但原文强调它不能被直接测量，只能通过行为后果推断。也就是说，研究者不能打开被试的大脑看默读时的音高曲线，只能先给被试听一段有明确重音的语音，再看被试默读歧义句时是否更倾向于与启动一致的解读。如果听了动词重音后更愿意选择动词关联的续写，就间接说明默读时调用了类似的韵律表征。

这个逻辑是全文的基础，后面所有关于去词汇化、个体差异和统计模型的讨论都建立在这个间接推断上。教学例子是：老师先大声读 Olivia only MENDED the socks，把重音放在补这个动作上，学生再默读 Janet only ate the pie，如果学生更倾向于认为后文是她没烤这个饼而不是她没吃蛋糕，就被记为 1 次动词关联选择。这个例子只是帮助理解因变量方向，不代表原文报告了该试次的具体比例。

为什么不用关系从句？前人路线卡在哪里

同输入同目标的已有路线大多使用歧义关系从句，例如某个人看到了某人的女儿之类的依附歧义，用停顿和边界调来启动高依附或低依附解读。原文指出这类结构涉及暂停、边界调等多种韵律属性，属性太多反而难以分离到底是哪一种韵律在起作用，而且以往用结构启动范式检验韵律启动的结果并不一致。另一条路线使用去词汇化轮廓来启动，也曾报告过启动效应，提示词汇和句法信息可能不是必需的。

但以往研究多在被试间比较自然启动和去词汇启动，无法判断同一个人在两种信息条件下的策略是否不同。本文选择了一条更干净的路线：句法完全相同的 only 句，只靠重音位置区分信息结构。这样启动效应如果出现，更可能来自韵律对比焦点，而不是句法结构的重复。

在个体差异方面，原文回顾了 3 类变量。工作记忆的英文是 Working Memory，常用字母数字重排序任务测量，过去发现与韵律切分长度有关。自闭特质用自闭商数量表测量，英文是 Autism-spectrum Quotient，缩写为 AQ，过去被报告影响音高加工和默读韵律启动。听觉想象用 Bucknell 听觉想象量表测量，英文是 Bucknell Auditory Imagery Scale，缩写为 BAIS，包括生动性和变化两个分量表，过去在音乐和脑研究中较多，在语言研究中较少。原文的判断是这些差异都可能改变每个人默读体验的样子，因此把它们同时纳入模型，而不是只看组平均的启动效应。

要回答的三个问题是什么？歧义句如何构造

原文明确提出了 3 个研究问题。第一，含 only 关联歧义的解读能否被跨通道结构启动所启动。第二，去掉词汇信息从而去掉句法和信息结构后，启动效果是否改变。第三，个体在加工这类启动时是否因自闭特质、工作记忆或听觉想象而不同。这 3 个问题存在学习依赖：必须先确认启动存在，才能谈词汇是否必需，最后才能谈谁更依赖哪种信息。

信息结构 × only 关联： 信息结构指句子中哪个成分是焦点或新信息，only 关联指 only 在语义上修饰动词还是名词，例如只补了袜子还是只做了补这个动作，前者分工是提供焦点位置，后者分工是提供可观测的语义解读，搭配理由是重音位置只改变信息结构而不改变词串，组合后可以用相同的词串分离出纯韵律的作用。

具体材料是这样构造的。目标句都是主语加 only 加动词加宾语的结构，例如 Janet only ate the pie。默读时如果把焦点放在 pie 上，理解为只吃了派而不是蛋糕，属于名词关联。如果把焦点放在 ate 上，理解为只是吃了而不是烤了，属于动词关联。英语母语者通常偏向名词关联，因此原文把动词关联的比例作为因变量，因为它更能指示非常见解读被启动出来的程度。

启动句则预先录制为 3 种关联条件：名词重音、动词重音和中性无特殊焦点。每种启动句在听觉呈现时保持相同的关联条件连续呈现三句，再接一个视觉目标句。这种三启动加一目标的设计是为了加强启动的累积，而不是只听一句就做判断。

从听三句到读一句：整体流程如何走通

沿着一个样本走完全程有助于建立整体图像。假设当前试次被分配到动词关联加自然语音条件，被试先依次听到三句发音不同但结构相似的启动句，例如 Olivia only MENDED the socks，每句的重音都在动词上。然后屏幕上呈现目标句 Janet only ate the pie，呈现 5 秒后被替换为提问 what comes next，再呈现两个续写选项，一个对应名词关联，一个对应动词关联，被试做二选一按键反应。接着进入下一个试次，重新听三句新的启动。跨通道的含义就在于此：输入是听觉，输出是视觉默读后的选择。

结构启动 × 跨通道启动： 结构启动指先前加工的结构影响后续句子加工，跨通道启动指先听觉后视觉的通道转换，前者分工是提供启动逻辑，后者分工是保证启动源和目标在通道上分离，搭配理由是如果听到的重音能影响默读选择，就说明内部默读确实调用了韵律表征，组合意义在于排除单纯视觉重复或反应偏好的解释。

启动材料的录制者是 1 位四十多岁、受过韵律训练的新西兰英语女性发音人，每句话录制 3 种重音版本。词汇条件分为自然语音和去词汇化语音，自然语音用 lex 表示，去词汇化用 fafa 表示。去词汇化的做法是基于 Sasasa 语音的思路，但把音素换成 f，因为预实验中被试认为 f 版本更像人类语音。具体做法是在 Praat 中对原始录音的浊音和清音做标注，把浊音段替换为 a，把清音段替换为 f，再把原始韵律轮廓提取出来重新合成。这样处理后的句子保留了音高、时长和强度的大致走向，但听不到具体单词。下面这张名词重音的基频轨迹图展示了自然启动的声学形态，是理解后续对照的基础。

看图路径： 1. 先看横轴时间与纵轴基频轮廓的对应关系；2. 再看横轴词段切分中 SOCKS 段的曲线形态；3. 最后对比 only 与 mended 段的相对平坦程度

论文图 1。原论文 Figure 1：“Pitch track of example stimulus (lex”。

这张图是名词重音自然启动的基频轨迹，横轴是时间并按词切分为 Olivia、only、mended、the 和 SOCKS 等区间，纵轴是基频。可见的形态是在最后一个名词区间出现陡峭的下降支，对应大写 SOCKS 标示的对比重音，而 only 和 mended 区间相对平坦。这种把能量集中在句末名词上的形态，与下文动词重音形成直接对照。初学者应把这张图读成信息结构的声学实现：同样的词串，重音落点不同，信息焦点就不同，后续启动逻辑正是建立在这种落点差异上。

两种启动各自分工什么？动词重音长什么样

自然启动和去词汇启动的搭配需要紧接着说清分工。自然启动同时提供词汇、句法、信息结构和韵律，听者可以靠词义理解谁做了什么，再把重音映射到焦点上。去词汇启动只提供韵律轮廓，听者听到的是一串 afafaa afa FAFAF 之类的声音，必须仅凭音高起伏和节奏猜测焦点位置。如果去词汇启动仍然有效，就支持纯韵律可以启动默读解读。如果只有自然启动有效，就说明词汇或信息结构的参与不可或缺。被试内设计的价值在于同一个被试接受两种启动，可以直接比较同一个人是否换了策略，而不是比较两组不同的人。

去词汇化启动 × 自然启动： 去词汇化启动只保留原始语音的韵律轮廓而把音段替换为 fa 和 a，自然启动保留完整词汇和句法信息，前者分工是隔离纯韵律，后者分工是提供词汇加韵律的完整信息结构，搭配理由是同一被试听两种启动可以直接比较是否需要词汇，组合意义在于判断启动是纯韵律驱动还是词汇与韵律整合驱动。

下面这张动词重音的基频轨迹图是第二个关键对照，初学者应把它与上一张名词重音图并排理解。

看图路径： 1. 先看 MENDED 段出现的高而宽的拱形轮廓；2. 再看 socks 段变为低平的尾部轮廓；3. 最后与名词重音条件对比峰值位置的移动

论文图 2。原论文 Figure 2：“Pitch track of example stimulus (lex”。

这张图像素显示横轴同样按 Olivia、only、MENDED、the 和 socks 切分，但在 MENDED 区间出现高而宽的拱形突起，而句末 socks 区间变为低平的尾部，没有名词条件下的陡降。这种峰值位置从句末前移到动词的移动，正是动词关联启动的声学基础。结合上一张图可以复述：名词条件峰在名词，动词条件峰在动词，中性条件则无特殊突起。原文用大写标示重音词，例如 Olivia only MENDED the socks 与 Olivia only mended the SOCKS 的对照，去词汇条件则对应为 Afafaa afa FAFAF fa faf 与 Afafaa afa fafaf fa FAF 的对照。记住这种对应关系，才能理解统计模型中启动条件与词汇条件的交互含义。

本研究没有训练模型：实际计算与流程是什么

本研究没有训练神经网络模型，因此不存在参数冻结、梯度更新或早停等训练环节。该节的等价计算流程是实验构造、行为采集和统计建模。真实的计算发生在两个地方：一是用 Praat 对启动语音做去词汇化重合成，二是用 R 语言拟合二项逻辑混合效应模型。原文未报告神经网络结构、优化器、学习率或硬件预算，复现时不应从任务名称推定存在某个模型，也不应把无训练等同于结果是确定性的，因为行为数据本身带有被试间和项目间的随机变异，需要用随机截距来吸收。

实验流程按试次组织，每个试次呈现 3 个共享相同关联条件和词汇条件的听觉启动，然后呈现视觉目标句。下面这张流程示意图把时序说得很清楚，是复现时最值得照着做的部分。

看图路径： 1. 先沿 Prime1 到 Prime3 的三个喇叭图标看听觉输入顺序；2. 再看目标句呈现 5 秒与提问呈现 3 秒的时间标注；3. 最后看末尾二选一续写需要按键反应的输出环节

论文图 3。原论文 Figure 3：“Cross-modal priming procedure”。

这张流程图用黑色方块表示屏幕事件，用红色喇叭图标表示听觉事件，顺序是说明、Prime1、Prime2、Prime3、目标句呈现 5 秒、提问呈现 3 秒、续写二选一等待反应。像素可见 Prime1 到 Prime3 各配一个注视点加号，目标句与提问分屏呈现，末尾是直到反应才消失的选择界面。复现时应保留三启动加一目标的比例、5 秒阅读窗和 3 秒提问窗的时序，以及每个被试完成 72 个试次并同时完成问卷与记忆任务的整体负担，因为试次数量和任务顺序都会影响注意和疲劳。原文还提到相对从句填充句和语音同步任务属于更大研究的一部分，本文不讨论，复现时不应把它们当作 only 分析的必需部分。

被试、材料与测量：实验条件如何保持可比

被试通过 Prolific 平台招募英语单语者，初始招募后剔除了在无歧义填充句或工作记忆任务上表现差的疑似不专心者，最终纳入分析的人数有明确报告。材料方面，每个被试看到歧义 only 目标句、无歧义控制句和关系从句填充句，目标句后都接 what comes next 提问和二选一续写。个体差异测量包括 3 套工具：自闭特质用 12 题子集加 7 道沟通分量表题目，共 19 题；工作记忆用基于韦氏成人智力量表的字母数字排序任务，要求对越来越长的数字字母串重排序。

听觉想象用 Bucknell 量表的生动性和变化分量表，被试在 0 到 10 的滑动条上报告想象声音的生动程度。连续变量在建模前做标准化，自闭分数经单峰检验发现呈双峰分布，因此被分为高低两组。

下表整理的是实验规模与分析样本等协议细节，用于核对复现条件是否一致，比较时应注意被试数、试次数和分析试次数属于不同聚合对象，不能混为一谈。表前的问题是：复现需要多大规模的数据和什么样的试次结构才能得到可比的分析样本。公平条件是同样剔除不专心被试并保留填充句与控制句，指标方向是样本越大估计越稳，但试次负担也会增加噪声。

表后需要解释主要收益与代价。收益是被试内同时操纵启动重音与词汇有无，并用中性条件做基线，可以在同一模型中检验纯韵律假设。代价是试次结构复杂，72 试次加问卷负担重，必须用填充句和控制句筛除不专心者，最终从 140 人降到 116 人。未胜出的边界是关系从句填充句和语音同步任务在本文不分析，复现时如果只做 only 部分，不应期待与那些未报告部分直接可比。原文关于外部链接当前不可用的资源状态也需说明：第三方存档链接本次显示不可用，复现时不应假设该链接可直接下载。

启动是否发生？主效应与关键交互是什么

结果按研究问题组织。测的是听完 3 种重音启动后选择动词关联续写的比例，与谁比是动词启动与名词启动和中性启动相比，条件一致性在于同一被试轮流接受自然与去词汇启动，指标方向是动词关联比例越高表示非常见解读被启动得越多。原文报告显示启动条件的主效应显著，动词条件下出现更多动词关联，支持韵律可以被启动。词汇条件本身也有主效应，自闭特质分组也有主效应，但听觉想象和工作记忆的主效应不显著。关键在于启动条件与词汇条件的交互显著，以及两个三重交互显著，说明词汇有无的作用取决于个体差异。

工作记忆 × 听觉想象： 工作记忆指按要求保持和重排字母数字串的能力，听觉想象指在心里想象声音的生动程度，前者分工是维持多句启动信息并整合词汇与韵律，后者分工是把听到的韵律转化为默读时的内部声音，搭配理由是二者都涉及内部声音的保持与重现，组合后可以解释为什么同一启动对不同被试效果不同。

下表是原文最终模型的联合检验结果，保留了原表的行列与数值写法，用于核对哪些效应达到显著。表前的问题是：在同时考虑个体差异后，哪些主效应和交互仍然显著。公平条件是同一混合效应模型下的似然比检验，指标方向是卡方越大、p 越小越支持有效应，但不能把 p 当作效应大小。

该表显示启动条件、词汇条件、自闭分组以及启动与词汇的交互、工作记忆与启动的交互达到显著，而听觉想象的主效应及其与启动的二重交互不显著。收益是确认了总体启动存在，代价是显著性分散在多个高阶交互上，说明平均效应不能推广到每个人。未胜出的项是听觉想象的二重交互不显著，但它在三重交互中又显著，提示只看低阶项会误判。

下面这张工作记忆与启动条件的交互图是全文最需要细读的结果，导读是先看总体启动，再看谁在自然启动下启动更强。

看图路径： 1. 先看横轴工作记忆分数从低到高的方向；2. 再对比 verb 面板中 lex 虚线与 fafa 实线的分离程度；3. 最后检查 neutral 与 noun 面板中两条线的重叠与置信带宽度

论文图 5。原论文 Figure 5：“Interaction between prime condition, lexical”。

这张图像素显示 3 个面板分别为 neutral、noun 和 verb，横轴是工作记忆分数，纵轴是动词关联比例，红色实线为去词汇 fafa，青色虚线为自然 lex 并各带置信带。在 verb 面板中，lex 线随工作记忆升高而明显上扬，在高记忆端远高于 fafa 线，而在 neutral 和 noun 面板中两条线基本重叠且平坦。事后检验支持这一点：只有自然启动在动词条件下的斜率显著区别于零，且动词条件下两条线的斜率差异显著。这支持原文的解释，即高工作记忆者更依赖词汇与韵律的整合，而低工作记忆者对两种启动差异不敏感。但总体趋势不等于每一步都成立，置信带在高记忆端变宽，说明高分组样本稀疏，复现时需注意极端分数的估计不稳。

拿掉词汇后谁还跟得上？听觉想象的反直觉结果

如果把结果当作消融来读，自然启动是完整信息，去词汇启动是拿掉词汇后的版本，问题是拿掉后启动还剩多少以及谁受影响最大。原文报告了启动条件、词汇条件与听觉想象的三重交互，事后检验显示动词条件下词汇有无对听觉想象斜率的影响显著，以及去词汇条件下中性与动词启动对斜率的影响显著。具体方向是反直觉的：听觉想象分数较低的被试在自然启动的动词条件下表现出最强的启动，而随着想象分数升高，自然与去词汇的差异消失。原文的有限解释是想象能力弱的人更依赖外部词汇信息，而想象能力强的人对两种启动处理更相似，但这属于事后解释，仍待验证。

下表把 3 个关键事后检验放在同一 5 列框架下比较，用于核对交互的方向与证据强度，表中数值保留原文的小数精度与检验统计量写法。表前的问题是：哪些斜率真正区别于零，哪些斜率之间真正有差异。公平条件是同一模型的估计边际均值事后比较，指标方向是 z 绝对值越大、p 越小越支持差异，但不同交互的 z 不能直接比较效应大小。

表后需要说明主要收益与反例。收益是两个三重交互都指向策略差异：工作记忆高者靠整合，听觉想象低者靠外部词汇，低自闭特质者随记忆增加做更多动词关联。代价是自闭特质与启动条件没有交互，原文预期高自闭特质者对音高不敏感，但数据只显示自闭与工作记忆的二重交互，且与启动条件无关，因此不能说成启动效应被自闭特质调节。未评测的边界是在线时间进程，行为选择只反映最终解读，不能定位差异发生在编码启动、保持还是默读重构阶段。

哪些结论还站不稳？相关与因果的边界

原文直接报告的是动词启动提高动词关联选择，以及上述交互显著。有限解释是高工作记忆者更整合词汇与韵律，低听觉想象者更依赖词汇。未验证的推测是这些差异反映了默读体验本身的不同，例如心里声音的清晰度或保持方式。要区分三者，措辞应为：数据显示支持，机制解释可能，跨人群推广待验证。相关性不是因果，工作记忆与启动的相关不能说成提高记忆就能提高启动，因为记忆任务本身也包含内部语音成分，可能存在共同方法变异。

缺失的证据不是技术错误，但复现时必须点名。原文未测量误判率的细粒度分布、反应时、在线眼动或脑电指标，也未报告推理延迟与成本，因此不能承诺该范式更快或更省。训练资源与推理开销在此不适用，因为没有模型训练，但行为实验的人力成本不可忽视：在线招募、语音录制与 Praat 合成、72 试次加 3 套个体差异量表的施测，都是复现预算的一部分。总体趋势不等于每组都成立，例如动词启动的优势主要体现在动词面板，名词与中性面板差异很小，不能把末步结果推广为所有条件下自然启动都优于去词汇启动。

要复现先做什么？材料、流程与模型清单

复现应先做材料核对。再录制 3 种重音的启动句并用 Praat 按浊音替换为 a、清音替换为 f 的方法合成去词汇版本，保留原始韵律轮廓。目标句准备歧义 only 句、无歧义控制句和填充句，每个目标句配两个续写选项，分别对应名词关联和动词关联。流程上保持每试次三启动加一目标、目标呈现 5 秒、提问呈现 3 秒、二选一反应的时序，每人完成 72 试次。被试侧保留 Prolific 招募英语单语者、用控制句和记忆任务筛除不专心者的步骤，并记录最终纳入人数与剔除率。

模型侧用二项逻辑混合效应模型，以动词关联比例为因变量，固定效应包括启动条件、词汇条件、自闭分组、标准化的工作记忆与听觉想象及其交互，随机效应包括被试与项目的随机截距，并用逐步简化得到最终模型。关键超参数不是学习率，而是统计口径：自闭分数经双峰检验后分高低组，连续变量做标准化，英语名词偏向作为基线。代码开源、权重下载与系统可运行在此不适用，因为没有可下载模型，复现依赖的是实验脚本、音频材料与分析代码的完整公开。当前第三方存档链接显示不可用，复现时应以论文正文与随附材料为准，不要假设外部链接可达。

何时值得尝试这种范式？一句话收束

当研究问题是默读是否调用纯韵律，以及不同读者是否采用不同策略时，这种听三句再默读一句的跨通道启动范式值得尝试，因为它用相同的词串分离了韵律与词汇，又用被试内比较分离了策略差异。当目标是开发实时应用或承诺降低延迟时则不值得直接套用，因为本文只报告离线选择比例，没有延迟、成本或误判率的证据。特有的误解需要澄清：去词汇有效不等于词汇无用，本文恰恰显示词汇有无的效果取决于工作记忆与听觉想象。

自闭分组显著不等于自闭调节启动，因为显著的是它与记忆的总体交互而非与启动条件的交互；动词关联增多不等于理解更好，它只是非常见解读被启动的标记，在自然阅读中名词偏向仍是常态。记住这三点，就能在不夸大因果的前提下复述方法并设计下一步的在线验证。

📐 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 7 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