德语靠重音、意大利语靠语序：意大利学习者如何重配焦点标记

英文题目：Focus marking in L2 German: How Italian learners adjust their use of prosody and syntax

会议身份：conference:speechprosody:2026:conference-paper-id:paolis26_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 #语言习得 #韵律 #语音 #语音属性识别

评分：5.5/10 | 创新 1.3/2 | 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 0.5/1.5

排名：前50% | 文档类型：应用研究

👥 作者与机构

• Bianca Maria De Paolis：机构信息未能从会议 PDF 纯文本可靠映射
• Janne Lorenzen：机构信息未能从会议 PDF 纯文本可靠映射
• Stefan Baumann：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

该研究输入为图片故事约束下诱发的德语与意大利语陈述句，输出为目标成分属于空标记、纯句法、纯韵律与叠加标记的判定，难点在于韵律凸显与句法移位的相对权重在德语与意大利语中不同且在二语产出中相互纠缠。方法链第一步用图片约束问答诱发宽焦点、标识焦点与纠正焦点并固定主语、宾语类共22个目标句，第二步由意德双标注者独立完成韵律窄焦点二值判断与句法是否采用焦点化非典型结构判断并对分歧协商达成共识，第三步将两类标签合并为四分类响应并以多项贝叶斯模型估计组别与语境交互下的策略概率。与仅分析音高或仅分析词序的已有工作相比，该机制差异在于把空标记与三种显性策略放在同一竞争框架下比较，因而能同时刻画一语迁移、部分重构与过度明确化。在标识焦点条件任务下，GEL1组相对ITL1组的纯韵律策略回归系数指标为2，高于叠加标记策略的回归系数指标1.98。该结论适用边界受限于居住德国的沉浸习得意大利学习者及所测主语与宾语类题项，向课堂学习者或其他母语对的外推尚未验证。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

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，要解决什么沟通问题？

这篇解读的输入是 2026 年言语韵律会议论文，标题为意大利学习者如何在德语二语中标记焦点。目标读者是刚进入语音、音乐与音频方向的研究生，需要能核对原文、复述方法并理解结论的适用边界。必须保留的信息包括 3 组被试的构成、图片故事诱发任务的 3 类焦点、韵律与句法合并后的四分类标注、贝叶斯多项模型的比较逻辑，以及母语基线差异和二语偏向句法的核心发现。输出是 1 篇按学习依赖展开的技术解读，不评价写作风格，只讲实际做了什么。

要解决的沟通问题很具体：说话人如何让听者知道哪一部分是关键信息。例如同样说玛丽亚把报纸递给弟弟，如果听者问发生了什么，全句都是新信息；如果问谁在递报纸，回答的关键就是玛丽亚；如果听者误以为是朱莉亚在递，回答就要纠正这个错误人选。德语和意大利语都能用重音和语序来做这件事，但权重不同。

德语被描述为主要靠韵律，焦点成分带核重音，焦点后的背景信息去重音；意大利语则更常用语序重排和分裂句，且韵律与句法经常同时出现。学习者的困难在于两种语言在句法韵律界面上的映射不一致，需要重新加权。

初学者容易把焦点等同于读重一点。本研究提醒，重读只是手段之一，语序变化、分裂句、短语重组和时长变化都可能参与。更关键的是区分焦点类型：宽焦点、确认焦点和纠正焦点对标记强度的要求不同。论文的教学例子是基线句玛丽亚把报纸给弟弟，宽焦点问题是这里发生了什么，确认焦点问题是谁正在把报纸给弟弟，纠正焦点问题是朱莉亚在给弟弟报纸对吗，学习者据此组织回答。这些例子只用于说明任务逻辑，不代表真实录音的全部变体。

已有路线如何描述德语和意大利语的焦点手段？

德语方面的已有描述强调韵律为主。焦点成分关联核音高重音，焦点后材料去重音。不同焦点类型在概率上用重音类型和连续线索区分，例如宽焦点常用降阶或下降核重音，窄焦点和对比焦点更可能用高重音、上阶或上升重音。句法重排如话题化、扰序或被动可能与韵律焦点共现，但被认为限于特定语境，处于次要地位。

意大利语方面的描述更异质，并受地域和结构变异影响。韵律上可用音高重音调制实现窄焦点尤其是纠正焦点，也可用组块、节律组织或音段延长等韵律重组手段。句法上 inventory 更丰富，常用语序操作实现信息结构凸显，且通常与韵律标记共现而非替代。文献还指出确认与纠正的不对称：确认焦点常不标记或弱标记，纠正焦点得到系统性韵律增强，常结合语序操作。

二语信息结构标记的已有工作指出界面领域脆弱，表现出可选性和强母语影响。针对意大利人学德语，已有研究记录了韵律迁移，如音高 excursion 减小、重音位置非目标、窄焦点或对比焦点标记困难；同时较熟练的学习者会出现融合两种语言特征的模式，提示向德语部分趋同而非整体照搬。本文的增量在于同时分析韵律和句法，而不是只看韵律；并且考察在德国沉浸环境中的自然习得者，而非主要来自课堂学习者。这两点决定了后文方法必须允许两种手段同时出现，并控制地域变异。

本文把什么作为待检验的对立预测？

本文的核心问题是 3 组人在 3 类信息语境下如何分配 4 种标记策略。信息语境是宽焦点、确认焦点和纠正焦点，标记策略是无标记、纯句法、纯韵律和叠加。研究者要回答母语基线是否如文献所述分开，二语是否把意大利语偏好带入德语，以及二语是否出现既不同于意大利语也不同于德语的中间模式。

焦点 × 信息结构： 焦点指话语中需要被突出、回答问题或纠正误解的成分，信息结构指句子如何区分已知背景和新信息；焦点是信息结构中最需要标记的一类，本文只研究说话人用什么手段把焦点成分标出来，而不是研究全部信息状态。

为此提出 3 个假设。第一，母语基线假设：德语母语主要用韵律标记焦点，意大利语母语在韵律和句法之间分配；意大利语对确认与纠正不对称更强，确认常弱标记，纠正系统增强并伴随句法标记，德语母语则对两类窄焦点都系统使用韵律。第二，母语影响假设：意大利学习者的德语二语会更多用句法、更少一致地使用韵律，对确认与纠正的区分更强，确认更少用韵律。第三，跨语言模式假设：二语的韵律句法组合方式会不同于两个母语组，反映不只来自母语迁移的习得机制对权重的重调。这些假设直接决定后文按焦点条件分别比较组间差异，而不是把所有焦点混在一起算总数。

用什么任务让韵律和句法都能自然出现？

方法全景可以沿一个样本走完。输入是一张图片加一段基线故事和一句提问，被试看图后口头回答。表示是被试产出的目标话语，包含主语、直接宾语、间接宾语或状语等目标名词短语。组件是两套独立标注：句法标注判断是否用了非规范的焦点化结构，韵律标注判断是否用韵律手段标出窄焦点。目标是把每句话归入 4 类之一，再用统计模型估计每组在每类语境下使用每种策略的概率。输出是组间差异的可信区间和后验概率。

韵律标记 × 句法标记： 韵律标记靠重音位置、音高类型和焦点后去重音来突出成分，句法标记靠分裂句、话题化、语序重排等非规范结构来前置或凸显成分；二者分工不同但可在同一成分上叠加，本文把 4 类结果记为无标记、纯句法、纯韵律和叠加，正是为了比较两种母语对这对手段的权重分配。

任务设计的关键是既自由又可比。研究采用图片故事诱发任务，灵感来自已有文献，原始刺激被翻译成意大利语和德语。意大利语母语组做意大利语版，德语母语组和二语组做德语版。流程是先呈现包含短故事和标题的幻灯片作为基线规范句，被试在此基础上继续；随后同一图片配不同书面问题，被试被要求大声回答，只要求避免单个词的回答，不限制句式。

问题被设计为诱发 3 类焦点，并覆盖不同句法成分。这种图片约束回答保证了目标成分的语音实质和结构形状可比，同时允许说话人自由选择用重音还是换语序。

以下导读帮助理解任务材料的视觉与文字配合。三幅图共用同一场景可以控制词汇和指称，只让问题改变信息结构，这是后文能把差异归因于焦点类型而非图片内容的前提。请按观察动作看图。

看图路径： 1. 先看三幅简笔画是否共用同一递报纸场景，只看下方德语问句如何变化；2. 再对照问句类型辨认宽焦点、确认焦点和纠正焦点三种诱发条件；3. 最后注意基线句与作答句的对应关系，理解后续句法是否偏离规范语序的判断起点

论文图 1。原论文 Figure 1：“Stimuli from the German version of the task.”。

上图显示德语版刺激的三联画：同一女性递报纸给男性的简笔画下方分别配宽焦点问句、确认焦点问句和纠正焦点问句。解释是宽焦点问发生了什么，预期回答重复基线句；确认问谁正在递报纸，焦点落在主语；纠正先给出错误命题再反问，预期回答用不加主语纠正。像素可见三图人物构图基本一致，文字行长度和问句结构不同，这正是诱发条件的操作化。复述时要记住基线句的作用是提供规范语序参照，后续句法标注据此判断是否出现焦点化非规范结构。

句法标注和韵律标注各自判断什么？

句法分支先识别每句话使用的句法构式。标注遵循为罗曼语开发的标注集，并为德语扩展了附加标签。识别之后再导出二值标签，表示该构式是否为用于标记目标成分焦点的非规范结构。关键排除规则是德语中非规范但本身不具焦点化功能的配置不记为焦点标记，包括用于话题或框定目的的前场前置，以及中场内的扰序。只有真正起焦点化作用的非规范结构才进入纯句法或叠加类别。

窄焦点 × 宽焦点： 宽焦点指整句都是新信息，窄焦点指只有某个名词短语是回答或纠正的关键；宽焦点通常用默认句末重音即可，窄焦点需要把重音或特殊句法对准目标成分，本文的确认焦点和纠正焦点都属于窄焦点，只是语气强度和可纠正性不同。

韵律分支由 2 名训练有素的韵律标注者独立完成，分别为意大利语和德语母语者。他们在看不到诱发问题的前提下，仅根据 prominence、重音和组块等韵律线索判断该话语实现的是宽焦点还是窄焦点，若为窄焦点再判断目标成分是哪个，导出有无韵律窄焦点标记的二值标签。独立标注后复核所有不一致并达成共识，对德语二语产出若仍有不确定，优先采纳德语母语标注者的印象。这种盲听设计避免用问题答案倒推标注，保证韵律判断只来自声音。

确认焦点 × 纠正焦点： 确认焦点回答谁、给谁这类中性疑问，纠正焦点否定对方说法并给出替代项；确认在意大利语中常弱标记或不标记，纠正则系统性加强韵律并常配合语序变化，本文正是用这两类窄焦点的对比来检验母语不对称是否被带入二语。

合并后每条话语构成 1 次观测，被归入无标记、句法、韵律和叠加 4 类。无标记指既无韵律也无句法窄焦点标记，包括规范语序加默认韵律，即与宽焦点或非焦点陈述句兼容的语调模式，核重音在句末或语用中性位置，且无指示窄焦点或对比焦点的焦点后去重音模式。句法指出现焦点化非规范句法构式，韵律指出现韵律窄焦点标记，叠加指同一成分上句法与韵律同时标记。沿样本走就是基线句加问题输入，经两条标注得到两个二值标签，再映射为四分类，这就是后文模型的因变量。

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声学模型或语言模型，也没有更新任何模型参数，因此不存在梯度路径、参数冻结与解冻、优化器步骤或早停等训练操作。真实计算过程是人工标注加贝叶斯统计建模。标注计算是 WebMaus 在词、音节和音素层自动切分后人工校对，句法与韵律分别按上述规则得到二值标签再合并为四分类。模型计算是在统计软件中拟合以标记类型为因变量的多项贝叶斯模型，自变量为组别、信息语境及其交互，另加项目和说话人的随机截距，通过后验预测检查拟合，并用假设检验比较每类焦点内组间策略使用差异。

界面假说 × 母语迁移： 界面假说指需要同时协调句法、韵律和语篇信息的领域在二语中更不稳定，母语迁移指学习者把母语的手段权重带入二语；本文把焦点标记看作句法韵律界面的典型例子，预测意大利学习者会多用句法、少用韵律，并把确认与纠正的区分方式也搬到德语中。

需要明确的缺项是原文未报告先验分布、采样链数、迭代次数和收敛诊断的具体数值，只说明诊断显示收敛良好、后验预测检查显示拟合合理。也未把二语熟练度作为因子纳入统计分析，原因是二语被试仅 7 人的初步分析，熟练度经书面和口头测试评估为中级到高级但未建模。因此不能从模型名称推定某种默认实现，也不能把无训练等同于确定性求解。复现时应把重点放在标注一致性流程和随机效应结构上，而不是寻找神经网络训练脚本。

本节同时回答何时涉及既有模型调用：仅 WebMaus 作为多语语音处理服务被调用用于初始切分，其后全部依赖人工判断。这种安排的理由是保证目标成分的语音实质可比，同时保留说话人自由选择标记手段的空间。

被试、录音与数据规模如何控制可比性？

被试采用组间多组交叉设计，共 3 组：意大利语母语无德语能力组、德语母语无意大利语能力组，以及在德居住的成年意大利人德语二语组。为限制地域变异，招募限定在两个调查点，德语母语和二语组来自北莱茵威斯特法伦州科隆及周边，意大利语母语组来自皮埃蒙特大区都灵及周边。二语组在目标语环境中沉浸习得， proficiency 从中级到高级。采样在隔音环境用头戴麦克风录制，音频为波形文件，采样率 44.1 千赫。

下表提出比较问题：在样本量很小的初步分析中，3 组人数和年龄是否基本可比。公平条件是每组人数相同且地域受控，指标方向是人数相等、年龄均值与离散度可核对。表前说明后呈现原表，原表宽度不足，后文另用逐字原句整理宽表承担数量核对。

上表为原文人口样本表，显示 3 组每组 7 人及各自年龄均值与标准差和性别构成。解释是样本量小且年龄离散在德语母语组较大，二语组年龄标准差较小，这限制了结果向更大群体的推广。后文统计用说话人随机截距部分吸收个体差异，但熟练度未建模仍是主要边界。未胜出项是该表不能说明熟练度分布，复现时需补充分组测试分数。

数据规模的核对需要更宽的表。比较问题是每类焦点贡献多少观测，总量是否闭合。公平条件是每名被试产出固定 22 句，指标方向是句数越多估计越稳，但类别不均衡会影响窄焦点估计精度。请看下表。

上表数字全部来自原文连续句，诱发协议每人固定 22 句其中宽焦点 4 句、确认 9 句、纠正 9 句，3 组每组 7 人共 462 次观测且满足 22 乘 7 乘 3 等于 462。主要收益是类别句数明确，可据此重建分母；代价是宽焦点每人仅 4 句，对应估计区间会更宽。复现时应保留相同配比，否则窄焦点与宽焦点的比较精度会改变。统计判断标准是回归系数 credible 区间不含零且后验概率大于 0.95 或小于 0.05 才算可靠差异，为节省篇幅只报告可靠差异的参数。

母语基线分开吗，二语靠近哪一侧？

结果按问题组织：测什么、与谁比、条件是否一致、指标方向、关键数字、支持的判断与限制。测的是 4 种标记策略在 3 类焦点中的使用概率，与谁比是 3 组两两比较，条件一致指同一诱发任务和同一合并标注，指标方向是某策略后验概率越高表示越偏好该手段。关键数字以后验概率和组间回归系数表示，支持的判断限于可靠差异，限制是样本小且叠加策略差异多不稳健。

先看描述性分布。导读是 3 组在 3 类焦点中的堆积条如何分配灰黄绿三色，重点是德语母语是否几乎不用黄色纯句法，而另两组是否保留可观黄色。请按动作观察。

看图路径： 1. 先按顶部标签区分意大利语母语、二语德语和德语母语三组面板；2. 再在每组内比较宽焦点、确认和纠正三根堆积条的灰色无标记段高度；3. 最后对比绿色纯韵律段与黄色纯句法段在德语母语和另两组之间的此消彼长

论文图 2。原论文 Figure 2：“Marking strategies employed by speakers of the three groups to mark target constituents in the different focus con- texts.”。

上图为 3 组在宽焦点、确认和纠正中的标记策略百分比堆积条，图例区分无标记、句法、韵律和叠加。可见宽焦点 3 组都以灰色无标记为主，少量标记主要为意大利语母语和部分二语中的 presentational 裂句，起话题或呈现功能。窄焦点中德语母语绿色纯韵律占主导，确认中叠加深绿也占一部分而黄色几乎消失，纠正中绿色进一步扩大。

意大利语母语和二语在确认和纠正中都保留可观黄色纯句法和深绿叠加，且灰色无标记在确认中高于纠正，呈现确认弱标记、纠正强标记的不对称。二语的条形更接近意大利语而非德语，这是母语影响的直观证据。像素不能精确读出百分比时不硬写数值，以相对高低和原文模型结论为准。

模型确认宽焦点无可靠组间差异。确认焦点中德语母语比意大利语母语更可能用叠加和纯韵律，更少只用句法；二语比德语母语更少用纯韵律、更多只用句法，且与意大利语母语无可靠差异，叠加使用在二语与任 1 对照组之间均无可靠差异。纠正焦点中德语母语比意大利语母语更可能用纯韵律，二语与意大利语母语类似，比德语母语更少用纯韵律。二语相对意大利语母语有增加叠加、减少纯句法的总体趋势，但统计上不可靠。这些模式支持第一和第二假设，即母语基线分开且二语偏向意大利语，同时提示向德语目标的部分重组。

哪些差异可靠，哪些只是趋势？

本节承担反证与稳健性任务，区分报告的可靠差异与待验证趋势。比较问题是后验概率的点估计与区间是否支持组间分离，公平条件是同一多项模型同时估计 4 种策略并含随机截距，指标方向是区间不含零且后验概率越极端越可靠。请先看模型预测图再对照系数表。

以下导读聚焦 4 个分面中 3 组点估计与竖线区间的重叠程度，重点看纯韵律分面蓝色点是否分离。请按动作核对。

看图路径： 1. 先按四个分面区分无标记、纯句法、纯韵律和叠加四种后验概率；2. 再在每个分面内比较横轴三类焦点上红绿蓝三组点估计与竖线区间是否重叠；3. 最后重点看纯韵律分面中蓝色德语母语点在确认和纠正条件下是否系统高于另两组

论文图 3。原论文 Figure 3：“Posterior predicted probabilities for each focus- marking strategy (null, syntactic, prosodic, additive), for all combinations of informational context (bf, id, cr) and speaker…”。

上图为每种标记策略在 3 类焦点和 3 组下的后验预测概率，横轴为信息语境，纵轴为预测概率，颜色区分组别，竖线为不确定区间。可见无标记分面宽焦点 3 组都接近 1，确认和纠正中德语母语点更低。纯句法分面德语母语在窄焦点接近零而另两组高于零。纯韵律分面德语母语在确认和纠正中系统更高，纠正中优势更明显。叠加分面 3 组区间大量重叠，点估计差异不大，这与原文称叠加无稳健差异一致。读图时注意纵轴是预测概率而非原始百分比，区间宽反映每组仅 7 人的不确定性，不能把末端点估计推广为全程必然。

下表整理可靠差异的回归系数，比较问题是哪些组间对比达到阈值，公平条件同上，指标方向是系数为正表示前者更可能用该策略。请看下表。

上表主要收益是确认了窄焦点中纯韵律和纯句法的组间分离最稳健，代价是叠加策略的组间差异均未达到阈值，系数绝对值大但区间很宽的纯句法对比提示稀疏类别估计不稳。未胜出项是二语与意大利语母语在确认中无可靠差异，以及二语相对意大利语母语的叠加增加趋势不可靠，这些负结果恰好说明二语更接近意大利语而非已趋同德语。未评测边界是熟练度、目标成分句法位置和个体变异未展开，不能据此推断每名学习者都如此。

什么还不能下结论？

首先是样本与建模限制。每组 7 人共 462 次观测属于初步分析，熟练度从中级到高级但未作为因子纳入，地域虽受控但年龄离散和个体策略差异仍可能影响估计。贝叶斯模型的先验、采样设置和具体收敛数值未报告，只能依据原文称收敛良好和后验预测合理来接受，不能复核计算细节。叠加策略的区间宽且组间差异不稳健，意味着中间位置的解释只能表述为趋势而非证据。

其次是标注与解释限制。韵律标注依赖听辨 prominence、重音和组块，未报告声学测量的连续线索如时长和音高 excursion 的量化对照，因此不能区分学习者是无意用韵律还是用了但未被感知为窄焦点。原文讨论了两种竞争解释：一是德语焦点韵律类型学上更标记，学习者即使在焦点成分放了重音，若未对焦点后背景去重音，仍会被听成宽焦点，导致无标记增多；二是学习者觉得韵律更模糊不可靠，因而偏好结构外显的句法或用叠加加固，这与二语偏好外显策略的文献一致。这两种机制可能交互，现有数据无法裁决。

最后是推广边界。结果来自在德沉浸的自然习得者，不能直接推广到课堂学习者。反向学习方向即德语母语学意大利语二语未测，无法判断偏好外显是一般习得压力还是德语韵律特有难度。相关性不等于因果，观察到二语多用句法不等于证明句法更容易，仍需补足熟练度纵向追踪和声学实现分析。

要复现需要准备什么，按什么顺序做？

复现先做任务材料与被试控制。准备同一递报纸场景的图片三联，翻译基线故事与 3 类问题，意大利语组用意大利语版，德语组用德语版。招募时限定调查点以限制地域变异，记录年龄性别和二语书面口头成绩，即使初步分析不建模熟练度，也应保留分数以备后续加入。每名被试固定产出 22 句，其中宽焦点 4 句、确认 9 句、纠正 9 句，录音在隔音环境用头戴麦克风以 44.1 千赫波形格式保存，指导语只要求避免单个词回答，不限制句式。

再做标注与统计。先用 WebMaus 做词音节音素切分后人工校对，再按扩展后的句法标签识别构式并导出是否焦点化非规范结构的二值标签，排除前场话题前置和中场扰序等非焦点化非规范配置。韵律由 2 名母语者盲听独立标注，只用韵律线索判断宽窄焦点及目标成分，不一致复核达成共识，二语不确定时优先德语母语者印象。合并为无标记、句法、韵律和叠加 4 类后，拟合以标记类型为因变量、组别与语境交互为固定效应、项目与说话人为随机截距的多项贝叶斯模型，用区间是否含零和后验概率是否大于 0.95 或小于 0.05 判断可靠差异。

资源状态方面，本次未发现来源绑定且完成超文本传输安全协议状态验证的资源，不得声称代码、模型或数据已公开。复现者应自备录音、标注表和建模脚本，并公开标注手册与随机效应结构以便核对。训练资源、推理开销与输出帧率不适用于本研究，实际成本是人工标注工时和被试招募，而非算力。

何时值得借鉴，下一步先验证什么？

当研究问题涉及句法韵律界面的权重分配，且允许说话人自由选择手段时，这套图片约束回答加四分类合并标注的流程值得借鉴。它避免了只看韵律会低估意大利语式句法资源的偏差，也避免了自由会话难以对齐目标成分的问题。对教学的启示是区分确认与纠正：若只测一类窄焦点，会掩盖意大利语母语的不对称和二语在两类窄焦点中不同的偏离程度。

下一步最需补的验证有两项。一是加入声学测量，把听辨的纯韵律与叠加还原为重音类型、去重音实现和时长变化，以检验无标记增多究竟源于未实现还是实现后仍被听成宽焦点。二是纳入熟练度与反向学习方向，若类型学标记性为主，则高级学习者纯韵律应增加；若交际谨慎与过度外显为主，则高级学习者可能更多冗余叠加，因为同时控制两种资源本身需要更高能力。只有这两项补齐，才能把当前支持母语影响和部分重组的结论推进为机制解释。

收束判断是本研究显示界面在成人二语中脆弱，但学习者模式不能简化为整体照搬母语，而是在减少纯句法、尝试叠加等方向上居于两基线之间。这一中间态是否通向目标语权重，取决于后续对韵律实现能力和策略偏好的分离测量。

📐 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