走快了说也快，说快了走却不快：走路加说话的不对称耦合

英文题目：Do walking and talking entrain in a simultaneous walking + talking task?

会议身份：conference:speechprosody:2026:conference-paper-id:turk26_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 #语音 #语音属性识别

评分：5.3/10 | 创新 1.2/2 | 技术严谨 1.2/1.5 | 实验充分 0.7/1.5 | 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：后50% | 文档类型：应用研究

👥 作者与机构

• Alice Turk：机构信息未能从会议 PDF 纯文本可靠映射
• Bin Zhang：机构信息未能从会议 PDF 纯文本可靠映射
• Kuilin Li：机构信息未能从会议 PDF 纯文本可靠映射
• Marisa Flecha-Garcia：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

该研究检验同步步行加说话是否双向夹带，输入为45米户外步行中朗读普通话北风与太阳段落或重复音节/pɑ/的音频与步数视频，输出为平均步长与去停顿平均音节时长或/pɑ/间隔，难点在于区分振荡器耦合、节拍对齐、经头部运动的生物力学互动与整体生理唤醒四种解释。方法链分三步推进：先以站立朗读与常速步行练习确立单任务基线，再将20人分为步行指导组与说话指导组在慢速常速快速三档下完成双任务试验，最后逐试次计算对数化平均步长与平均音节时长。提取的步长与语速指标直接进入以对数时长互为预测的线性混合效应模型检验，随机截距与斜率按被试建模并用Satterthwaite方法评估显著性。与步行加咀嚼的对称耦合不同，该设计的关键机制差异在于对比非周期性段落与周期性/pɑ/重复，并双向检验指导模态对非指导模态的影响，从而判断是否存在可供步伐对齐的语音节拍。在同时步行加重复/pɑ/音节的双任务条件下，步行指导组的对数时长回归斜率指标为1.62，高于说话指导组的对数时长回归斜率指标的.06。结论的适用边界受限于健康青年普通话者在户外短距朗读与单音节重复任务，尚未验证向自发对话、歌唱或病理步态的外推，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

输入是什么，目标是什么，先保留哪些关键信息？

这篇解读的输入是 Speech Prosody 2026 会议论文正文，目标是让刚进入语音、音乐和音频领域的研究生能核对原文并复述方法。必须保留的信息包括任务定义、被试分组与指令逻辑、两种言语材料、走路距离与速度顺序、语速和步速的测量口径、对数变换与线性混合效应模型设定，以及 4 个耦合方向的斜率结果。输出按学习依赖展开，先讲为何研究走路加说话，再讲前人咀嚼加走路的对称 entrain 参照，然后讲本实验如何单侧施加指令来检验对称性。

语音研究常把说话当作纯粹的发音规划问题，但人在走路时说话很常见，步态节律是否会拖动语速，语速是否会反过来拖动步态，是一个涉及神经节律、节拍对准、生物力学和全身唤醒的交叉问题。原文的起点是两项咀嚼加走路研究：一项报告改变咀嚼速度引起步速同比例变化，另一项报告改变步速引起咀嚼速度同比例变化，作者将其概括为对称 entrain。咀嚼有明确的中央模式发生器，步态也有节律控制回路，因此对称结果容易被解释为振子间耦合或外周感觉反馈调节。

说话与咀嚼都动下颌，但说话常常不是显性周期的连续朗读，这就带来中心矛盾：如果韵律本质是振子层级，即使朗读也应出现双向跟随，如果韵律本质是非振子的成分与重音结构，则只有重复单音节这种显性周期语音才可能提供可供脚步对准的拍点。初学者要先建立这个判断框架：对称跟随支持强振子观，不对称跟随则需要用节拍对准方向性、生物力学不对称或唤醒效应来解释。

中央模式发生器 × 步态振子： 中央模式发生器指脊髓和脑干中能产生节律性输出的神经回路，分工是提供咀嚼或步态的基本节律，步态振子指控制双腿交替迈步的节律控制单元，分工是把步频和步幅组织成稳定步态，两者搭配的理由是前人用咀嚼速度指令引起步速同比例变化来推测节律回路之间存在相互驱动，组合意义在于为走路加说话实验提供了对称耦合的参照假设：如果说话也有类似节律发生器，就应出现双向跟随。

本节保留的可核对事实是研究问题有 3 条：只让改变步速时语速是否跟随，只让改变语速时步速是否跟随，以及结果是否因朗读文章与重复音节而不同。预测不是简单猜测，而是与振子观、节拍观、生物力学观和生理唤醒观绑定的，理解这一点才能读懂讨论部分为何说阴性结果不排除振子但促使考虑词基韵律结构。

有哪些相关路线，它们在什么条件下才可比？

第一条路线是咀嚼加走路的双任务指令范式。一组被试被要求改变走路速度，另一组被要求改变咀嚼速度，测量非指令侧是否出现同比例速度变化。原文引用这两项工作作为方法模板和效应量参照：比例变化接近意味着强耦合。但可比条件要看清，咀嚼是高度周期动作且咬肌活动强，说话的咬肌活动被认为较弱，朗读更不是稳定周期动作，因此不能把咀嚼的对称结果直接当作说话的基线，只能当作如果存在类似耦合时应出现的样子。

第二条路线是耦合振子韵律理论，把音节、音步和短语看作嵌套振子并认为它们在所有说话场合都控制定时。按此观点，即使朗读不显周期，内在振子仍应与步态振子耦合，从而预测双向跟随。相反，非振子观点认为韵律定时是音系外在的、基于词和结构的，周期只是特定材料的表象，因此预测只在重复/pɑ/等显性周期语音中才可能出现耦合。初学者容易把振子当作比喻，这里的关键是把它当作可证伪的定时控制假设。

第 3 条路线是文本到曲调对准和节拍对准研究，即语音事件可以对准外部拍点。走路提供周期脚步拍点，说话中的重读音节可能对准它，这能解释步速指令改变语速。但反方向要求语音本身提供拍点，非周期朗读难以提供稳定拍点，只有重复音节可以，因此该路线天然预测不对称。第四条路线是手势与语音的生物力学耦合以及运动唤醒效应，分别用身体联动和整体生理状态解释弱效应。

耦合振子韵律层级 × 非振子韵律结构： 耦合振子韵律层级指把音节、音步和短语看作嵌套振子来控制时间，分工是在任何话语中都提供周期性定时基准，非振子韵律结构指由成分结构和重音结构组织时间而不要求内在振荡，分工是用句法和重音位置解释时长分布，两者搭配的原因是它们对是否应出现走路与说话互 entrain 给出相反预测，组合意义在于决定了实验要用朗读长文章和重复单音节两种材料来区分只有显性周期语音才耦合还是所有语音都耦合。

比较时要注意运行阶段一致：都是边走边做另一任务、都是单侧指令、都用试次平均速度做因变量。监督信号不同：咀嚼研究用咀嚼周期，说话研究用音节或/pɑ/间隔。不能把类别差异当同条件胜负，例如不能用朗读的弱跟随去否定重复音节节拍对准的存在，也不能用显著的 p 值代替比例接近的效应量判断。

要回答的具体问题是什么？什么算支持对称耦合？

问题一是走路指令组中步速变化是否带来语速变化，操作是让一半被试系统改变走路快慢，测量每试次平均步长持续时间和平均音节或/pɑ/间隔持续时间的对数回归斜率。如果斜率接近 1，说明步速翻倍语速也近似翻倍，支持走路到说话的 entrain。问题二是说话指令组中语速变化是否带来步速变化，操作镜像对称，判断标准同样是斜率大小而不仅是是否显著。问题三是材料是否调节效应，即重复/pɑ/是否比朗读北风与太阳文章更容易出现耦合。

对称耦合的判定需要 2 个方向都出现数值上有意义的跟随，而不只是 p 小于 0.05。原文后文 4 个斜率都显著，但只有走路到说话方向斜率达到 0.48 和 1.62，反方向只有 0.06 和 0.119，这种显著但微弱的结果不能当作对称证据。初学者要区分统计显著与实际耦合强度：显著只说明斜率不太可能是零，斜率大小才说明拖动程度。

对准步伐节拍 × 生物力学耦合： 对准步伐节拍指把重读音节等语音事件主动对齐到脚步形成的周期拍点，分工是解释步速指令为何改变语速，生物力学耦合指走路时头部运动牵拉与头骨相连的咬肌等结构而间接影响下颌运动，分工是提供不需要神经振子耦合的物理通道，两者搭配的理由是它们都预测走路到说话的单向影响更易出现，组合意义在于即使不支持振子韵律观，不对称结果仍可被解释。

举例说明，假如走路指令组中某被试慢速步长 700 毫秒、快速步长 530 毫秒，步速明显加快，若其/pɑ/间隔从 1100 毫秒降到 380 毫秒，则语速变化幅度甚至超过步速，这属于强跟随甚至超跟随。若说话指令组中/pɑ/间隔同样大幅变化而步长只从 600 毫秒变为 580 毫秒，则即使回归显著，也只是弱关联。这里的例子只是帮助理解斜率含义，不代表某位被试的真实三试次均值，具体数值以结果表为准。

方法全景：一个试次如何从指令走到两个速度？

先沿一个样本走完全程。假设 1 位走路指令组被试进入重复/pɑ/块的慢速试次，他站在户外广场起点，听到要求以比练习时正常速度更慢的速度走完 45 米，同时不停重复/pɑ/直到走完。头戴麦克风记录音频，手机视频记录步数。走完后得到两个原始量：走完全程总时长和步数相除得到平均步长，音频中从第一个/pɑ/释放 burst 到最后一个释放 burst 的总时长除以间隔数并去掉离群长间隔得到平均/pɑ/间隔。同样的流程在中速和快速各重复 3 次，再在朗读块重复 9 个试次。说话指令组流程相同，只是快慢指令施加在说话上。

表示层面，所有试次的平均步长和平均语速都取自然对数，目的是比较比例变化。对数差近似对应百分比变化，对数回归斜率为 1 对应等比例跟随。组件层面，指令分组提供因果方向，材料块提供周期性强弱对照，测量模块提供可比的速度定义，统计模块用带随机截距和随机斜率的线性混合效应模型估计总体斜率并允许个体差异。目标层面，用 4 个回归回答 4 个耦合方向。

说话指令组 × 走路指令组： 说话指令组指被要求相对练习时的正常速度系统改变说话快慢而走路随意的一半被试，分工是检验语速到步速的驱动，走路指令组指被要求系统改变走路快慢而说话随意的一半被试，分工是检验步速到语速的驱动，两者搭配的理由是只有分组施加单侧指令才能分离因果方向，组合意义在于对称耦合要求两组都出现明显跟随，而不对称结果则直接反驳对称预测。

练习阶段都是单任务：站立重复/pɑ/100 秒 2 次，站立朗读北风与太阳 100 秒 2 次，不说话正常走 45 米 2 次，目的是建立正常速度参照。实验阶段都是双任务，块顺序在被试间平衡，块内速度顺序固定为慢速 3 次、正常 3 次、快速 3 次，以顺应实验过程中自然加速。固定顺序带来顺序与速度混淆，这是复现时要注意的限制，但它保证了所有被试的指令强度可比。

被试、材料与分组如何构成公平对照？

被试是 20 名在爱丁堡居住的普通话母语者，18 女 2 男，年龄 18 到 35 岁，无影响说话或走路的状况，均付费参加。其中 5 人因疫情戴面罩，但不影响/pɑ/间隔分割和音节计数。地点是四面有建筑挡风的公共广场，不是跑步机，这保留了自然步态和头部运动，但也引入地面和环境噪声，音频需要高质量头戴麦克风。材料只有两种：重复音节/pɑ/和普通话版北风与太阳，分别代表显性周期语音和连续自然语音。

分组是关键设计。一半人是走路指令组，被要求系统改变走路速度，另一半是说话指令组，被要求系统改变说话速度，都以练习时的正常速度为参照要求更快或更慢。每人在每种材料下都完成 9 个试次，共 18 个双任务试次。这种设计的公平条件在于除指令侧不同外，走路距离、材料、重复次数和速度顺序都相同，因此方向差异可归因于耦合不对称而非任务难度不同。

平均步长持续时间 × 平均音节持续时间： 平均步长持续时间指走完 45 米总时长除以步数，分工是刻画每试次步速，平均音节持续时间指朗读时去掉大于 200 毫秒停顿后的说话总时长除以音节数或/pɑ/首末释放 burst 之间总时长除以间隔数并去掉大于均值 2 个标准差的离群间隔，分工是刻画每试次语速，两者搭配的理由是都要在对数变换后做试次级回归才能比较比例变化，组合意义在于用对数斜率是否接近 1 来判断是否像咀嚼加走路那样出现等比例跟随。

初学者常问为何不用同一批人既做走路指令又做说话指令，原因是避免指令混淆和疲劳 carryover，分组设计虽然损失被试内比较效力，但保证了单侧指令的纯粹性。材料块顺序平衡也是为了抵消练习效应，但速度顺序不平衡，需要在解释快速条件时留有余地。

速度如何测量？/pɑ/间隔标注长什么样？

测量分 3 种。所有条件都算平均步长：45 米总时长除以步数。朗读条件算去停顿平均音节时长：试次说话总时长减去大于 200 毫秒停顿总时长，再除以音节数。重复音节条件算去离群平均/pɑ/间隔：从首个/pɑ/释放 burst 到末个释放 burst 的总说话时间除以间隔数，并丢弃大于均值 2 个标准差的间隔。3 种口径都先取自然对数再进模型，保证长短间隔的比例变化可比。

下图是原文重复/pɑ/标注示例，教学价值在于看清间隔如何切分。它不是结果曲线，而是一段波形上用竖线标出每个/pɑ/周期的边界，理解它才能理解语速变量的来源。

看图路径： 1. 先从左到右数竖线划分出的/pɑ/间隔，确认每个间隔起止都卡在释放 burst 附近；2. 再看波形包络高低起伏，理解间隔时长为何能反映语速快慢；3. 接着想象去掉超长停顿和离群间隔后，剩余间隔如何取平均并做对数变换；4. 最后把该标注逻辑与步数除总时长的步长计算对应起来

论文图 1。原论文 Figure 1：“Example annotation of pa-intervals for”。

上图显示一条横向波形，竖线把信号切成 9 个左右的间隔，每个间隔内有一个小 burst 包络，对应 1 次/pɑ/发音。观察时注意间隔宽度不完全相等，反映自然语速波动，超长间隔会被当作离群值去掉。步长测量没有类似波形标注，而是靠视频数步数，因此步速精度受步数计数影响，语速精度受 burst 分割影响，两者误差来源不同。复现时要保留相同的停顿阈值 200 毫秒和 2 个标准差规则，否则平均时长不可比。

有没有训练？实际计算过程是什么？

本研究没有训练神经网络，没有优化器更新、梯度路径、参数冻结或早停，不存在训练集划分与验证集调参。把无训练等同于确定性求解是误解，实际输出仍受随机个体差异和测量噪声影响。该节的等价计算流程是统计建模与测量流水线，必须讲清才能复现。

真实计算分 4 步。第一步是标注与计数：分割/pɑ/ burst、数音节数、数步数、量停顿时长。第二步是聚合到试次：按上述口径算出每试次一个平均步长和一个平均语速，共约 20 人乘 18 试次的数据点，个别缺失如慢速步长 29 试次。第三步是对数变换：对两个平均值取自然对数。第 4 步是线性混合效应建模，用 R 的 lme4 拟合，固定效应是预测侧对数速度，随机效应是被试截距加斜率的最大可收敛结构，用 Satterthwaite 方法估计 p 值，用有无随机斜率的 anova 比较检验个体差异。

没有报告超参数搜索、正则强度或硬件预算，因为不涉及深度学习训练。复现时需要的是 R 版本、lme4 版本、随机效应收敛判据和离群剔除代码，而不是 GPU 时长。缺项要明确指出：原文未给出逐试次原始时长表格、未给出分割一致性、未给出视频帧率与步数计数可靠性，这些缺项不是否定结果，而是限制了误差溯源。

实验条件：距离、次数、顺序与统计口径是否一致？

数据协议按问题组织。测的是试次平均速度的跟随程度，对照的是另一指令方向和另一材料，条件一致性靠相同距离、相同重复次数和相同参照语来保证。指标方向是持续时间越短速度越快，对数斜率为正表示同向变化，越接近 1 表示越接近等比例 entrain。关键数字是设计数字：20 人、45 米、每速度 3 次、慢中快固定顺序、练习 100 秒 2 次。

下表把设计数字整理成 5 列，便于核对公平条件。表前问题的公平条件是除指令侧外其他要素相同，指标是设计执行而非效果大小。

上表的主要收益是确认双向比较的可运行性：两组都走同样距离、都说同样材料、都做同样次数，方向差异可解释。代价是速度顺序固定，快速条件混淆了练习效应，未胜出项是被试内双指令设计未被采用，边界是户外广场风噪与地面差异未量化。统计口径一致：都用试次对数均值、都带被试随机斜率，因此斜率大小可比。聚合对象是试次而非步或音节，个体差异通过随机斜率显式建模，AIC 和卡方检验都报告了去掉随机斜率后拟合显著变差，说明个体差异不可忽略。

走路指令改变时，语速跟随多少？

先看指令是否生效。原文报告走路组改变走路指令和说话组改变说话指令都在指令侧成功诱发速度变化，所有条件 p 小于 0.0001，这是后续耦合分析的前提。如果指令本身没改变速度，就谈不上跟随。

核心比较是走路到说话的两个斜率。下表把 4 个耦合回归放在同一 5 列框架下，比较问题是哪个方向数值上接近等比例跟随，公平条件是都用对数试次均值加随机斜率模型，指标方向是斜率越大跟随越强，1 为等比例参照。

上表显示走路指令下重复/pɑ/斜率 1.62，标准误 0.475，显著且数值上达到甚至超过等比例，大多数被试的拟合线接近参考线 y 等于 x。朗读条件斜率 0.48，显著但只有 4 名被试接近等比例，其余跟随较弱，且随机斜率检验显著说明个体差异大。具体代价是/pɑ/条件中部分被试语速变化幅度远大于步速变化，原文推测与每步音节数变化有关：走快时每步塞更多音节。未胜出项是朗读材料的弱跟随，它提示节拍对准在连续语音中更难。反例是个体拟合线分散，不能把总体趋势推广到每位被试每步都成立。

说话指令改变时，步速跟随多少？为何说很弱？

说话指令组中，改变说话指令对/pɑ/间隔本身影响很大，但对步长的影响数值上很弱。重复/pɑ/条件斜率只有 0.06，朗读条件斜率 0.119，两者 p 都在 0.03 左右刚过显著阈值。从图上看，被试内拟合线几乎水平，语速大幅变化时步长几乎不动。这种显著但微弱的模式需要与走路指令方向对比才能理解：同样是显著，走路到说话方向斜率高出一个数量级。

判断时要避免把 p 值当效应量。0.06 意味着语速对数变化 1 个单位，步速对数只变化 0.06 个单位，远离等比例线。原文因此表述为最小效应，并推测可能来自提高语速时的整体生理唤醒，而非振子耦合或语音拍点拖动脚步。唤醒解释属于有限解释而非直接报告，因为实验没有测量心率、皮肤电或主观努力度。

另一个细节是自由度小数如 6.86 和 8.403 来自 Satterthwaite 近似，不是被试数，初学者不要误读。随机斜率检验同样显著，说明即使弱效应也存在个体差异。限制是说话指令是否真正拉开了语速范围：原文表 1 显示说话组/pɑ/间隔慢速 1157 毫秒、正常 669 毫秒、快速 377 毫秒，范围很大，因此步速不动不能归因于语速没变化，只能归因于耦合弱。

材料与个体差异带来什么对照？失败条件是什么？

材料对照是论文特有的第二类细节。走路指令下重复/pɑ/跟随强于朗读，支持显性周期语音更易对准步伐拍点的观点。朗读中重读音节不规则，难以稳定对准脚步，因此只有部分被试出现跟随。说话指令下两种材料都弱，说明即使提供显性周期拍点，脚步也不跟随语音，这对拍点双向对称假设构成反证。失败条件很明确：用朗读检验振子普适耦合失败，用重复音节检验反向耦合也失败。

个体差异是另一类细节。4 个模型去掉随机斜率后 AIC 变差、卡方显著，说明必须保留被试特异斜率。走路指令/pɑ/条件 AIC 从负 27 变为负 4，朗读条件从负 250 变为负 203，说话指令条件同样显著变差。这意味着总体斜率不能代表所有人，复现时必须报告随机效应，不能只报告固定效应。

训练与部署成本在此不适用，但可报告运行成本：户外采集加人工标注 burst 和音节，5 人戴面罩仍可分割，说明方法对遮挡有一定鲁棒性。未评测边界包括不同语言重音模式、 singing 或节拍器条件、跑步机恒速条件，以及每步音节数的显式建模，这些都留待验证。

哪些结论不能下？缺了什么验证？

直接报告的是不对称模式：步速指令常连带改变语速，尤其重复/pɑ/，语速指令对步速影响数值上很小。有限解释是说话者能把语音事件对准步伐拍点或存在走路主导的生物力学影响，以及微弱反向效应可能来自生理唤醒。未验证推测是振子韵律是否存在：原文明确说阴性结果不排除振子，只是说明即使存在也不足以产生数值上有意义的耦合，也不提供足够显著的语音拍点供脚步对准，因此促使考虑词基韵律结构。

相关性不是因果的提醒在这里体现为固定速度顺序混淆：慢中快固定可能混入疲劳或熟练效应，不能完全归因于指令。缺失证据不是技术错误：未测量咬肌肌电、头部加速度、心率和步频变异性，因此生物力学和唤醒解释都只能写可能和待验证。未测量延迟、误判率和推理开销不适用，但未报告分割者间一致性和步数计数误差，限制了测量精度的判断。总体趋势不等于每组每步成立，个体拟合线分散已证明这一点。

复现先做什么，需要保留哪些信息条件？

复现先做单任务练习标定：站立重复/pɑ/100 秒 2 次、站立朗读 100 秒 2 次、不说话正常走 45 米 2 次，建立每人的正常速度参照。然后按分组施加单侧指令，走路组只改变步速，说话组只改变语速，都以正常为参照要求更快或更慢。每种材料下按慢速 3 次、正常 3 次、快速 3 次走完 45 米并全程录音录像，块顺序在被试间平衡。

测量必须照搬：步长为总时长除步数，朗读为去大于 200 毫秒停顿后除音节数，/pɑ/为首末 burst 间总时长除间隔数并去掉大于均值 2 个标准差的间隔，全部取自然对数。用 lmer 拟合对数预测对数，纳入被试随机截距和斜率，用最大可收敛结构，报告斜率、标准误、t 和 Satterthwaite p，以及有无随机斜率的 AIC、BIC 和卡方。保留关键信息条件包括普通话北风与太阳文本版本、/pɑ/发音要求、广场地面与步数计数方法、头戴麦克风型号与视频帧率。

资源状态是正文开源声明的唯一依据，本次未发现来源绑定且完成验证的资源，不得声称代码、模型或数据已公开。还需补的验证是随机化速度顺序、记录每步音节数、同步采集头部运动与肌电、测量唤醒指标，以及检验其他语言和歌唱条件。只有补了这些，才能区分节拍对准、生物力学和唤醒 3 条机制。

何时值得尝试这个范式，误解在哪里？

当研究问题涉及语音定时是否受身体节律拖动时，这个单侧指令加双任务范式值得尝试，尤其适合比较显性周期语音与连续朗读的差异。它的优点是用分组分离方向，用对数斜率量化比例跟随，用随机斜率保留个体差异。适用条件是能保证指令真正拉开速度范围，并能可靠分割语音间隔和计数步数，否则弱效应无法解释。

常见误解有三。一是把 4 个 p 都显著读成双向耦合成立，实际上只有走路到说话方向斜率有实际意义，反方向斜率小一个数量级。二是把无训练当作无噪声确定性系统，实际上个体差异显著，总体斜率不能推广到每个人。三是把不对称直接当作证伪振子理论，原文的措辞是不能排除但需考虑替代结构，因为阴性结果只能说明振子即使存在也不够强到驱动步态。

收束判断是走路能拖动说话，说话几乎拖不动走路，这种不对称与咀嚼加走路的对称结果不同，更符合语音拍点弱于脚步拍点或走路主导生物力学的图景。后续工作应直接检验每步音节数变化、朗读对准难度和唤醒中介，而不是停留在显著性上。

📐 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。

区域 1 · 查看论文原页

另有 15 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