带口音的普通话还是整齐的音节节律吗：十地口音的连续统证据

英文题目：Rhythm Variation in Regional Accented Putonghua: A Continuum Perspective

会议身份：conference:speechprosody:2026:conference-paper-id:wang26b_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 #社会语音学 #语音 #语音属性识别

评分：5.8/10 | 创新 1.2/2 | 技术严谨 1.0/1.5 | 实验充分 0.7/1.5 | 清晰度 0.7/1 | 影响力 0.8/1.5 | 开源 1.0/1.5 | 可复现 0.1/0.5 | 工程/实践 0.3/1.5

排名：前50% | 文档类型：理论研究

👥 作者与机构

• Zhiwei Wang：机构信息未能从会议 PDF 纯文本可靠映射
• Aijun Li：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文输入为十地区中等口音普通话自发独白语音，输出为其在音节定时—重音定时—莫拉定时三角中的相对位置，难点在于方言词汇距离与节奏距离不一致且口音程度与体裁变异交织难控。方法链分三步：先将汉语音节拆为声母对应辅音区间与韵母对应元音区间并提取区间度量、成对变异指数与语速指标，输出归一化节奏向量进入筛选环节。再用Kruskal-Wallis检验筛选高区分力度量并聚焦percent V、delta C与nPVI等类型学常用指标做二维投影，投影揭示的区分格局进入距离建模。最后对归一化节奏向量求欧氏距离并做多维标度与Ward层次聚类，得到连续体结构与四簇划分。在十地区自发独白语料下，中央簇高值端的rPVI-C指标为5.2，高于中央簇低值端的rPVI-C指标5.0。相对离散节奏类型划分，关键差异在于强调表层语音实现的连续动态变化，并以吴语韵律词域声调主导与普通话系统相对简单解释迁移方向，有助于揭示音系复杂性不对称的实际意义。该结论适用边界仅限中等口音程度的独白体，朗读与问答体及轻重口音外推尚未验证，且年龄性别等社会因素统计受限。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

为什么带口音普通话的节律值得单独测量？

这篇论文的输入是 10 个地区带口音的普通话自发独白，目标是回答这些口音是否仍可用整齐的音节定时一句话概括。普通话以北京话为语音规范，但论文交代的语言国情是多数人能做基本汉语交流，能流利使用普通话的人只占少数，大量发音带有不同强度的方言口音影响。研究生容易把口音只理解为声母韵母不准，这篇论文把注意力转向韵律中的节律，也就是重读成分在时间上规则分布给人的听感。

节律不是语速快慢本身，而是哪些单元听起来等长、哪些单元被压缩。传统三分法把英语这类语言归为重音定时，把西班牙语和法语归为音节定时，把日语归为莫拉定时，汉语传统上被放在音节定时一侧。但作者指出不同方言母语者的直觉是各地方言口音的普通话听感并不一样，因此需要用可计算的时长指标在大语料上检验。必须保留的关键信息是研究只做普通话目标语的口音实现，不直接录制方言本身。

比较的是十地口音普通话之间的表面时长组织，而不是词汇或声调调形的异同。

音节定时 × 重音定时： 音节定时负责描述每个音节时长相对均匀、元音弱化少的实现，重音定时负责描述重读音节间隔趋于均匀、非重读音节被压缩和弱化的实现，二者搭配的理由是仅用音节定时无法容纳吴方言口音中音节时长对比增大的现象，组合意义是把十地口音放在同一连续统上比较时长均匀性与时长对比度。

本解读的输出是一套可复述的方法链条：从语料抽样与标注条件出发，经过元音辅音区间切分与节律指标计算，再到成对显著性检验、典型指标散点与整体距离聚类，最后回到音系机制解释。读者学完应能说清每一步的输入是什么、做了什么动作、输出支持哪一句结论，以及哪些社会因素没有被控制。

论文没有提供可验证的代码与数据公开状态，本次也没有收到来源绑定且完成网络验证的资源，因此本解读不声称代码模型数据已公开，所有事实只回到论文正文证据。 论文研究的十大方言分区与 10 个采样点需要先建立地理对应，否则后文聚类地名会显得杂乱。下文导读中国汉语分区图，红色星号标出实际分析的 10 个地区，帮助读者把重庆、长沙、广州、洛阳、南昌、南京、上海、太原、温州、厦门放回官话、晋、吴、闽、粤、湘、赣等背景中。

看图路径： 1. 先确认地图上十大方言分区的色块与图例对应关系；2. 再找出十颗红色星号在官话区与东南沿海的分布位置；3. 比较上海与温州同处吴方言区、广州与厦门分处粤与闽区的位置差异

论文图 1。原论文 Figure 1：“The 10 major divisions of Chinese dialects (the red stars mark the 10 regions analyzed in this study).”。

这张分区图的可执行读法是先看图例中十大方言的色块，再按红色星号定位采样城市。可以看到洛阳、南京、重庆处在广义官话的不同次方言范围，太原处在晋方言区，上海与温州同属吴方言但南北分离，广州处在粤方言区，南昌处在赣方言区，长沙处在湘方言区，厦门处在闽方言区。这种地理与方言归属的对照是后文理解吴方言两点孤立、粤赣两点偏离、闽方言厦门反而靠近中部组的重要底图。需要强调的是地图只说明方言归属与采样位置，不直接证明节律距离，节律判断必须等待时长指标与聚类结果。

已有节律研究提供了哪些可直接调用的工具？

论文把相关工作组织成两条线。第一条是节律类型的声学度量传统。早期等时性假设认为某类单元间隔趋于相等，但后来研究转向可计算的区间指标。论文沿用的是一组基于辅音区间与元音区间切分的指标家族，包括成对变异指数、标准差、归一化变异系数、元音占比、语速与发音速率等。白话来说，研究者先把连续语音切成元音段与辅音段交替的序列，然后统计这些段有多长、多不均匀、相邻两段差多少、元音总共占多大比例。

英文名需要记住：元音与辅音分别记为 V 与 C；成对变异指数记为 PVI，归一化版本为 nPVI，未归一化版本为 rPVI；离散度指标包括 delta 与 Varco；元音比例为 percent V；语速为 speech rate，发音速率为 articulatory rate，后者剔除静音暂停。

第二条是节律连续观与大语料多维分析。论文引用了连续节律观，认为节律不是非此即彼的 3 类标签，而是在重音定时、音节定时、莫拉定时构成的三角空间中连续分布。作者此前的研究也报告北京官话在自发与朗读语体之间存在从音节定时向重音定时方向的移动。这决定了本文不做简单的分类投票，而是同时报告单指标显著性分布、典型指标 2 维散点和多指标整体距离。

相关工作的对照意义在于同输入同目标的比较：同样以时长区间为输入、同样以区分节律组织为目标、同样在连续语流上运行，才能比较指标方向；若把朗读与自发、单人朗读与多人语料混在一起，就不是同等运行条件下的胜负。论文还引用基于核心词的语言距离研究作为反衬：词汇层面闽方言与普通话距离很远，但这不自动等于节律层面也远，这正是后文要检验的分离。

论文要回答的两个具体问题是什么？

论文把大问题拆成两个可检验的问题。第一个问题是十地带口音普通话的节律指标是否存在系统差异，差异集中在元音相关指标还是辅音相关指标，哪些地区构成可分离的组。第二个问题是这些口音的整体节律格局与方言的音系距离是否平行，特别是词汇距离最远的闽方言口音是否节律也最远。教学上可以把第一个问题理解为测量问题，把第二个问题理解为解释问题。

测量问题要求报告每个指标在两两地区比较中的显著性、典型指标的分布位置和整体距离；解释问题要求把测量到的位置差异连接到各方言的声调、变调、词重音与中和机制，而不是停留在地图南北差异的笼统说法。 论文给出的方言音系背景是重要约束。吴方言上海话与温州话都有复杂的词层面变调，上海话存在左优势与右优势并存的格局，词首音节决定全词轮廓、后随音节弱化或扩展，温州话则不论韵律形态句法结构都呈现右优势。

广州话与厦门话虽有复杂变调规则但没有词重音；重庆、长沙、洛阳、南京、太原、南昌等地既有变调规则，又有轻声音节相关的词重音现象。这些背景不是结论，而是后文解释时长对比增大或元音占比升高的候选机制。需要记住的边界是论文没有逐个测量每个说话人的方言变调实现，而是用已知音系类型解释口音普通话中的时长迁移，因此机制解释属于有限解释而非直接因果证明。

从一段独白到节律距离：全流程经过哪些步骤？

先沿一个样本走完全程。假设取 1 位厦门口音说话人的一段自发独白，输入是约几分钟的连续录音与说话人性别等分层信息。第一步是切分与标注：把语句切成元音区间与辅音区间交替序列，记录每段时长并标记静音暂停，得到可计算的时长序列。第二步是指标计算：对该样本计算元音与辅音的均值、总和、标准差、归一化离散度、相邻差异指数、元音占比、语速与发音速率等，形成该样本的节律向量。

第三步是组间比较：把同一地区多个样本的指标汇成分布，用非参数检验判断地区间差异是否显著，并绘制两两比较显著性热图与小提琴分布。第四步是典型空间投影：挑选节律类型学中常用的指标做 2 维散点，例如元音占比对辅音标准差、归一化元音成对变异对原始辅音成对变异，观察各地区中心与置信区间的位置。第五步是整体距离综合：把归一化后的多个指标算欧氏距离矩阵，再做多维标度降到 2 维并叠加聚类，得到连续统上的相对位置。

输出不是给每段语音贴一个离散标签，而是给出该口音在三角连续统中更靠近哪一端。

成对变异指数 × 多维标度： 成对变异指数负责量化相邻元音或辅音区间时长差异的局部不均匀性，多维标度负责把归一化后的多个节律指标的欧氏距离压缩为 2 维节奏距离图，二者搭配的理由是单指标只能看一个维度而整体聚类需要综合距离，组合意义是从局部时长对比走向十地口音整体亲疏关系的连续统判断。

这条链条的搭配理由是单指标显著性容易受语速与样本量影响，典型散点只看两三个维度，整体距离综合多个维度但压缩过程会损失信息，三者互相制衡才能避免把某一个显著指标直接当成节律类型。复述时要按输入到表示到组件到目标到输出的顺序说清楚：输入是标注后的时长序列，表示是单样本节律向量，组件是检验与降维，目标是地区间可比的距离，输出是连续统位置与机制假设。

区间指标具体在算什么时长关系？

这节只讲计算对象，不引入训练。区间方法把汉语 syllable 的声母近似看作辅音区间、韵母近似看作元音区间，这与汉语语音结构有关，但论文沿用文献中的 C 与 V 记法。均值与总和描述时长水平；标准差描述同一类区间内部的波动；归一化离散度把波动除以均值，目的是减弱绝对语速的影响。

成对变异指数描述相邻两段时长差，归一化版本进一步除以相邻均值，适合比较语速不同的样本；元音占比描述元音总时长占语句总时长的比例，语速与发音速率分别在含暂停与不含暂停条件下计算每秒音节数。白话记忆是水平看多长，波动看散不散，相邻看跳不跳，占比看元音密不密，速率看说得快不快。

莫拉定时 × 元音占比： 莫拉定时负责描述以小于音节的莫拉为等时单位、元音间隔密集的实现，元音占比负责在声学上计算元音区间时长占全句时长的比例，二者搭配的理由是莫拉定时难以直接观测而元音占比可计算，组合意义是用高元音占比作为广州和厦门口音偏向莫拉定时一端的表面证据。

论文特别强调元音相关指标的区分力。结果显示元音占比、元音标准差、归一化元音成对变异以及时长总和在多数两两比较中显著，而辅音标准差与原始辅音成对变异显著效应最少。这意味着地区差异主要体现在元音时长的组织上，而不是辅音本身多复杂。广州与南昌元音占比较高，上海与温州最低，其余地区居中；上海与温州与其他组的对比集中在元音波动指标上。这些方向必须记住，因为后文把低元音占比加高时长对比解读为偏向重音定时，把高元音占比解读为偏向莫拉定时。

词调 × 变调： 词调负责说明吴方言中整个韵律词共用一个调形、首音节决定全词轮廓的机制，变调负责说明相邻音节调形按左右优势扩展或中和的具体过程，二者搭配的理由是只有把词层面的调域和音节间的实现规则放在一起，才能解释非首音节时长被压缩的原因，组合意义是把音系机制连接到成对变异指数和离散度指标的增大。

吴方言机制需要单独说清分工。词调说明韵律词是节奏单位，变调说明词内音节如何依优势方向实现调形与时长。当说话人把以词为单位的时长分配习惯带入普通话，就会无意识压缩非首音节，造成音节间时长对比增大。这正是论文用以解释上海与温州成对变异与离散度升高的机制。相反，粤语缺少轻声音节，音节时长相对完整，元音占比容易偏高。

闽方言本身复杂但普通话目标系统相对简单，反而可能抑制方言干扰。这些都是论文提出的有限解释，需要与直接测量区分开。

本研究有没有训练模型？实际计算过程是什么？

本研究没有训练神经网络，也没有冻结与更新参数、梯度路径、损失函数与早停等训练概念，因此不能把聚类或检验结果说成模型预测性能。实际计算过程是语料标注加统计分析。语料来自 RASC863 十地区带口音普通话库，包含自发与朗读两大部分，本文只用自发独白部分。每位说话人从 160 个预设话题中自选其一做即兴独白，时长约 3 至 5 分钟。每个地区先按年龄性别教育背景分层抽样录制大规模样本，再从中随机选取少量样本做精细语音标注。

所有入选者普通话水平测试达到 2 级，口音程度经 3 位专家听辨评为中等。这一点对复现很关键：它控制了口音过重或过轻带来的极端偏差，但也意味着结论只适用于中等口音强度的自发独白，不能推广到朗读或重口音。 统计计算包括三块。对全部节律指标做组间非参数检验，因为时长分布通常不正态，不宜直接用方差分析；然后做两两比较并校正显著性，用热图展示。

对典型指标做均值与置信区间散点，观察地区中心位置。对归一化后的多指标矩阵算欧氏距离，做多维标度与 Ward 层次聚类并报告拟合度。论文未报告标注一致性、切分工具细节、静音阈值、语句切分规则与缺失值处理，这些是复现时需要补记的缺项，不能从方法名称推定实现。也没有报告计算耗时与硬件预算，因为这不是深度学习实验，不应虚构训练成本。

数据划分、采样与统计口径如何保证可比？

实验条件按数据、协议、指标与聚合四项交代。数据是十地普通话口音的自发独白，每地大规模录制后再抽取 20 人做精细标注，男女各半。协议是同一话题池、同一独白任务、同一中等口音筛选标准，目的是让地区差异主要反映口音实现而非任务差异。

但论文没有给出每地最终有效语句数、每人有效时长、年龄教育分布是否均衡，也没有说明是否剔除笑声、重复、长停顿等自发语流现象，这些都会影响时长指标，因此跨地区比较时只能说在相同任务与筛选标准下可比，不能说所有混淆因素都已消除。 指标方向需要提前讲清，否则会误读散点。元音占比越高表示元音越密集；标准差与成对变异越大表示时长越不均匀；归一化指标在跨语速比较时更稳健。

语速与发音速率只描述快慢，不直接等于节律类型。聚合对象是以地区为组的样本分布比较，而不是单个说话人的纵向追踪；显著性热图中的颜色深浅表示校正后显著程度，星号表示阈值等级，不能把颜色深直接读成效应量大。多维标度的拟合度报告为 80% 多，表示 2 维压缩保留了大部分距离信息，但仍有损失，不能把 2 维图上的像素距离当成精确数值引用。 十地样本与分组的对照是理解后文表格的基础。

先提出比较问题：在相同独白任务下，十地口音的时长组织是否形成可分离的组，元音与辅音指标的分工有何不同。下表把地区代码、方言归属与抽样规模放在一起，公平条件是同一自发独白任务与中等口音筛选，指标方向在后文结果中按元音占比与变异度分别判断。

该表的收益是把后文所有缩写 1 次锚定，避免把温州与上海混为同一实现、把太原误作官话或把厦门误作粤方言。

代价是它只说明抽样规模与任务控制，没有给出有效语句数与年龄教育分布，因此不能用它证明组间完全均衡。未胜出项是朗读语料：论文语料库本有朗读部分，但本文只分析自发独白，朗读条件下的节律位置仍是未评测边界。

哪些口音真正分开？典型指标指向什么方向？

主结果按显著性分布、典型散点与整体聚类 3 层组织。第一层是两两显著性热图与小提琴分布。论文报告高区分力指标与时长总和在多数比较中显著，辅音变异指标显著最少。地区层面，上海与温州与多数其他地区显著不同，南昌也与多组不同，而重庆、厦门、南京、长沙之间差异较小。元音指标分歧大、辅音指标分歧小是贯穿全文的总体趋势，但总体趋势不等于每对比较都成立，具体哪对显著仍需看热图，不能把趋势推广到所有组合。

第二层是节律类型学常用指标的散点比较，需要分别看元音占比维度与相邻变异维度。下表把论文文字报告的位置关系整理为可复述的对照，公平条件是同一自发独白与同一区间切分，指标方向是元音占比高指向元音密集、标准差与成对变异高指向时长不均匀。

该表的主要收益是把低元音占比与高变异的组合对应到吴方言口音，把高元音占比对应到粤闽口音，同时保留反例：广州元音占比虽高但在相邻变异空间并不突出，说明密度与变异是两个维度。

温州与上海元音占比同样低但辅音波动不同，说明吴方言内部也不一致。代价是散点中心与置信区间在像素上无法读出精确数值，本解读不硬写坐标，只复述相对位置与论文文字给出的区间。未胜出项是重庆、厦门、南京、长沙之间的微小差异，它们在多数指标上不易分离，不能强行排序。 典型散点的导读先看左图元音占比对辅音标准差。横轴是元音占比，纵轴是辅音标准差，每个点带十字置信区间，图例区分 10 个口音。

看图路径： 1. 先看左图横轴元音占比与纵轴辅音标准差的坐标含义与置信区间十字线；2. 再对比广州在高元音占比端、上海和温州在低元音占比端的位置；3. 再看右图相邻元音变异与相邻辅音变异空间中南昌在底部的孤立位置

论文图 5。原论文 Figure 5：“Metrics comparison among reginal accented Pu- tonghua (left: percent V vs delta C; right: nPVI V vs rPVI C).”。

解释这张图时要分两步。左图广州点明显靠右，元音占比最高；南昌与厦门次之；上海与温州靠左最低；太原、南京、长沙、重庆聚在中部。

上海与洛阳纵轴较高，南昌纵轴较低，温州纵轴明显低于上海。右图横轴是归一化元音相邻变异，纵轴是原始辅音相邻变异，上海点兼具最高辅音变异与最低元音变异，洛阳点在双高方向，南昌点沉底，中部多组集中在元音变异六十至六十三、辅音变异 5.0 至 5.2 附近。关键反证是广州在右图中并不突出，说明它的特殊性主要在元音密度而非相邻变异。 第 3 层是整体距离的多维标度与聚类。

论文用归一化节律指标算欧氏距离，做多维标度并叠加 4 类 Ward 聚类，拟合度为 80% 多。结果形成沿第一维的连续统：长沙、厦门、重庆、洛阳在中左红色组，广州与南昌在左上蓝色组，南京与太原在中间绿色组，温州与上海在最右紫色组。导读该距离图时先确认横轴为节律方差第一维、纵轴为第 2 维。

看图路径： 1. 先确认横轴为节律方差第一维、纵轴为第二维及拟合度标注；2. 再看红色椭圆内厦门重庆长沙洛阳的集中与南京太原的过渡位置；3. 再对比右端上海温州与左上广州南昌的分离距离

论文图 4。原论文 Figure 4：“MDS map of Accent rhythm distances.”。

这张图的解释是红色组汇集不同方言背景但地理上偏中南部的口音，蓝色组在第 2 维上偏高，绿色组处在核心与外围之间，紫色吴方言组沿第一维显著分离。论文据此提出吴方言口音保留了特殊的词调与复杂变调迁移，南京江淮官话呈现南北过渡性质。需要用支持而非证明的措辞，因为聚类距离来自声学指标压缩，不能直接等同于音系亲缘关系。

词汇距离 × 节律距离： 词汇距离负责度量核心词层面方言与普通话的形式分歧，节律距离负责度量归一化节律指标空间中口音之间的声学实现分歧，二者搭配的理由是检验底层词库分歧是否直接决定表层时长组织，组合意义是揭示厦门话词汇距离远但节律距离近的分离现象，从而区分音系底层与语音实现。

如果只看词汇距离会误判什么？反证在哪里？

这一节承担论文特有的反证任务，而不是深度学习中的消融。论文对照的是基于核心词的语言距离研究：闽方言厦门话在核心词上与普通话高度分歧，但在本研究的节律距离中厦门口音与重庆、洛阳、长沙聚在同一红色组，表现为节律相近。论文用音系复杂性不对称解释：闽方言本身声调多、变调复杂，普通话目标系统相对简单，从复杂母语转向相对不标记的目标系统反而容易抑制干扰，高保真实现普通话的韵律结构。

而吴方言母语的词调机制与目标系统形成竞争性约束，更容易把以词为单位的时长压缩习惯迁移过来。白话来说，词库差异大不等于时长组织差异大，目标系统简单有时反而好学。 第二个反证是广州口音。它的元音占比甚至超过典型莫拉定时语言的参考水平，但相邻变异并不突出，说明高元音占比可以来自缺少轻声音节等结构原因，而不必伴随相邻时长的大跳变。

若只用单一元音占比给所有口音排序，就会把广州直接判为莫拉定时语言，这正是论文坚持多指标与连续统的原因。第 3 个反证是吴方言内部差异：上海与温州同属低元音占比端，但辅音波动与变调优势方向不同，一个左优势与右优势并存，一个右优势为主，不能把吴方言口音当成单一模板。 下表把整体聚类与机制假设对应起来，公平条件是同一多指标距离与同一 4 类聚类，指标方向仍按密度与变异分别判断。

表后解释需要同时说收益与代价。

收益是 4 组划分让词汇距离与节律距离的分离变得可见，也让南京太原的过渡性质有位置可指。代价是聚类数取四是人为选择，拟合度虽高但降维仍有损失，改变指标集合或归一化方式可能移动边界。未评测边界是年龄性别教育等社会因素，论文明确说没有收集相关统计，不能把组间差异全部归于音系机制。

哪些结论不能下？缺了哪些证据？

首先是口音强度与语体的边界。每地精细标注只有 20 人，且口音程度控制为中等，朗读语料未纳入分析，因此结论只适用于中等口音强度的自发独白。不能把上海温州更偏重音定时的判断推广到朗读、重口音或轻口音，也不能推广到方言本身的节律。其次是社会因素缺失。论文在结尾明确承认组内口音程度有限，没有收集年龄性别等社会因素的统计数据，后续才会纳入。

这意味着当前组间差异可能混入年龄、教育、语速习惯的影响，相关性不能当作音系因果。 其次是测量与推断的边界。区间切分把声母韵母近似为辅音元音区间，轻声、中和、语流弱化与停顿处理都会影响元音占比与变异指标，但论文未报告切分阈值与一致性检验。显著性热图只说明差异是否显著，不等于效应量大；多维标度拟合度高不等于 2 维距离精确。

三角示意图是示意而非测量坐标，不能从示意图读出某口音的精确类型得分。论文关于广州超过日语参考水平的说法是与文献参考值的比较，不是本文同条件重测日语，因此不能当作本文实测的跨语言胜负。最后是资源可用性。本次没有收到可验证的公开代码数据资源，不得声称已公开或当前可用，复现只能回到论文文字与图注重做流程。

要复现这条节律链条先做什么？

复现的第一步是重建可比语料，而不是直接跑聚类。按论文条件准备十地普通话自发独白，每地保证男女均衡，任务统一为自选话题即兴独白几分钟，筛选普通话 2 级且中等口音样本，并记录年龄教育与有效时长。精细标注阶段要明确语句切分、静音阈值、声母韵母到辅音元音区间的映射、轻声与语气词的处理，并做双人一致性抽查，否则元音占比与变异指标不可比。

第二步是计算同一套指标：均值、总和、标准差、归一化离散度、归一化与原始成对变异、元音占比、语速与发音速率，全部在同一聚合层级上按地区汇总。第三步是统计：先做非参数组间检验与两两校正，再做典型指标散点与置信区间，最后对归一化指标算欧氏距离并做多维标度与层次聚类，记录拟合度与聚类数选择的敏感性。 需要保留的关键信息条件是自发独白、中等口音、归一化后再算距离、4 类聚类只是一种划分。

若改用朗读、改变暂停处理或更换指标子集，应预期红色核心组与绿色过渡组的边界会移动，吴方言分离方向可能保留但距离大小会变。还需补做的验证包括社会因素分层、语速协变量控制、标注者一致性、跨语体重复，以及在同条件下加入日语英语等参考语言的实测对照，才能把三角连续统从示意变为可定位的测量。若只能做最小复现，应优先复现元音占比的两端排序与南昌辅音均匀的底部位置，因为这两处是论文文字与散点互相印证最稳的地方。

何时值得借用这套连续统视角？

当研究对象是同一目标语的不同口音、且听感差异集中在时长组织而非音段对错时，这套视角值得尝试。它的价值在于不急于贴标签，而是先看元音密度与相邻变异两个维度，再看整体距离，最后才谈机制。教学上可以记住 3 条可操作规则：看到低元音占比加高时长对比，先考虑词层面的时长压缩机制；看到高元音占比，先区分是密度高还是相邻跳变大；看到词汇距离远，先问目标系统是否更简单，而不要直接推断节律也远。

三角连续统示意图把上述判断收束为一个可记忆的框架。3 个顶点分别是重音定时、音节定时、莫拉定时，示例语言帮助定位方向，左侧条带给出十地口音从吴方言经中部组与过渡组到粤赣组的相对排列。

看图路径： 1. 先沿三角三顶点确认重音定时、音节定时、莫拉定时及其示例语言；2. 再看左侧口音分组条带从上海温州经厦门到南京太原再到南昌广州的排列；3. 再理解箭头循环表示连续可变的含义而非离散三分

论文图 6。原论文 Figure 6：“Schematic diagram of the Triangular rhythm contin- uum.”。

对这张示意图的正确读法是把它当作方向图而非坐标图。上海与温州靠近重音定时一端，广州与厦门靠近莫拉定时一端，南京与太原处在核心与外围之间，长沙、洛阳、重庆与厦门处在中部。它支持的判断是区域口音普通话的节律是连续可变的，受底层音系机制与社会因素共同塑造；它不支持的判断是某口音已经变成另一类语言。可能的后续工作是按论文计划纳入年龄性别等社会因素，并从音高角度补充节律证据，但在补足这些验证之前，不应承诺口音识别、教学纠音或语音合成中的具体收益。

📐 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 1 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