句末先嘎吱后清化：伊纳里萨米语中清化时长随词长增长而嘎吱不跟随

英文题目：Utterance-final devoicing and creaky voice in Inari Saami

会议身份：conference:speechprosody:2026:conference-paper-id:wilbur26_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 #语音属性识别

评分：3.6/10 | 创新 0.8/2 | 技术严谨 1.0/1.5 | 实验充分 0.7/1.5 | 清晰度 0.6/1 | 影响力 0.4/1.5 | 开源 0.0/1.5 | 可复现 0.1/0.5 | 工程/实践 0.0/1.5

排名：后50% | 文档类型：应用研究

👥 作者与机构

• Helen Wilbur：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本文以伊纳里萨米语陈述句句末双音节、三音节与四音节词的声学信号为输入，输出去浊段与嘎裂段的边界划分与时长解释，难点在于去浊与嘎裂呈连续渐变且话者间弱化频率和时长差异显著。方法链分三步：先复用Inari Saami Prosody Corpus的词与音段标注并人工复核去浊与嘎裂段，其输出的TextGrid标注进入下一步测量；再用Praat脚本基于TextGrid测量去浊段、嘎裂段与整词毫秒时长，其输出的时长数据进入统计建模；最后以贝叶斯广义多层模型检验音节数与前后发声条件对对数时长的影响。与芬兰语定性描写和Pite Saami自发语研究相比，本文将去浊与嘎裂视为同一句末弱化连续体的可度量部分并量化其此消彼长的权衡，具有明确的声学划分标准和可检验的时长模型意义。在句末朗读语料设置下，四音节词纯去浊段的时长指标为521 ms，高于双音节词纯去浊段的时长指标364 ms。该结论的适用边界仅限于老年男性朗读陈述句，尚未验证自发对话、女性与年轻话者及跨词边界弱化等外推范围。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

为什么要研究句末的无声拖尾？

输入是伊纳里萨米语的陈述句朗读录音，目标是说清句末词尾那段听起来变弱、变哑甚至完全无声的部分到底有多长，以及它和嘎吱声如何衔接。必须保留的信息是语言归属、说话人规模、词长条件和测量单位，输出是一套可复述的切分与测量动作，而不是对终结功能下定论。伊纳里萨米语是芬兰北部因纳里湖周边村庄使用的东萨米语，母语者约 350 人，加上 revitalization 后学习者约 450 人规模，属严重濒危语言。此前只有零散观察说音节或更长的单位在句末会清化，没有细致的声学语音学研究。

对于刚入门的同学，先把两个关键词用白话固定下来。句末清化（utterance-final devoicing）指句子最后一个词的尾部声带不再振动，在波形和语图上看不到基频，强度明显掉下去，听感像气声拖尾。嘎吱声（creaky voice）指声门收得很紧但仍有部分振动，脉冲间隔不规则，基频和强度比常态发声低，听感像低沉的吱嘎声。常态发声（modal voice）是基准态，即规则振动、有稳定基频的状态。论文把三者放在发声连续体上理解：从最开的清音，到常态，再到收紧的嘎吱，最后到完全关闭，句末是从发声态滑向呼吸态的过程。

句末清化 × 嘎吱声： 句末清化指在陈述句末尾声带停止振动、声学上无基频且强度明显下降的一段；嘎吱声指声门收紧、声带振动率低且不规则、基频和强度下降的一段。两者分工不同：清化是振动停止，嘎吱是振动变不规则收紧；搭配理由是说话人在句末由发声态向呼吸态过渡时声门下压力下降，先经过收紧再到完全打开，组合意义是把它们看作同一句末弱化连续体上的前后阶段，而不是两种无关现象。

本解读按学习依赖展开：先讲任务与芬兰、萨米语中的已知路线，再讲语料全景与切分组件，然后讲没有模型训练时实际做了什么计算，接着讲实验条件、两组主结果、说话人反例与边界，最后讲复现步骤。教学中举的例子会明确标为例子，不虚构数值。

芬兰与萨米语中已知了什么？

同输入、同目标的已有工作集中在芬诺斯堪迪亚地区。芬兰语方面，量（quantity）研究早就注意到句末会被弱化到完全清化的耳语程度，基本基频曲线下行，句末常出现嘎吱和清化，清化前还可能有气声，会话研究进一步把嘎吱与话轮结束联系起来。瑞典语把嘎吱与韵律边界位置联系起来，爱沙尼亚语自发话语显示短语末嘎吱显著增加且与缺乏重音有关，被解释为可能的让出话轮线索。这些工作给出对照维度：是只影响一个音段，还是影响整个尾部；是只标记话轮交接，还是更宽的终结标记。

萨米语方面，1891 年对律勒萨米语的记录提到孤立词末音节可发成耳语甚至完全脱落，句末词整体也如此；北萨米语语法提到句末最后一个音的耳语化；最近对皮特萨米语自发话语的研究把清化和嘎吱合称句末弱化，发现多为末音节受影响，也可扩及更多音节，男性更频、年长者更长更频。本文与皮特萨米语工作构成最直接的对照：同为萨米语、同为句末弱化，但本文用朗读、对方用自发，且本文报告至少词首音段保持常态，而对方现象有时跨词界。

生理机制上，论文引用声门下压下降、为吸气做准备导致尾部振动停止，以及振动不规则化形成嘎吱的解释，但这属于引用已有解释，不是本文新测量的生理证据。

本文要回答的两个具体问题是什么？

第一个问题是范围问题：在伊纳里萨米语陈述句中，句末清化和嘎吱在时长上到底占多大范围。不是问有没有，而是问从常态转为无声或嘎吱的起点在哪里，持续多少毫秒，占全词多长。这要求对每个句末词切出常态段、嘎吱段、清化段 3 段时间，并报告均值与占比。第二个问题是词长效应：词是双音节、三音节还是四音节，是否影响以及如何影响清化和嘎吱的时长。这要求在控制句末位置相同的条件下比较 3 种词长。

理解这两个问题要先固定适用条件。研究对象是句子末尾的目标词，不是句中词；句式是陈述句朗读，不是疑问或自发对话；测量对象是已标注为清化或嘎吱的 590 个词例，不是全部朗读词。因此结论的适用域是朗读体陈述句末，不能直接推广到自发话轮转换。若把问题误记为判断清化是否具有音位对立作用，就会偏离本文的语音实现与时长分配目标。

从一句话到三个时长数字的全景如何走通？

沿一个样本走完全程有助于建立全景。输入是一句包含加粗目标词的朗读句，例如含双音节、三音节、四音节目标词的测试句，目标词固定出现在句末。表示是已在词和音段层标注好的文本网格，标有哪里是常态、哪里是清化或嘎吱。组件做两件事：先人工复核清化与嘎吱的边界，再用脚本从网格读出 3 段时长。目标是得到每个词的清化时长、嘎吱时长和全词时长，进而按词长和有无前后衔接分组统计。输出是分组均值、占比和贝叶斯多层模型的系数与可信区间。

常态发声 × 清化： 常态发声指声带规则振动、有清晰基频和较高强度的基准段；清化指其后基频消失、强度骤降的尾段。常态段负责提供可测的词首锚点和总时长分母，清化段负责提供被解释的时长分子；搭配理由是只有先切分出常态起点，才能界定清化从哪里开始、有多长，组合后才能计算清化占比并比较不同词长。

数据底座是伊纳里萨米语韵律语料库，原为研究三元辅音量长对立而设计的朗读测试句。本文从中挑选句末的双、三、四音节测试词做 2 次分析。4 名发音人均为男性母语者，录音时 62 岁、68 岁、76 岁和 77 岁，第一语言为伊纳里萨米语，第二语言为芬兰语，多数也会北萨米语。语料为非自发朗读，这是理解后文与皮特萨米语差异的关键条件。标注工具用普拉特（Praat）脚本读时长，统计用 R 语言的贝叶斯多层模型包，对数转换后的时长为因变量，音节数和有无前置嘎吱或后随清化为固定效应，说话人和测试词为随机效应。

清化与嘎吱的边界按什么动作切分？

切分动作必须可复述。清化段的判定是看不到基频轨迹且强度值显著下降的连续段；若清音辅音夹在浊元音或响音之间，也计入清化拉伸内，避免把词尾的清塞音误判为中断。嘎吱段的判定主要依据声学特征：声带脉冲间隔不规则，强度和基频下降。操作上是先看波形与语图，再对照基频曲线与强度曲线：图 3 例子显示三音节词在第一音节末附近强度与基频同时下跌，发声由常态转入清音，这是教学例子，不是待检验的数值结论。

切分后形成 3 种模式。第一类是常态起头、直接进入清化尾；第二类是常态、嘎吱、清化 3 段衔接；第 3 类是常态后仅接嘎吱尾，较少见且仅 1 名说话人出现。测量单位统一为毫秒，全词时长为分母，各段时长为分子，报告占比。需要提醒初学者：底层清辅音被计入清化拉伸是本文的分析约定，若换用严格只计元音的口径，数值会变化，因此复现时必须沿用同一约定才能对上数字。

时长比较的统计模型做了什么计算？

统计不是简单比均值，而是用贝叶斯广义多层模型处理说话人和词项差异。输入是每个词例的对数时长，固定效应包括词含音节数，以及对清化而言有无前置嘎吱、对嘎吱而言有无后随清化；随机效应是说话人和测试词。计算目标是估计各效应的系数与 95% 可信区间，判断方向与是否排除零。原文使用弱信息先验，具体先验形状未展开，这是缺项，复现时需指出未报告先验细节，不能从软件包默认反推作者一定用了默认。

固定效应的编码以双音节词为基线，报告三音节与四音节相对基线的增量。随机效应吸收个体与词项的基线差异，避免把某人习惯或某词偏长误读为普遍规律。初学者易犯的误解是把可信区间当作显著性星号；更准确的读法是看区间是否稳定地位于零的一侧，以及系数方向与原始毫秒均值是否一致。本文同时报告原始均值与模型系数，两者互相印证时判断更稳。

没有模型训练时实际计算了什么？

本研究没有训练神经网络，也没有冻结或更新任何模型参数，因此不存在梯度路径、优化器步骤或早停问题。该节的真实计算是标注复核加脚本测量加贝叶斯回归。第一步是人工复核语料库中已有的词、音段、清化与嘎吱标注，按无基频加强度骤降切清化，按脉冲不规则加基频强度下降切嘎吱。第二步是用普拉特脚本批量读取文本网格区间，输出毫秒数。第三步是在 R 中对对数时长拟合多层模型，得到系数与可信区间。

必须明确未报告项：脚本的具体窗长、强度阈值、基频提取参数未给出；模型的采样链数、迭代数、收敛诊断未给出；先验的具体分布未给出。这些缺项不是否定结果，而是限定复现精度：他人按同约定可复现方向与大致量级，但毫秒级完全一致需要补充参数。也不能把无训练等同于确定性求解，因为人工边界判断与随机效应本身带来不确定性，模型用可信区间正是为了表达这种不确定。

数据划分、指标与聚合口径是什么？

数据是朗读语料库的子集，按句末目标词的音节数划分，不涉及训练集、验证集、测试集划分。分析集是出现清化或嘎吱的 590 个句末词例，其中 359 个为仅清化，231 个为嘎吱加清化，另有 39 个仅嘎吱且只来自第 3 名说话人。指标是各段绝对时长（毫秒）与占全词时长的百分比，聚合对象是按音节数分组的词例均值与标准差，以及分说话人的计数。统计方法是对数时长的贝叶斯多层模型，报告系数与 95% 可信区间。硬件与耗时预算原文未报告，这是缺项。

比较的公平条件是位置固定为句末、句式固定为陈述句朗读，组间只变音节数或有无前后衔接。指标方向需分开理解：清化时长越长表示弱化范围越大；嘎吱时长越长表示过渡段越长，两者不是同一好坏维度。百分比的分母是全词时长，分子是对应段时长，不同音节数的全词基线不同，因此绝对毫秒与百分比要同时看，避免只看百分比误判。例如三音节词清化占比高，部分原因是全词较短，而四音节词绝对时长最长。

清化时长如何随词长变化？

要回答的核心比较是：在同样句末、同样朗读条件下，双、三、四音节词的清化段谁更长，有无前置嘎吱是否改变结论。公平条件是只比较已出现清化的词例，指标是清化段毫秒数与占全词百分比，方向是数值越大表示尾部无声范围越大。结果显示清化绝对时长随词长单调增长，且前置嘎吱会压缩清化。

表后解释需要同时给出收益与代价。主收益是规律清晰：无前置嘎吱时四音节最长、三音节次之、双音节最短；有前置嘎吱时同样保持四音节最长，数值整体下移。模型系数支持该判断：以双音节为基线，三音节系数为 0.28，四音节为 0.50，可信区间均在零以上；前置嘎吱系数为负 0.19，区间在零以下。

代价是占比视角不单调，三音节仅清化占比达 58% 反而高于四音节，这与全词基线不同有关，不能只用占比证明单调性。未胜出项是双音节有嘎吱时的清化最短，仅 228 毫秒，说明短词加过渡会把无声段挤得很小。

词长 × 清化时长： 词长指句末目标词包含两个、3 个还是 4 个音节；清化时长指该词尾部无基频段的毫秒数。词长提供可比较的韵律框架，清化时长提供该框架内受影响的范围；搭配理由是检验更长的词是否为句末弱化留出更长的作用域，组合意义是发现清化绝对时长随词长增长，这是本文核心的数量关系。

嘎吱时长为何不跟随词长？

第二个比较问题是嘎吱段是否也随词长变长，以及后随清化是否改变嘎吱长度。公平条件仍固定句末朗读，指标为嘎吱段毫秒数与占比，方向同样是数值越大表示过渡段越长。导读如下：下图按双、三、四音节展示嘎吱时长分布，左面板是仅嘎吱无后随清化，右面板是嘎吱后接清化，箱内横线为中位数、圆点为均值，阅读时应先分面板再比词长。

看图路径： 1. 先区分左面板仅嘎吱与右面板嘎吱后接清化两种条件；2. 再按双音节、三音节、四音节顺序比较箱体位置高低；3. 核对箱内横线中位数与圆点均值的相对位置是否一致；4. 观察右面板三类词长的嘎吱时长是否拉不开差距

论文图 5。原论文 Figure 5：“The duration of creaky voice quality (in ms) within di-, tri- and tetrasyllabic words at utterance-final position.”。

针对可见内容的解释是：左面板仅嘎吱条件下箱体位置较高，四音节整体高于双音节与三音节，但该条件仅来自 1 名说话人，样本代表性弱；右面板有后随清化时 3 类词长的箱体高度拉不开，双音节反而略高，三音节最低，说明嘎吱没有随词长单调增长。结合数字表看更清楚，右面板 3 组均值非常接近，而左面板绝对值明显更大，支持后随清化会压缩嘎吱的判断。像素不能精确读出的具体毫秒与样本点数不硬写，以正文报告的均值为准。

表后解释要给出对照与限制。主要收益是发现不对称：清化随词长，嘎吱不随词长；无后随清化时嘎吱更长，模型系数为 0.42，区间在零以上，而三音节相对双音节的嘎吱系数为负 0.21。代价与反例是仅嘎吱条件完全依赖第 3 名说话人的 39 例，其中双音节 27 例加三音节 6 例加四音节 6 例的分布极不均衡，不能推广为普遍规律。未评测边界是底层清辅音计入拉伸的口径对嘎吱起点是否有影响，原文未做敏感性分析。

去掉前置嘎吱或换说话人会怎样？

把有无衔接当作对照条件，可以看到同一现象内的时长再分配。有前置嘎吱时清化从 364、482、521 毫秒降到 228、278、424 毫秒，降幅在短词更明显；有后随清化时嘎吱从 330、322、456 毫秒降到 225、174、216 毫秒。这支持两者共享同一弱化预算：过渡段占多了，无声段就少了，反之亦然。教学上可理解为同一尾部空间被两段瓜分，但原文未测量总弱化时长恒定，不能说成严格守恒，只是方向一致。

前置嘎吱 × 后随清化： 前置嘎吱指清化开始前出现的不规则低基频段；后随清化指紧跟其后的无声段。前置嘎吱分工是标记声门正在收紧的过渡，后随清化分工是标记振动完全停止；搭配理由是观察过渡是否压缩后续无声段，组合意义是发现有前置嘎吱时清化更短，反过来无后随清化时嘎吱更长，支持两者属于同一现象的不同分配。

说话人差异是重要的反证。第 1 名说话人仅贡献 50 个含弱化词例，远少于其余 3 人的 168、193、179 例；第 2 名说话人清化集中在双音节 90 例；第 3 名说话人是嘎吱大户且独占仅嘎吱模式；第 4 名说话人多为纯清化。

这说明句末弱化对说话人是可选的，发声控制存在个体策略差异。若只看总体均值会掩盖这种异质性，复现时必须分说话人报告计数，不能只报 pooled 均值。

表后说明代价：个体可选性意味着功能解释需谨慎，不能把清化当作强制的句末标记；同时样本全为老年男性，性别与年龄效应无法检验，与皮特萨米语中男性更多、年长者更长的发现无法在本文内复核。

哪些边界会让结论不再成立？

首先是体裁边界。本文为朗读，至少词首保持常态，而皮特萨米语自发话语中弱化有时跨词界，因此自发伊纳里萨米语的作用域可能更大，本文数字是保守估计，不能直接当作自然对话的终结标记强度。其次是样本边界。4 名均为 60 岁以上男性母语者，无女性与年轻人，个体差异已很大，推广到全体说话人需待验证。再次是标注边界。清化与嘎吱依赖人工听辨加基频强度判断，阈值与参数未公开，底层清辅音计入拉伸的约定会影响绝对值。

朗读语料 × 自发话语： 朗读语料指按预设句子读出的受控句末词；自发话语指自然交谈中的话轮末尾。朗读语料分工是固定句法位置和词长以便测量，自发话语分工是检验话轮转换、韵律边界等真实功能；搭配理由是本文只用前者，不能直接推出后者的交接功能，组合意义是明确结论只支持朗读体中标记终结的初步解释，跨体裁推广待验证。

因果表述需克制。论文报告的是词长与清化时长的正相关，以及前后衔接与时长压缩的关联，支持两者属于同一现象的解释，但未测量呼吸、声门开闭等生理信号，不能断言声门下压下降导致了此处多长的清化。功能上提出可能标记终结而不仅是话轮交接，但未做感知或交互实验，属于待验证的推测。芬兰语接触影响也被点名需进一步研究，不能在本文证据下得出接触导致弱化的结论。

要复现这组数字先做什么？

第一步是获取同一语料库的朗读句与已有词、音段标注，筛选句末双、三、四音节目标词，保留陈述句条件。第二步是按原文约定复核边界：无基频加强度显著下降切清化，脉冲不规则加基频强度下降切嘎吱，夹在浊音之间的底层清辅音计入清化拉伸，用普拉特脚本批量读出毫秒数。第三步是按音节数与有无前后衔接分组，计算各段均值、标准差与占全词百分比，再以双音节为基线拟合对数时长的贝叶斯多层模型，说话人与词项作随机效应。

先做分说话人计数表，确认第 1 名说话人是否依然明显偏少、第 3 名是否依然贡献仅嘎吱例，这是检验标注口径是否一致的最快方法。再核对核心量级：无前置嘎吱时清化约 364、482、521 毫秒，有前置时约 228、278、424 毫秒；嘎吱后接清化时约 225、174、216 毫秒，仅嘎吱时约 330、322、456 毫秒。若方向一致但绝对值偏移，优先检查强度阈值与基频提取设置。资源状态方面，本次未发现来源绑定且完成验证的公开代码、模型或数据链接，不得声称已公开；语料库引用信息在原文参考文献中给出，但本次未能确认可达，需自行按文内引用检索。

何时值得借用这套做法？

当你的任务也是句末弱化、终结标记或朗读与自发对比时，这套做法值得借用：固定句末位置，按词长分组，同时报告绝对毫秒与占比，并把前置嘎吱与后随清化当作调节变量而非噪音剔除。它用最小的动作回答了范围问题，且用个体差异提醒可选性，避免把语音实现误读为强制规则。若研究对象是年轻人、女性或自发对话，应先补充分层样本与跨词界标注，再谈话轮功能。

重提结果时增加适用条件：清化随词长增长只在句末朗读陈述句、老年男性样本、当前切分约定下得到支持；嘎吱不随词长且被后随清化压缩，但仅嘎吱证据只来自 1 人。下一步最缺的验证是自发语料中的作用域与感知实验：听者是否用这段无声拖尾判断句子结束，以及芬兰语接触是否调节个体策略。在这些验证完成前，将结论表述为报告显示朗读句末存在可测量的清化加嘎吱模式，比断言其必然标记终结更准确。

📐 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 11 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