低声调为何进不了第一槽：粤语双重粗口语素的声调排序偏好

英文题目：Tone-Driven Preference in Cantonese Double Expletive Constructions

会议身份：conference:speechprosody:2026:conference-paper-id:yeung26_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 #语音学与音系 #韵律 #言语感知 #语音属性识别

评分：5.5/10 | 创新 1.2/2 | 技术严谨 1.0/1.5 | 实验充分 1.0/1.5 | 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

• Alex Hong-Lun Yeung：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

该研究处理香港粤语新兴双感叹词排序问题，输入为双音节形容词或副词加形容词框架加两个语义等价感叹词l5n25、k5u55与tsh5t22，输出为感叹词居首偏好，难点在于剥离音段词汇联想而验证纯声调效应。方法链分三步衔接：先以社交媒体挖掘建立低调tsh5t22回避居首的分布假设，其输出的非对称模式直接作为受控实验的待验假设；再以视觉迫选任务检验跨构式与周边声调下的能产性偏好，其平衡刺激排除了语料分布不均的干扰；最后以哼唱只留声调轮廓的知觉任务检验因果，其无音段输入承接前步的偏好结论并隔离声调。与已有变调研究的范式改变逻辑不同，本文机制是无交替的排序择优，即在等义项中选择高调居首而非改写底层声调，具有揭示韵律位置 prominences 驱动语序的实际意义。在迫选任务评测条件下，构式类型效应的显著性指标p为.65，高于周边声调语境效应的显著性指标p的.3参照水平。该结论适用边界受限于三词及年轻人口语新兴构式，尚未验证四音节词库频率或韵律组块解释。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://doi.org/10.17605/OSF.IO/MD832 → https://osf.io/md832/ — 链接可访问（HTTP 200） 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：本文从哪里来、要解决什么学习问题？

本文的输入是香港粤语中新出现的双重粗口结构。读者需要先建立 3 个事实。第一，粤语属于汉语粤方言，论文交代香港约有超过 500 万使用者，整个粤语约 6400 万使用者，研究对象限定为香港口语中的市井用法。第二，粤语有 6 个词汇声调，论文用赵元任五度标记法描写，1 最低、5 最高，并以 T 加数字在脱离音节时指代声调，例如高平 T55、高升 T25、中平 T33、低降 T21、低升 T23、低平 T22。

第三，单粗口结构已经常见：在双音节形容词中间插入一个粗口语素，构成形容词加粗口加形容词，例如 tsi55 sin33 表示发疯，在中间插入粗口就得到加强语气的发疯；另一类是在程度副词与单音节形容词之间插入粗口，例如 ho25 s8y55 表示很差，插入后得到程度更强的很差。

年轻使用者把上述两类结构各扩展出双重版本：连续插入两个粗口语素，分别记为第一粗口槽位与第二粗口槽位。于是出现形容词加第一粗口加第二粗口加形容词，以及副词加第一粗口加第二粗口加形容词。论文聚焦 3 个常用且语义相当的粗口语素：l5n25 与 k5u55 以高调结尾，tsh5t22 以低调结尾。观察到的不对称是前两者在两个槽位都自由出现，后者强烈回避第一槽位，更多出现在第二槽位。

虚词插入 × 双重粗口结构： 虚词插入指把粗口语素插入形容词内部或程度副词与形容词之间起加强作用的操作，双重粗口结构则是把这一操作做 2 次、连续放入两个语素的操作，两者搭配的理由是后者在前者已成立的槽位上追问排序问题，新增作用是把原来单个语素的选择问题变成两个等义语素谁先谁后的顺序问题。

本篇解读的目标读者是刚进入语音、音乐或音频领域的研究生。目标是让你能复述方法：语料如何从社交媒体来、如何过滤出有效双重结构、两个实验如何控制字形、声调与音段、统计模型放入哪些固定效应与随机效应、结果在什么条件下成立。必须保留的信息包括 3 个粗口的声调身份、两种结构的全称、语料量与有效量、低调在首槽仅 2 例、两个实验的人数与筛选、评分量表的锚点、以及周边声调无显著效应的结论。

输出按学习依赖展开：先讲任务与相关路线，再讲方法全景与组件分工，再讲构造与实验条件，最后讲结果、反证与复现。本文没有神经网络训练，因此训练一节将明确说明未训练什么、实际做了什么计算与统计。

声调系统如何理解：六个调与高低二分怎样对应？

初学者需要把 6 个调的具体身份与论文中的高低二分对应起来。论文的声调表以音节 si 为例：高平 T55 如诗，高升 T25 如史，中平 T33 如试，低降 T21 如时，低升 T23 如市，低平 T22 如是。在双重粗口检验中，论文把高平与高升视为高，把中平视为非高，把低调粗口的 T22 视为低。这种二分不是说粤语只有高低两类，而是为了检验第一槽位是否偏爱高调而做的操作化分组。

理解 Chao 数字有助于避免误读。55 表示起末都在最高级，25 表示由中低升到最高，22 表示起末都在低级。论文中 l5n25 以高升结尾，k5u55 以高平结尾，tsh5t22 以低平结尾，因此前两者归高，后者归低。实验二进一步把问题简化为只比较 T55 在先与 T22 在先，这是最具对比度的两端。若 T55 与 T22 都不能分离出差异，就更难主张声调驱动。

若这两端差异显著，再逐步扩展到其他声调才有意义。这种从两端入手的策略是语音实验常用做法。

相关路线有哪些：变调与韵律重音解释能直接套用吗？

进入方法之前需要先区分两条容易混淆的相关路线。第一条是粤语形态变调，又称变音。论文列举指小重叠、某些昵称结构与外来词适应：在特定形态环境中，指定音节的非高调会升为高平或高升。例如 kui22 表示累，重叠加尾缀后得到 kui22 kui25 tei25 表示有点累，其中重叠出来的第二个音节由 T22 升为 T25；而本身已是高调的 syn55 表示酸，重叠后 syn55 syn55 tei25 则不发生变化。这是一种改写音节自身声调的范畴性过程。

第二条是韵律结构解释。论文转述叶姓学者关于粤语外来词语音与韵律形态的工作：某些模式可以用扬抑格韵律构形刻画，双音节单位右边缘是韵律强位置，自然承载高调；余姓学者关于粤语形态声调与呼唤重叠的工作则提出特定右边缘音节是声调支点，浮动高调在此联结或强制映射高调。这些工作都把高调偏好与位置 prominence 联系起来。

变调 × 排序偏好： 变调指在指小重叠、昵称或外来词等形态环境中指定音节由非高调变为高调的范畴性改写，排序偏好指在已有高低两种现成语素时优先把高调者放在第一槽，两者搭配的理由是二者都在特定位置上偏爱高调，新增作用是区分改写一个语素的音系过程与在两个完整语素之间做选择的词汇排序机制。

论文的立场是谨慎的。双重粗口的现象在表面上与上述路线相似，都是特定位置偏爱高调，但机制不同：这里没有发生声调改写，而是在两个声调已固定的现成粗口之间选择顺序，表现为概率性排序偏好而非范畴性覆盖。把扬抑格或声调支点直接套用到双重粗口，需要独立论证这些口语结构内部存在二元韵律分组、第一槽位恰好是强位置或支点，而本研究并未设计检验这一前提的实验。因此相关工作只能提供定位类比，不能当作已验证的因果解释。初学者要记住的界限是：报告的是排序偏好，支持的是声调驱动，待验证的是韵律结构来源。

研究问题是什么：两个可证伪的提问如何切分？

论文把社交媒体观察转化为两个递进问题。第一个问题是：当两个粗口语素语义相当、仅声调不同时，粤语使用者在选择双重结构中的语素顺序时是否表现出基于声调的偏好。具体化为是否回避把低调 tsh5t22 放在第一槽位，而偏好把高调 l5n25 或 k5u55 放在第一槽位。这个问题必须在平衡的语料与平衡的实验基底上回答，否则可能只是因为某些形容词本身高频搭配某个粗口。

第二个问题更严格：如果这种偏好存在，当去除音段信息、只剩声调轮廓时是否仍然存在。这一步是为了排除字形联想、词汇频率或辅音元音本身好恶的替代解释。如果哼鸣刺激仍然得到同样的高调在先偏好，就可以说偏好主要是声调驱动。

声调 × 语素排序： 声调指音节上高低升降的词汇性音高轮廓，语素排序指两个语义相当的粗口谁占第一槽谁占第二槽，两者搭配的理由是若排序差异不能用词义解释，就要检验是否由声调轮廓解释，新增作用是把词汇选择转化为可操纵声调、可保留音段或去除音段的实验变量。

沿一个样本走完全流程有助于理解切分。取基底 tsi55 sin33，要求被试在两种双重形式之间选择：一种是高调粗口在先、低调粗口在后，另一种反过来。两种形式字形相同部分只差粗口顺序，且汉字不标声调，被试看不到声调标号。记录被试选哪一种为更自然的说法，这就是实验一的逻辑。到了实验二，同样是这个基底，但听到的两个版本是哼出来的 T55 在先与 T22 在先，被试给出相对评分，这就是声调独立贡献的逻辑。两个问题分别对应词汇层偏好与纯声调层偏好。

公平比较如何建立：基底平衡与字形控制解决什么混淆？

论文在方法上花了较多篇幅建立公平比较，值得单独复述。语料挖掘的最大混淆是基底不平衡：某些形容词可能本身只出现在高调环境或只搭配某个粗口，导致低调在先罕见只是基底偏差。实验一的解决办法是把双音节形容词与副词按 4 种周边轮廓平衡取样，两种结构也都覆盖，从而让高调在先的优势必须在各类基底上都成立才算数。

第二个混淆是字形提示。如果刺激用拼音或标调符号呈现，被试可能有意识地按声调策略选择。论文用繁体汉字呈现，汉字不编码声调，被试看到的只是不同的粗口字形，需要凭语感选择更自然的顺序。这一步把显性声调知识的影响降到最低。第 3 个混淆是音段好恶。

即使被试偏好高调在先，也可能是因为喜欢某个粗口的辅音或元音，而不是喜欢它的声调。实验二用哼鸣把辅音元音全部去掉，只剩音高轮廓，若偏好仍在，就能更干净地归因于声调。这 3 步层层堵住替代解释，是全文方法论的核心。

方法全景是什么：语料挖掘加两个实验如何分工？

论文采用 3 段式证据。第一段是 2021 年香港社交媒体 LIHKG 公开评论的数据挖掘，用程序抓取连续出现两个目标粗口的评论，再用粤语处理工具提取前后音节环境，过滤出首音节为副词或形容词、尾音节为形容词的情形，从而得到目标双重结构。抓取使用 REQUESTS 与 BEAUTIFULSOUP，音节环境提取使用 PYCANTONESE。初步得到 1152 条，经作者与 2 位受过语言学训练的香港粤语者人工核验，确认 717 个有效双重结构 token。分析限制在用规范字形书写的 3 个目标粗口，因为网络帖子常用非规范变体。

第二段是强迫选择任务，平衡两种结构与 4 种周边声调，在字形不提示声调的条件下检验排序偏好是否为主动选择。第 3 段是哼鸣粗口感知，只用形容词加双粗口加形容词结构，用母语者录制的 T55 与 T22 哼鸣组成 4 种序列，让被试相对基线评分，从而分离声调。

强迫选择任务 × 哼鸣感知： 强迫选择任务负责在字形不标声调的条件下让被试在两种排序之间二选一，哼鸣感知负责去掉辅音元音只保留音高轮廓后再做可接受度评级，两者搭配的理由是前者检验真实词汇层面的偏好、后者分离声调的独立贡献，新增作用是形成从词汇到纯声调的递进证据链。

3 段分工的理由在原文有明确安排。语料负责提出假设：低调非高结尾的粗口在第一槽位受回避。实验一负责在平衡基底上检验该假设是否为能产偏好。实验二负责检验偏好是否在没有音段线索时仍然成立。统计上语料用关联强度与精确检验，实验一用混合效应逻辑回归，实验二先用符号秩检验看方向，再用有序逻辑回归评估效应强度。初学者复述时不要把 3 段混为同一指标：语料是出现频次不对称，实验一是二选一的选择率，实验二是相对评分。

统计模型读什么：固定效应与随机效应各自回答什么？

初学者常把显著性数字当作结论本身，这里需要讲清模型结构。实验一的混合效应逻辑回归把因变量设为是否选择高调在先，固定效应放入结构类型与周边轮廓，随机效应放入被试与项目。固定效应的问题是：在平均意义上，换一种结构或换一种周边，选择率是否系统变化。随机效应的作用是：允许每个被试有自己的基准偏好、每个词项有自己的基准难度，避免把个体差异误当作总体效应。结果是固定效应均不显著，但总体截距方向指向高调在先占优，这就是跨条件稳定的含义。

实验二的有序逻辑回归把因变量设为 0 到 4 的有序评分，固定效应放入序列类型与形容词轮廓，随机效应同样为被试与项目。这里序列类型的主效应显著，意味着把第一槽从 T55 换成 T22 会系统性压低评分等级。形容词轮廓总体不显著，意味着两端声调不改变这一压低方向。符号秩检验在这里是辅助的非参数检验，用于确认中位数方向，不替代回归模型对被试与项目变异的控制。复述时要保留效应名称与显著性方向，不要把不同模型的显著性阈值混为同一指标。

组件如何构成：结构类型与周边声调怎样被控制？

理解实验需要拆开 4 个组件。第一个组件是结构类型。形容词型是双音节形容词被两个粗口隔开，副词型是程度副词与单音节形容词被两个粗口隔开。实验一同时包含两类，实验二因实验一未发现结构类型效应而只用形容词型，以减少实验长度。第二个组件是目标对比。凡涉及低调粗口的试次都在比较高调在先与低调在先的顺序，高调粗口内部的两种顺序在语料中本就双向可出现，不是检验重点。

第 3 个组件是周边声调轮廓。双音节形容词以及副词条件中的词项被平衡为高高、高低、低高、低低 4 组，其中中平 T33 被视为非高。词项来源是上述社交媒体语料或香港粤语语料库经 PYCANTONESE 取用。第 4 个组件是呈现方式。实验一全部用繁体汉字视觉呈现，汉字不编码声调，因此被试不能从字形直接看到声调规格。

实验中还加入 36 个填充项与间歇性理解检查。实验二先呈现形容词，再播放两个版本，其中版本一恒为 T55 在先，版本二为 4 种序列之一，被试在五点量表上评版本二相对版本一的好坏，0 为差很多，2 为一样，4 为好很多。

周边声调轮廓 × 第一粗口槽位： 周边声调轮廓指双重结构两端形容词或副词加形容词的高低组合，第一粗口槽位指紧跟左端成分之后的第一个粗口位置，两者搭配的理由是需要检验偏好是只针对槽位本身还是被两端声调同化或对比所带动，新增作用是把全局语调环境的替代解释纳入统计模型一起检验。

组合意义在于公平比较。周边轮廓平衡保证了高调在先的优势不是因为某一类高开头的形容词特别多；结构类型同时操纵保证了结论不限于某一种句法模板；字形不标调与哼鸣去音段则分别堵住字形联想与音段好恶两条泄漏路径。复述时要强调随机效应：实验一模型把被试与项目作为随机效应，实验 2 模型同样把被试与项目作为随机效应，这是把个体差异与词项差异都考虑在内的做法。

刺激如何制作：哼鸣录制与强度归一化为何必要？

实验二的刺激制作是可复现性的关键。论文交代由 1 位母语者录制 T55 与 T22 两种哼鸣，再组合成 4 种序列。录制在隔音室用 Zoom H6 完成，所选 token 在 Praat 中做强度归一化。归一化的理由是响度本身会影响好恶判断：如果 T55 录得更响，被试可能因为响亮而给高分，混淆声调效应。归一化后，两类哼鸣在平均强度上对齐，剩余差异主要来自音高轮廓。

播放逻辑也需要复述。版本一恒为高调在先，版本二为 4 种序列之一，被试评价版本二相对版本一的好坏。这种相对评价比绝对打分更敏感，因为每个试次都有同一基线做参照，减少了被试量尺使用习惯的差异。量表锚点为 0 差很多、2 一样、4 好很多，中点 2 的含义是与基线一样好。原文报告高调在先序列的中位数约 2，低调在先显著更低，这正是相对评价逻辑的直接体现。缺项是基频曲线形状、时长与音高起点未报告，复现时应保留原始录音的音高轨迹描述，或重新录制并公开声学参数。

有无模型训练：本研究实际计算了什么？

本研究没有训练神经网络，也没有冻结或更新任何神经网络参数，不存在梯度路径、优化器步骤或权重重置问题。初学者不要把无训练理解为确定性求解：人的判断本身有变异，统计模型仍需估计不确定性。

实际计算分为 3 类。第一类是语料处理计算：用 Python 库抓取与解析网页，用 PYCANTONESE 提取首尾音节环境，再人工核验有效性。这一步没有学习参数，只有规则过滤与人工标注。第二类是刺激制作计算：母语者在隔音室用 Zoom H6 录制哼鸣，在 Praat 中对所选 token 做强度归一化，保证响度差异不混入声调判断。第 3 类是统计建模计算：语料部分计算 Cramer 的 V 与 Fisher 精确检验，实验一用 LME4 在 R 中拟合混合效应逻辑回归，固定效应为结构类型与周边声调轮廓，随机效应为被试与项目；实验二用 ORDINAL 包做有序逻辑回归，固定效应为粗口序列类型与形容词声调轮廓，随机效应同样为被试与项目。

缺项需要明确指出。论文未报告混合效应模型中随机斜率的具体结构，未报告有序回归的阈值参数与完整系数表，未报告录音的基频数值与归一化细节，也未报告实验呈现平台 PCIbex 的试次随机化种子。这些缺项不影响方向性结论的理解，但会影响逐参数复现，因此复现时应按原文 packages 与版本重新拟合，并保留原始随机结构描述的模糊性。

实验条件是什么：被试、材料与流程如何对齐？

实验条件按可核对方式交代如下。实验一通过 Prolific 在 2021 至 2022 年间招募 70 人，用 5 个香港相关理解检查与人口学问卷确认香港粤语为第一语言，排除 2 人后剩 68 人，其中女性 37 人、男性 31 人，年龄 18 至 54 岁。实验二通过社交媒体招募 68 人，用同样筛选程序排除 4 人后剩 64 人，其中女性 41 人、男性 23 人，年龄 18 至 44 岁。两个实验的筛选逻辑一致，保证母语背景可比，但招募渠道与年龄上限不同，比较时需注意样本不完全等同。

材料对齐方面，实验一覆盖两种结构与 4 种周边轮廓，目标试次只包含低调粗口的对比，即高在先对低在先。实验二只用形容词型，4 种周边轮廓仍保留，哼鸣序列为 T55 加 T55、T55 加 T22、T22 加 T55、T22 加 T22。流程对齐方面，实验一每试次先呈现基底形式再呈现两种排序不同的双重形式，被试二选一；实验二每试次先呈现形容词，再听到版本一与版本二，版本一恒为高调在先，版本二为待评序列，被试做相对评分。

为便于核对被试与统计条件，下表把语料规模与两个实验的关键设计并置。阅读时注意单位与聚合对象：语料表是 token 计数，实验表是人数与试次设计，统计表是模型效应方向，不能跨表直接相减。表前的问题是：在什么样本与什么比较基准上谈偏好才算公平。公平条件是母语筛选一致、周边轮廓平衡、字形不提示声调或完全去除音段。指标方向是：语料看低调在首槽是否罕见，实验一看高调在先是否被选，实验二看低调在先评分是否更低。

上表的主要收益是把 3 段证据的适用边界 1 次看清：语料样本大但基底不平衡，实验一样本中等但平衡两种结构，实验二样本略小但分离了声调。代价是 3 段指标不可互换，语料的 2 例低调在先不能直接换算为选择率，实验二的评分差也不能直接换算为语料频次。未胜出项是周边声调与结构类型：它们在实验一中均未显著，不能用来解释偏好。未评测边界是副词型在哼鸣条件下是否同样成立，因为实验二只测了形容词型。

主结果是什么：三段证据如何收敛到高调在先？

先看语料。跨两种结构都出现清晰不对称：两个高调粗口之间的两种顺序都有可比频次，而低调 tsh5t22 几乎从不出现在第一槽位，仅 2 例把低调放在第一槽位。统计上声调与位置强关联，形容词型 Cramer 的 V 为 0.62，副词型为 0.66，Fisher 精确检验均小于 0.001。这部分报告的是观察频次，不是被试在控制条件下的选择，因此只能提出假设，不能证明能产偏好。

再看实验一。论文报告跨两种结构都强烈偏好高调粗口在第一槽位。混合效应逻辑回归显示结构类型无显著效应，显著性水平为 0.65，周边声调轮廓各水平均大于 0.3，均未显著。在所有条件下被试一致回避把低调放在第一槽位，而压倒性选择高调。这一结果与语料方向平行，但基底已平衡，因此支持偏好是能产的。为便于核对语料与实验的数字，下表把可逐字核对的关键量并置，阅读重点是比较对象是否一致、聚合单位是否相同。

上表的主要收益是收敛性：语料罕见、实验一选择、实验二评分三者方向一致。代价是语料强度指标与实验显著性指标不是同一量纲，不能比较 0.62 与 0.001 谁更大。反例方面，论文未报告任何高调在先被系统性拒绝的条件，周边低高组在实验二中仅有边缘效应，不是反转。

以下导读针对实验一的可视化。阅读时先看分组与图例，再看柱高是否整体偏高，最后看误差线是否支持稳定性。

看图路径： 1. 先确认横轴为声调语境分组、纵轴为选择高调在先的比例、图例区分两种结构；2. 再比较同一声调语境下浅灰与深灰两根柱子高度是否接近；3. 最后检查各柱误差线是否都停留在高位而没有掉到低位

论文图 1。原论文 Figure 1：“Tone preference for EXPL1”。

这张图显示无论形容词型还是副词型，无论周边是高开头还是低开头，选择高调在先的比例都停留在高位，两根柱子在同一语境下高度接近，误差线也没有把任何一根拉到低位。这与模型中结构类型与周边轮廓均不显著的报告一致，支持的判断是偏好不依赖这两类调节变量，可能的限制是像素分辨率不足以读出精确百分比，因此只谈方向与稳定性，不硬读具体数值。

以下导读针对实验二的总体评分。先确认纵轴为相对评分，再比较高调在先与低调在先两柱，最后结合中点含义判断。

看图路径： 1. 先确认纵轴为相对基线的评分、横轴左侧为高调在先、右侧为低调在先；2. 再比较左侧柱是否贴近中间值、右侧柱是否明显更低；3. 最后查看两柱顶端误差线是否都很短且互不重叠

论文图 2。原论文 Figure 2：“Average rating of expletive sequences (Version 2 vs. Version 1).”。

这张图显示高调在先的平均评分贴近 2，也就是与恒为高调在先的基线一样好，而低调在先的平均评分明显更低，约为 1.6 附近，两柱误差线都很短。原文补充中位数约 2 与符号秩检验小于 0.005，表明即使去掉音段，被试仍系统性压低对低调在先序列的评价。这是从词汇偏好到声调偏好的关键一步。

哪些条件被排除：周边声调与音段线索起作用吗？

本节按消融逻辑组织：每次只动 1 个条件，看核心偏好是否消失。第一个被检验的是周边声调。实验一把周边分为高高、高低、低高、低低，模型中它们均未显著，说明无论两端是高是低，被试都选高调在先。实验二同样放入形容词声调轮廓，总体无显著影响，仅低高条件有边缘效应。这意味着周边同化或对比不是主要驱动，至少在当前样本与词项下不支持。

第二个被检验的是结构类型。实验一同时测形容词型与副词型，结构主效应不显著，说明偏好不限于某一种模板。这也是实验二只保留形容词型的理由：既然结构不调节，就可以用更短的实验聚焦声调分离。第 3 个被检验的是音段线索。实验二用哼鸣去除辅音元音，只留 T55 与 T22 的音高轮廓，结果高调在先仍被评为与基线相当，低调在先被评低，有序回归中序列类型主效应显著。这排除了偏好完全来自特定辅音或词汇联想的解释。

以下导读针对按周边分组的评分细节。阅读时逐个分面比较两柱，再看 4 个分面方向是否一致。

看图路径： 1. 先按从左到右顺序确认四个分面为四种周边声调组合；2. 再在每个分面内比较左侧高调在先柱与右侧低调在先柱的高低差；3. 最后观察四个分面的高低差方向是否一致、有无反转的分面

论文图 3。原论文 Figure 3：“Average rating of expletive sequences by tonal profile.”。

这张图把总体差异拆到 4 个周边分面。每个分面内左侧高调在先柱都高于右侧低调在先柱，4 个分面没有出现反转，低高分面的差距看起来略小，这与原文所说除低高有边缘效应外总体无显著影响的表述相吻合。支持的判断是声调偏好跨周边稳定，待验证的是低高环境是否在更大样本下会显现微弱调节。未评测边界是副词型在哼鸣下是否同样稳定，因为该分面实验未包含。

限制在哪里：哪些推论原文明确说没有做？

论文在讨论中明确留下 3 个未验证环节。第一，词库频率解释未被系统检验。高调在先是否只是因为四音节串中第二音节本来就高调更多，原文说初步观察未见高调在第二音节明显过表征，但本研究并非为检验频率效应而设计，需要更全面的语料库研究才能判断不对称能否还原为一般词汇统计，还是结构特有。这是典型的相关不等于因果提醒：观察到排序与声调关联，不等于证明韵律位置导致排序。

第二，韵律分组假设缺乏独立动机。把第一槽位说成双音节域右边缘强位置或声调支点，需要先证明这些口语结构内部存在二元韵律分组，而本研究没有做韵律分析。论文因此只说两种理论在某种意义上提供了定位方式，没有声称实验验证了它们。第三，变调与排序的关系未厘清。变调是改写指定位置的声调，排序是在现成高低语素之间选择顺序，机制可能不同。论文提出二者可能反映同一位置 prominence 偏向，但明确说机制可能不同，需更细致检验。

从测量角度看，原文未测量误判率、反应时、产出频率随时间的演变，也未报告录音声学参数与模型完整参数表。资源方面，论文给出 PCIbex 的开放科学框架链接，当前可用状态为可访问，链接为开放科学框架地址，但这指的是实验平台引用，不是本研究原始数据与代码已公开的保证。复述时应区分平台可达与数据可得，不要把引用链接当作数据开源。

复现先做什么：按原文能一步步重放的清单是什么？

复现应按语料、实验一、实验二三条线分别准备。语料线先在 2021 年前后抓取 LIHKG 公开评论，用同样关键词限定连续出现两个目标粗口，再用 PYCANTONESE 提取首尾音节环境，过滤首为形容词或副词、尾为形容词的情形。注意只保留 3 个目标粗口的规范字形，排除非规范变体，再由 2 名以上香港粤语者独立核验有效性。预期复现的不是精确 token 数，因为网络内容会增删，复现目标应是方向性不对称：高调之间双向可出现，低调在首槽极罕见。

实验一线先从社交媒体语料与香港粤语语料库取双音节形容词与副词，按高高、高低、低高、低低平衡，中平视为非高。每试次呈现基底与两种排序，用繁体字呈现，加入填充与理解检查，通过 Prolific 或等价渠道招募香港粤语母语者并做同样的母语筛选。用 LME4 拟合混合效应逻辑回归，固定效应为结构类型与周边轮廓，随机效应至少包含被试与项目。预期复现的是结构与周边不显著、高调在先占优。

实验二线找 1 位母语者录制 T55 与 T22 哼鸣，在 Praat 中做强度归一化，组成 4 种序列。每试次先呈现形容词，再播放恒为高调在先的版本一与待评版本二，用 0 到 4 的相对量表收集评分。用有序回归建模，固定效应为序列类型与形容词轮廓，随机效应为被试与项目。预期复现的是序列类型主效应显著、低调在先评分更低。为便于核对声调与材料定义，下表把必须原样保留的符号与分组并置。

上表的代价是工作量：哼鸣录制与归一化、母语者筛选与平衡词表都需要时间。未胜出项是试图用自动指标代替人评：原文全部是人的频次、选择与评分，没有自动指标，不能替换。还需补的验证是更大词表下的低高边缘效应，以及副词型在哼鸣下的稳定性，这两项原文未评测。

何时值得尝试：这篇论文给音频新生的可迁移经验是什么？

综合 3 段证据，可以报告的结论是：香港粤语双重粗口结构中存在稳健的声调驱动排序偏好，高调粗口优先占据第一槽位，低调粗口被回避在第一槽位。这一偏好在社交媒体频次、平衡的强迫选择与去音段的哼鸣评分中方向一致，且不受结构类型与周边声调的显著调节。有序回归与混合效应模型分别支持了声调序列的主效应，符号秩检验支持了评分方向。

可以支持但需限定的解释是：该偏好与粤语中其他位置偏爱高调的现象在功能上相似，可能与位置 prominence 有关。但论文明确未验证韵律分组前提，也未检验词库频率还原，因此只能说可能相关、待验证，不能说已证明来自扬抑格或声调支点。初学者常见的误解是把排序偏好当作变调：变调改写声调本身，这里只是选择已有声调的语素顺序，两者证据类型不同。

何时值得尝试取决于你的任务。若你在做粤语口语合成、风格化文本生成或社交媒体口语理解，遇到等义语素排序时应把声调槽位偏好作为候选约束，而不是只看词频。若你在做音乐与语音交叉研究，这篇论文提供了一个干净的分离范式：先用正字法隐藏声调测词汇层，再用哼鸣去除音段测声调层。复现时优先保证母语筛选、周边平衡与强度归一化，再谈模型拟合。还需补的验证是纵向追踪这一新兴结构是否扩散到更多语素，以及在产出任务中是否同样出现高调在先优势，因为当前证据全部来自理解与判断任务。

📐 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 5 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