在变调中找重音：北卡舒布语用同一词的不同读法分离时长与强度

英文题目：Stress placement variability and acoustic stress correlates. The case of Northern Kashubian

会议身份：conference:speechprosody:2026:conference-paper-id:zak26_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：4.5/10 | 创新 1.2/2 | 技术严谨 0.8/1.5 | 实验充分 0.5/1.5 | 清晰度 0.5/1 | 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：后50% | 文档类型：应用研究

👥 作者与机构

• Andrzej Żak：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

北部卡舒布语重音兼具自由重音与移动残留，输入为同一名词词形在不同次实现中的重读与非重读元音，输出为时长、基频与强度是否为重音声学关联的判定。难点在于无通用书面语而无法用朗读诱发最小对立对，且变异受音系约束并正向范式一致化漂移。方法链分四步：2021年至2025年在北部8地入户录制50岁以上日常使用者自发对话并筛选可变重音名词词例，前序输出经CLARIN-PL插件自动切分与人工校界进入下一步，再用Praat与ProsodyPro提取时长、强度与基频的均值极值，最后以重音为固定效应的线性混合效应模型分别检验。与仅比较固定最小对立对的传统范式分析不同，该研究将同一词在相同音段位置的可变重读与非重读实现直接对照，以控制语音环境。原文未提供可核对的关键定量结果。定性上时长为主关联而基频无显著效应，强度在表格与正文报告不一致，结论适用边界仅限词中位置后元音[a]与[ɔ]及136个元音样本的老年自发语料，尚未验证频谱倾斜与其他元音。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

北卡舒布语的重音为什么值得单独研究？

这篇论文的研究对象是北卡舒布语。先用白话把背景说清楚：卡舒布语是波兰北部使用的一种少数语言，国际标准编号是西斯拉夫语中唯一重音位置不固定的语言。它的北部变体被描述为具有自由重音和移动重音。自由重音的意思是重音可以出现在词的任何音节上，而不是像波兰语那样固定在某个位置；移动重音的意思是同一个词在不同屈折形式中重音位置可以移动。

论文交代，卡舒布语约有 100000 人使用，目前在家庭中向年轻一代的传递越来越少，被列为濒危语言，同时受到波兰语的强烈影响。传统上它的方言分为北部、中部和南部 3 类。本研究只处理北部卡舒布语的名词形态中的重音问题。对于刚入门的读者，关键是先建立一个判断：这里的重音不是声调那样的音高对立，而是指词中某个音节在发音上相对突出的位置。

自由重音 × 移动重音： 自由重音分工是说明重音可以落在词中任何一个音节上，不固定在首音节或倒数第二音节；移动重音分工是说明同一词在屈折变化时重音位置可以在词干与词缀之间移动。二者搭配的理由是北卡舒布语同时具备这两种性质，因而既不同于波兰语式的固定重音，也保留了共通斯拉夫语移动模式的痕迹；组合意义是为后文的变异提供结构前提，即同一词形可以在不同变格形式中出现不同重音位置。

论文要解决的矛盾是，一方面北卡舒布语保留了共通斯拉夫语移动重音的痕迹，处在词汇重音与固定重音之间的过渡状态；另一方面它的重音位置正在发生变化，呈现出明显的变异。作者报告，在所观察的四音节阴性移动范式中，约 70% 的观测表现出范式一致化，即原来以后缀重读为主的形式被类推为词干重读。这种变化使研究者既能观察到保守形式，也能观察到创新形式，为声学比较提供了自然材料。

已有文献用什么方法找重音的声学线索？

在重音语音学文献中，一个常用的思路是范式分析。白话解释就是：找出两个除了重音位置不同、其他语音内容相同的形式，把重读音节和它在另一形式中对应的非重读音节放在相同位置上比较。例如论文提到的膝盖一词的属格单数与主格复数形式，可以实现为重读在第一音节，也可以实现为重读在第二音节。文献认为这种最小对比较是研究重音声学相关物最好的方法之一。

论文引用了相关综述，指出时长、基频和强度都曾在不同语言中被讨论为可能的重音声学相关物。其中强度在文献中被频繁提及，但跨语言调查显示它的作用并不稳定。作者的切入点是，以往的范式分析主要使用最小对，而没有把可变重音实现本身作为另一类可用的比较来源。对于正处于韵律变化中的语言，可变实现恰好大量存在。

因此，本研究的文献定位不是提出新的声学参数，而是扩展范式分析的应用范围：把同一个词的可变重读与非重读实现也纳入比较。这样做的好处是比较的两个元音始终出现在相同的语音环境中，减少了邻近元音和辅音带来的干扰。论文明确说，由于被比较音节始终出现在相同语音环境中，相邻元音不需要作为随机效应纳入统计模型。

论文把什么现象变成可以检验的问题？

论文把观察到的重音位置变异转化为两个可检验的问题。第一，北卡舒布语名词形态中的变异具体出现在哪些范式中。第二，在控制语音环境后，时长、基频和强度中哪一个或哪几个真正随重音状态变化。

第一类变异是传统最小对中的变异。以膝盖为例，重读在第一音节和重读在第二音节的两种实现，都可以对应属格单数，也可以对应主格复数。也就是说，重音位置与语法格的对应关系不再是范畴性的，但仍能观察到保留古老重音位置的倾向。第二类变异出现在特定的移动范式中，例如以后缀结尾的四音节阴性名词范式，传统上被描述为 6 个词干重读形式和 6 个后缀重读形式并存，而现在后缀重读形式可能被类推为词干重读，导致整个范式趋向一致。

举一个教学用的例子帮助理解，但不代表论文的实测数值：假设同一个词干在工具格单数中有时读为重读在词干，有时读为重读在词缀，那么研究者就可以截取相同位置的元音，1 次作为重读样本，1 次作为非重读样本。论文的实际做法正是如此：收集所有出现可变重音的名词词例的全部可能重音实现，然后对同一位置的重读元音与非重读元音做范式比较。

整体方法是如何用变异构造对照的？

整体流程可以沿着一个样本走一遍。输入是田野录音中的名词词例。研究者先判断该词例的重音落在哪个音节，然后在标注软件中切分出目标后元音。接着提取该元音的时长、强度和基频。输出是每个元音样本附带一个二分类标签：重读或非重读，以及对应的 3 个声学测量值。统计阶段再检验重音标签是否能解释声学测量值的差异。

论文强调，这种设计的关键是同一词的可变实现之间的比较，而不是不同词之间的比较。例如女巫一词的工具格单数既有后缀重读实现，也有词干重读实现，研究者就把同一位置的元音在两种实现中的测量值配对比较。这样，词义、辅音环境和元音音质都保持相同，剩下的主要差异就是重音状态。

范式分析 × 重音变异： 范式分析分工是提供比较框架，即把重读音节与其在相同语音位置的非重读对应体进行比较；重音变异分工是提供比较材料，即同一个词被不同次实现为重读在前或重读在后。二者搭配的理由是传统范式分析依赖仅在重音位置上不同的最小对，而正在变化中的北卡舒布语还存在同一词内部的可变实现；组合意义是把变异本身变成可控的声学实验条件，避免跨词比较引入的元音和辅音环境差异。

下图展示了传统上四音节阴性移动范式的古老重音格局，是理解后文变化方向的起点。表格中行表示主格、属格、与格、宾格、工具格和方位格，列表示单数与复数，加粗音节表示重音位置，浅色单元格表示后缀重读的形式。

看图路径： 1. 先看表格的行列结构：行是六个格，列是单数与复数；2. 再看白色与浅色单元格的分布，确认词干重读与词缀重读各占哪些格；3. 对比第二音节加粗与后部音节加粗的位置差异

论文图 1。原论文 Figure 1：“Archaic accentuation of the four-syllable”。

从图中可以读出，古老格局并非全表一致：单数多数格和复数主格、宾格以词干重读为主，而复数属格、与格以及单复数的工具格和方位格以后缀重读为主。这种新旧并存的格局正是后文统计样本的来源，因为只有存在变异的位置才能提供同一音节的重读与非重读对照。论文没有训练神经网络模型，也没有做自动重音分类器，因此不存在训练集与测试集划分意义上的学习过程，方法职责完全由田野采集、人工校对的标注和混合效应模型承担。

从录音到元音切分做了哪些具体操作？

声学数据的获得时间为二零二一年至二零二五年，地点在北卡舒布地区的 8 个地点，其中 4 个在海尔半岛。录音设备是变焦 32 位浮点田野录音机和头戴式话筒，头戴话筒的作用是保证嘴与话筒距离恒定。原始录音为四十四点 1 kHz 兹 32 位浮点格式，随后重采样到 22.0501000 赫兹。录音在发音人家中进行，并尽量保证合适的声学条件。

发音人选择标准包括语言熟练程度、北部卡舒布语为第一语言，以及在日常生活中积极使用该语言。由于年轻一代很多人已不再积极使用卡舒布语，所有参与者都在五十岁以上。访谈用卡舒布语进行，数据来自半结构化对话，部分范式用图片刺激诱发。由于该语言没有广泛通行的书面形式，研究者说明无法依赖书面文本，被试也不能阅读卡舒布语文本。

在标注环节，所有元音先用为波兰语开发的自动切分模块做初步切分，作者将其适配到卡舒布语材料，随后人工校对全部边界，并把边界放在音段过渡阶段的中点。分析在语音学软件中用韵律分析脚本完成，测量时长、强度和基频，强度和基频各提取最小值、最大值和平均值，基频的赫兹值以 100 赫兹为零半音基准转换为半音。

下图展示了新的重音格局，即范式一致化之后的形式，可与上一节古老格局直接对照。图中所有单元格的重音都落在第二音节，说明原来分散在后缀上的重音被统一到词干位置。

看图路径： 1. 逐行检查单数列与复数列的重音是否都落在第二音节；2. 与古老模式对照，找出原来以后缀重读为主的格发生了什么变化；3. 注意复数属格与工具格的音节数量变化

论文图 2。原论文 Figure 2：“New accentuation of the four-syllable”。

这张图的作用是说明变化方向：新格局下整个范式趋向统一，古老格局中浅色标记的后缀重读格不再保留。论文报告约 70% 的观测表现出这种一致化。需要区分的是，这 70% 描述的是重音位置变异的方向，不是声学参数的分类准确率，不能把它理解为时长或强度识别重音的正确率。

取样时排除了哪些干扰，保留了哪些元音？

论文的语料只保留出现可变重音的名词词例的全部可能实现。例如膝盖的两种重音实现分别对应两种语法格时，4 种组合都被纳入；女巫工具格单数的两种实现也被同时纳入。然后执行范式分析，即比较同一位置的重读元音与非重读元音。

共测量了 136 个后元音，只分析后元音中的两种，即低元音和半开后元音，因为它们在收集到的词例中最常见。出现在词首或词尾位置的元音，以及处于短语重音下的元音，都被排除。这个排除步骤很重要，下面单独解释。

词重音 × 短语重音： 词重音分工是指词层面由重音位置决定的突出；短语重音分工是指短语或语调层面附加在某个词上的整体突出。二者搭配的理由是如果不排除短语重音，测到的时长或强度延长可能来自语调边界和焦点，而不是词重音本身；组合意义是论文在取样时排除处于短语重音下的元音，从而使后文时长差异更可能被归因于词重音而非边界效应。

排除词首和词尾的理由是避免词边界效应：如果重读音节恰好在词首或词尾，测到的时长延长可能来自边界 lengthening，而不是重音本身。论文在讨论部分明确说，由于首尾音节未纳入分析，可以认为时长在较大程度上反映词重音，而不是单纯的边界效应。同样，排除短语重音也是为了避免把语调层面的突出误算为词重音。

另一个细节是比较位置固定：被比较的音节始终出现在相同语音环境中，因此统计模型不需要把相邻元音作为随机效应。这种设计把语音环境的控制前移到取样阶段，而不是留给模型事后校正。对于初学者，可以把这一步理解为用田野材料的自然变异，手工构造出接近最小对的配对样本。

没有神经网络训练时，统计模型实际计算了什么？

本研究没有训练阶段，没有神经网络权重更新，也没有优化器、学习率或早停等设置。需要如实说明未训练的内容：论文没有训练声学模型、没有训练重音分类器，也没有微调任何预训练语音模型。真实的计算过程是线性混合效应模型推断，用统计软件中的混合模型工具包完成。

对每个因变量分别建模，因变量是时长、基频和强度，自变量是重音状态，分为重读与非重读两类，以非重读为参照类。模型形式写作测量值随重音变化，并为发音人和词项设置随机截距，同时为发音人设置重音的随机斜率，用以容纳不同发音人和不同词在重音效应上的个体差异。论文给出的模型结构包含发音人层面的截距加斜率，以及词项层面的截距。

计算目标是估计重音的固定效应系数及其标准误，并通过系数值除以标准误得到的统计量判断是否显著。需要指出，原文没有报告梯度路径、参数冻结或监督来源，因为这些概念属于神经网络训练，不适用于本研究的统计推断。缺失的不是技术错误，而是方法类型不同。模型的随机效应设置已经在原文中交代，但元音身份没有作为控制变量纳入，作者在未来工作中明确提出应控制元音身份并纳入随机斜率。

数据规模、设备条件和统计口径是什么？

本节按原文交代实验条件。测量对象是同一语音位置的重读与非重读后元音，样本总量为 136 个后元音。录音地点覆盖北部卡舒布地区的 8 个地点，其中海尔半岛占 4 个。发音人均为五十岁以上、以北部卡舒布语为第一语言的日常积极使用者。录制格式为四十四点 1 kHz 兹 32 位浮点，重采样到 22.0501000 赫兹。声学测量包括时长、强度的最小值最大值平均值，以及转换为半音后的基频最小值最大值平均值。

下表把分散在正文中的数据与采集条件集中呈现，便于核对样本规模与录音设置。比较问题是：在多大的地理与人群范围内，以何种录音规格得到了多少可比元音。公平条件是所有样本都来自出现变异的名词词例，且排除了词首词尾和短语重音。指标方向不涉及好坏，只涉及规模与条件是否足以支撑同一位置比较。

表中数字的含义需要分别理解：8 个地点说明地理覆盖不只限于半岛；136 个是进入统计的后元音总数，不是词例总数；四十四点 1 kHz 是原始采样率，22.0501000 赫兹是分析前重采样率；五十岁以上是入选门槛，原因是年轻使用者较少。该表不能代替声学结果表，它只说明数据来源与规模。未胜出或未覆盖的边界是：除两种后元音之外的其他元音因词例不足未纳入，词首词尾位置也未评测，因此结论目前只适用于词中位置的后元音。

时长、基频和强度中哪一个随重音变化？

结果部分用线性混合效应模型分别检验 3 个声学参数。先说主要发现：元音时长在统计上高度显著，显著性水平小于万分之一，是最主要的重音声学相关物。强度也达到常用的显著阈值，但显著程度远弱于时长，作者判断它只起较小作用。基频没有显示与重音相关的统计证据。论文在摘要和讨论中一致表述为时长是主要相关物，强度也可能有贡献，基频不起作用。

元音时长 × 强度： 元音时长分工是度量元音段在时间轴上的延续长度；强度分工是度量发音能量层面的响度相关物理量。二者搭配的理由是文献常把二者都列为可能的重音声学相关物，需要在同一批可比材料中同时检验；组合意义是本研究发现时长达到高度显著而强度只达到较弱显著，因而判断时长是主要相关物，强度只起次要或辅助作用。

下图是无重音与有重音两组元音的时长分布对比，左侧为无重音，右侧为有重音，图中同时显示分布轮廓、箱线和散点。阅读时应先看整体位置高低，再看箱体与中位线，最后看拖尾。

看图路径： 1. 比较横轴无重音与有重音两把小提琴图的整体上下位置；2. 观察箱线中位线和箱体高度，判断集中趋势与离散程度；3. 注意左侧分布下部与右侧分布上部的拖尾形态

论文图 3。原论文 Figure 3：“Duration in unstressed and stressed”。

从像素可见内容看，右侧有重音组的分布整体高于左侧无重音组，中位线位置更高，箱体也位于更高区间，说明重读元音倾向于更长。左侧分布在较低区间更宽且有一个向上延伸的尖端，右侧分布向上延伸更明显。这种可视差异与统计检验中时长高度显著的结论方向一致。但需要注意，小提琴图展示的是分布形态，不能直接读出精确的毫秒均值，论文也没有在正文中给出毫秒单位的均值差，因此不应自行估算具体的时长差值。

下表集中呈现 3 个声学参数的模型统计量，便于在相同统计框架下比较。比较问题是：在同一组可比元音和同一模型结构下，哪个参数的固定效应最可靠。公平条件是三者都以非重读为参照类，并控制发音人与词项差异。指标方向是统计量绝对值越大、显著性水平越小，表明重音效应越可靠。

表后需要解释主要收益与代价。时长行的估计值除以标准误得到约 4.6 的统计量，对应小于万分之一的水平，是三者中最强的证据。强度行的统计量约为 2.27，刚超过常用阈值，支持较弱。基频行的统计量约为 1.4，对应大于 0.05，报告为不显著。必须就近说明未胜出项：基频是明确的负结果，即使经过半音转换仍未显示作用，这与某些语言中基频承担重音功能的预期不同。同时要指出一个表述上的细节：正文一处把强度写作大于 0.05 并指向讨论，另一处表格给出小于 0.05，阅读时应以表格的统计量为准，并理解作者强调强度作用远小于时长的总体判断。

把强度和基频单独拿出来看，能得到什么反证？

如果把本研究类比为消融分析，那么时长是保留后效应最强的一路，强度是拿掉后仍有微弱变化的一路，基频是拿掉后没有变化的一路。这种对照的价值在于避免把所有物理差异都当作重音线索。论文明确说，尽管强度在文献中常被提及，但在本数据中它的作用 substantially smaller，即明显更小。

基频 × 半音： 基频分工是描述声带振动频率的物理量，常与音高感知相关；半音分工是把以赫兹为单位的频率转换到对数音高尺度，使不同发音人的音高差异更可比。二者搭配的理由是直接用赫兹比较会受个人基频高低影响，而论文把频率值以 100 赫兹为零半音基准进行转换；组合意义是即使经过这种归一化，基频在重读与非重读之间仍未显示统计学关联，从而支持基频不参与该语言词重音实现的判断。

下图是强度在无重音与有重音条件下的分布，纵轴为分贝，横轴为重音有无。图前导读如下：应先确认纵轴是原始强度分贝刻度，再比较两组箱线位置，最后检查重叠程度与低值散点，因为重叠越大说明分离能力越弱。

看图路径： 1. 先确认纵轴为强度分贝刻度，再比较左右两组的中位线高低；2. 观察两组分布的重叠范围，判断分离程度是否不如时长图清晰；3. 注意下部低强度散点的分布位置

论文图 5。原论文 Figure 5：“Intensity in unstressed and stressed syllables.”。

从像素可见内容看，有重音组的箱体中位线略高于无重音组，但两组分布存在大面积重叠，下部都拖到较低分贝区间并有分散的低值散点。与时长图相比，强度图的组间分离 less clear，即不够清晰。这种视觉印象与统计结果一致：强度虽显著但效应较弱，不能单独作为判断重音的可靠依据。基频图则显示两组分布高度重叠，中位线差异很小，对应统计上不显著的结论。论文还指出，由于首尾音节已排除，时长与强度的差异更可能来自词重音本身，而不是词边界效应，但这仍是有限解释，不是因果证明。

未评测的边界包括频谱倾斜和各种音高动态效应，作者把它们列为未来研究方向。由于词例不足，其他元音也未纳入分析，未来工作需要控制元音身份并在模型中加入随机斜率。这些缺项意味着当前结论的外推范围有限，不应推广到所有元音或所有韵律位置。

结论的适用边界和尚未验证的部分是什么？

首先明确论文直接报告的内容：基于 136 个词中位置后元音的比较，时长是主要声学相关物，强度作用较小，基频无显著作用。这是报告层面的事实。其次是有限解释：作者认为在排除首尾音节后，时长差异可归因于词重音而非边界效应，这一解释得到取样设计的支持，但仍受样本构成限制。最后是未验证推测：频谱倾斜和音高动态是否起作用尚未测量，不能从本研究得出结论。

主要限制有三点。第一，元音覆盖窄，只分析了最常见的两种后元音，其他元音因可变词例不足未能纳入，且低频词几乎不表现变异，这使得寻找符合条件的词例更加困难。第二，位置覆盖窄，词首和词尾被排除，短语重音条件也被排除，因此结论不能直接推广到这些位置。第三，模型控制不完全，元音身份未作为变量控制，随机斜率设置也有待完善，作者自己指出了这一点。

还需要提醒一个常见误解：约 70% 的范式一致化描述的是重音位置向词干统一的趋势，不是声学分类的准确率；时长高度显著描述的是统计可靠性，不是每个重读元音都比每个非重读元音长，分布图中两组仍有重叠。总体趋势不等于每 1 对样本都成立，这一点从箱线与散点的重叠中可以直接看到。

要复述或重复这项研究，先做什么？

复现的第一步是重建可比语料，而不是直接训练模型。需要到北部卡舒布地区寻找五十岁以上、以该变体为第一语言的日常使用者，用恒定嘴麦距离的录音设备在安静的家中环境录制半结构化对话，并用图片刺激诱发目标名词范式。由于没有可用的书面文本，不能采用朗读语料，只能依赖自发或半诱发 speech。

第二步是筛选出现重音变异的名词词例，保留同一词的全部重音实现，并只截取词中位置的后元音，排除词首词尾和短语重音。切分可先用自动标注工具做初切，再人工把边界校对到过渡段中点，然后用韵律分析脚本提取时长、强度最小值最大值平均值，以及转换为半音后的基频。关键超参数与信息条件包括原始采样率 44 点 1 kHz、分析前重采样到 22.0501000 赫兹，以及以 100 赫兹为零半音的对数转换基准。

第三步是用线性混合效应模型分别对 3 个参数建模，以非重读为参照类，纳入发音人与词项的随机效应，并检验重音固定效应。复现时应保留相同的模型结构写法，并检查时长、强度和基频的估计值、标准误与统计量是否方向一致。论文未提供代码、模型或数据的公开链接，本次也没有发现来源绑定且完成验证的资源，因此不能声称材料已公开，复现需要自行采集与标注。还需补充的验证是扩大元音种类、纳入词首词尾对照，并控制元音身份。

何时值得借鉴这篇论文的方法？

当研究对象是一种正在变化、存在大量可变实现的少数语言时，这篇论文的思路值得借鉴：不要只找标准的最小对，而是把同一词的不同重音实现本身当作对照。这样可以在不控制说话人、词义和语音环境的情况下，获得高度可比的重读与非重读样本。对于田野条件有限、无法做实验室朗读实验的情况，这种方法尤其实用。

可以带走的具体操作有 3 条。第一，取样阶段就固定比较位置，让被比较音节处于相同语音环境，从而简化统计模型。第二，标注阶段坚持人工校对边界，并明确排除词边界和短语层面的干扰，再讨论词重音效应。第三，报告阶段同时呈现显著结果与负结果，时长、强度和基频分别给出估计值与显著性，而不是只报告胜出的一项。

同时要记住适用条件与代价：该方法依赖变异本身，如果语言中低频词几乎不变异，就难以构造对照；只覆盖后元音和词中位置的结论不能直接推广；强度虽显著但分离能力弱，不能单独使用。未来的验证应补上频谱倾斜、音高动态、更多元音和更完整的随机效应结构，才能更全面地刻画北卡舒布语重音的声学实现。

📐 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