误会迫使换权重：英语者缩短松元音，日语与普通话者走向不同维度

英文题目：Timing the message: Reweighting temporal and spectral cues in native-nonnative conversational speech adaptation

会议身份：conference:speechprosody:2026:conference-paper-id:zhang26b_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 #语音学与音系 #韵律 #语音 #语音交互

评分：5.7/10 | 创新 1.4/2 | 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 0.5/1.5

排名：前50% | 文档类型：应用研究

👥 作者与机构

• Han Zhang：机构信息未能从会议 PDF 纯文本可靠映射
• Haoyao Ruan：机构信息未能从会议 PDF 纯文本可靠映射
• Dawn Behne：机构信息未能从会议 PDF 纯文本可靠映射
• Allard Jongman：机构信息未能从会议 PDF 纯文本可靠映射
• Joan Sereno：机构信息未能从会议 PDF 纯文本可靠映射
• Paul Tupper：机构信息未能从会议 PDF 纯文本可靠映射
• Yue Wang：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本研究处理母语英语与日语、汉语晚期二语者在英语紧张-松弛元音混淆引发误解时的在线语音适应，输入为无脚本合作放图游戏对话中的最小对目标词发音，输出为光谱线索F1、F2与时间线索时长比权重随时间的分离变化，难点在于区分自动趋同与以可懂度为目标的策略性调整。方法链分三步：先用Escape Simulator游戏诱发sheep-ship类误解并记录自由协商以提供适应窗口，其输出的连续对话录音进入声学标注环节。接着用Praat标注元音边界并提取中点共振峰转Bark标度与元音占词时长比，得到的归一化声学表进入统计建模环节。最后按任务与语言组合与元音对分别拟合线性混合效应模型并以归一化时间的三重交互与边缘趋势检验适应方向。与既往单向复述或整体相似度知觉评价相比，该工作把线索权重作为随对话演化的因变量，揭示母语者也会向非母语者母语偏好偏移，具有双向协同的实际意义。在游戏对话任务条件下，英语者/ɪ/的时长指标βTime为-.12，低于日语者/ɪ/的时长指标βTime.04，组间分离扩大方向一致。结论的适用边界受限于高混淆压力任务型对话且前后测朗读无迁移，/u-ʊ/因样本过少尚未验证，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://praat.org — 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，目标是什么，初学者先抓住哪条线？

这篇论文的输入是母语为英语者与母语为日语或普通话者之间真实发生的、无稿的协作对话录音，目标是在出现英语紧松元音混淆时观察双方如何调整发音以恢复相互理解。紧松元音初学者可以白话理解为英语中靠音质松紧区分词义的 1 对元音，教学例子是 sheep 中的紧元音/i/与 ship 中的松元音/ɪ/，再如低元音对/ɑ-ʌ/。英语母语者主要靠频谱线索即第一、第二共振峰 F1、F2 来区分这对元音，时长只是伴随差异。日语有长短元音的音位对立，普通话有声调的时间组织经验，因此论文假设这两组非母语者会更依赖时长这一时间线索。

学习时必须保留的关键信息是论文不是做语音识别或语音合成，而是做声学测量加统计建模。测量对象是目标词中元音中点的 F1、F2 经 Bark 转换后的值，以及元音时长占词长的比例。解释轴是对话进程，输出是随时间变化的线索权重转移判断。阅读顺序建议先理解任务如何制造误会，再看测量如何定义，最后看模型如何把时间斜率转成适应证据，这样就不会把平均差异误当成动态适应。

紧松对立 × 线索权重： 紧松对立是要区分的音位目标，例如例子 sheep-ship 中的/i-ɪ/，线索权重是说话人为实现该目标而在频谱线索与时长线索之间的依赖分配，英语母语者把权重主要放在频谱上，日语和普通话者更依赖时长，二者搭配的理由是同一对立可用不同声学维度实现，组合意义在于适应就是在对话中重新分配这两种线索的权重。

本解读只讲论文实际研究的英语紧松元音对话适应任务，教学中举 sheep-ship 这类例子时明确标为例子，不引申为其他元音或语种的结论，也不添加原文没有的效果数值。

此前关于母语向谁适应的争论卡在哪里？

此前文献的不一致在于适应方向。有研究让英语母语者听韩语口音英语后做产出，发现母语者向非母语者部分靠拢，调整了时长等切分与韵律线索。也有重复跟读任务发现荷兰母语者向非母语模型靠拢整体音高和语速。相反，有基于对话前后整体相似度听辨的研究发现母语者几乎不向非母语者趋同。另一组英语与普通话者对话的研究发现，不熟悉频谱紧度区分的普通话者增加了时长区分，而英语者保持频谱策略不变。

论文把这种分歧归因于关注的语音维度不同、任务是否需要模仿或互动、测量是声学还是听辨，以及更关键的交际需求。当任务要求消除易混词的歧义时，更可能出现双向适应，且非母语者适应更强。母语经验则决定了起点权重，不熟悉的二语线索会限制产出，但说话人会调用母语中可用的替代线索维持清晰度。尚未解决的是这种权重是否在 1 次对话内部实时变化，本文正是把实时性作为切入点。

趋同 × 人际协同： 趋同指对话双方说话方式变得更相似，人际协同指把这种变化解释为受交际目标驱动、为提高可理解性而做的协调，趋同描述现象方向，人际协同提供动机解释，二者搭配的理由是母语与非母语对话中只有能减少误会的调整才会被保留，组合意义在于用交际需求预测何时出现单向适应、何时出现双向适应以及为何朗读中不保持。

对初学者而言记住路线即可，自动模仿路线强调暴露即趋同，社会与交际路线强调为听者可理解性而调整，本文站在后者即人际协同框架下做预测。

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在本范式中检验的预测。第一，双向适应是否都会出现，母语者和非母语者是否都会为提高相互理解而调整，而不只是其中一方调整。操作化为在对话时间轴上，紧元音与松元音的声学分离是否扩大，且扩大动作由哪一方做出。第二，非母语者是否随对话进程重新加权时间与频谱线索，方向是摆脱母语韵律影响，日语者摆脱元音长短的影响，普通话者摆脱声调时间组织的影响，转向对当前交际对象更有信息量的维度。

检验方式不是看对话前后朗读的平均值，而是看对话内部随归一化时间的变化斜率。只有当松元音与紧元音的斜率差显著，且方向为扩大区分，才能称为适应。若只是整体变快、整体变大而不改变两类元音的距离，则不能算作增强对立。论文同时设置了对话前后相同的朗读任务作为对照，用来判断适应是否只在有直接交际需求时出现，这是理解全文证据链的关键前提。

游戏对话如何制造必须用元音解决的误会？

方法全景可以沿着一个样本走完。假设某轮目标词是 ship，英语者与日语者各自坐在桌子两侧，面对面但视线越过对方头顶看各自显示器，用无线键鼠控制自己在 Escape Simulator 中的虚拟房间。每个房间地板和墙上钉板放有刺激图片，双方各自把自认为正确的图片放到钉板上。若双方选了同一张即匹配试次，任务继续。若一方放 sheep 另一方放 ship 即失配试次，任务卡住。此时双方必须讨论哪张图才是意图目标，直到达成一致。

关键限制是指导语不允许描述图片内容，也不允许拼写单词，因此讨论只能围绕词音本身展开，例如反复说出 sheep 与 ship 并夸大差异，这就自然诱发了适应。全部图片放对后任务结束。录音在隔音室完成，每人独立声道，采样率 44.1 千赫，另有视频与游戏画面同步记录。刺激材料覆盖 3 个典型紧松对立，均为辅元辅结构的目标最小对立对 10 对、非最小对立控制词 16 个、填充词 8 个，词频控制在前 5000 高频词内以保证二语者熟悉。

失配试次 × 协商解决： 失配试次指双方在各自虚拟房间选择了不同图片例如一方选 sheep 另一方选 ship 从而阻碍任务成功，协商解决指双方随后讨论直到选到同一图片，分工上失配试次制造必须说话才能解决的误会，协商解决提供持续产出目标词的语料，二者搭配的理由是只有在不允许描述图片和拼写的前提下，说话人才被迫在元音本身上做调整，组合意义在于自然产生可供声学跟踪的适应过程。

正文集中报告/i-ɪ/与/ɑ-ʌ/，因为/u-ʊ/产量太少，这是明确的取舍，复述时不能把结论推广到所有元音。

三个声学量与标注规则各自负责什么？

组件层面有 3 个并行的因变量，分开建模。第一是 F1，经 Bark 转换，反映元音高低，高元音 F1 低，低元音 F1 高。第二是 F2，经 Bark 转换，反映元音前后，前元音 F2 高，后元音 F2 低。第三是时长比，即元音时长除以所在词时长，用于消除语速整体快慢的影响，只保留元音在词内占比。白话说，前两个是音色维度，第 3 个是时间维度。标注由 2 名研究者用 Praat 完成以保证一致性，时长边界从 F1 起点标到 F2 终点，F1 与 F2 取元音中点值。

Praat 是第三方语音分析软件，本次资源状态显示其官网链接当前可用，但这只说明软件可获取，不说明本研究标注脚本公开。3 个量分工明确，若紧松分离扩大体现在 F1 或 F2 上，记为频谱适应。若体现在时长比上，记为时间适应。论文不对三者做加权综合指数，而是分别检验，这避免了把不同量纲混成一个分数。

频谱线索 × 时间线索： 频谱线索指元音中点第一、第二共振峰 F1、F2 经 Bark 转换后的值，负责刻画舌位高低前后，时间线索指元音时长占词长的比例，负责刻画持续时间占比，二者搭配的理由是英语紧松元音同时在这两个维度上有差异，组合意义在于论文把三者分开建模，才能判断说话人扩大的是频谱距离还是时长距离。

初学者易误以为时长比就是原始毫秒数，复述时必须强调它是比例，已对语速归一化，不能直接与毫秒数比较。

没有神经网络训练时，计算过程到底是什么？

本研究没有训练神经网络模型，也就没有梯度更新、参数冻结、早停或权重下载问题，该节的真实计算是统计建模与事后趋势检验。流程是把每个数据集按任务类型、双人组合类型和元音对切分，分别送入线性混合效应模型。固定效应为说话人角色、元音松紧、对话归一化时间或朗读任务前后，随机效应在截距项上考虑被试、词项等差异。模型选择后提取固定效应估计，并用第三类方差分析检验主效应与交互作用。

关键交互是时间与松紧与角色的三重交互，它回答分离是否随时间变化且是否因角色而异。若该交互显著或边缘显著，再用边际趋势方法估计每个元音随时间的线性斜率，并比较紧松斜率差与跨角色斜率差。论文未报告优化器细节、随机种子、模型公式选择路径的具体准则，这些是缺项，复现时只能按常规做法补齐并声明。

归一化时间 × 边际趋势： 归一化时间指把每对对话从开始到结束映射到 0% 到 100% 的连续变量，边际趋势指用混合效应模型估计出每个元音在该时间轴上的线性斜率，归一化时间提供变化的横轴，边际趋势提供变化的方向与大小，二者搭配的理由是不同对话时长不等，只有统一时间尺度才能比较斜率，组合意义在于用斜率差直接检验紧松分离是扩大还是缩小。

需要明确斜率显著不等于每一步都单调变化，它是全程线性近似，置信区间图中的波动仍需结合区间宽度判断。

被试、分组与前后测如何保证可比？

实验条件按证据展开，被试在温哥华招募，共 5 对英语与日语组合、5 对英语与普通话组合。非母语者均为晚学二语者，经英语母语大学生预筛确认在紧松对立上有困难，每位二语者与不熟悉其母语的陌生英语者配对。材料与程序上，主任务与前后测用词不重叠，前后测为单独朗读，载体句为 Say __ again，目标词随机呈现，包含另一套紧松最小对立对及控制词与填充词，用于检验适应是否迁移到朗读。

比较公平性在于同一批说话人、同一套测量、同一种建模分别处理/i-ɪ/与/ɑ-ʌ/，不跨元音混算。下表先给出被试结构原表，再用整理表给出两组关键对话的样本量与完成时间，阅读时注意样本量小是后续一切谨慎表述的前提。下表比较问题是被试年龄与二语经历是否构成可比的晚学者分组，指标方向是均值加标准差描述背景，不用于推断口音程度。

上表是论文原被试信息表，呈现了年龄、二语起始与使用时长的均值结构，说明两组非母语者均为有学校英语经验的晚学者，但普通话组年龄与学龄略大，复述时不要把该表当成结果表，也不要从中推断口音程度，该表只承担分组可比性的背景作用，未胜出项是口音严重度本身未在此表中量化。

两组对话各有多少可分析语料，耗时差意味着什么？

为核对数据规模与任务负荷，本节把分散在正文中的样本量与用时整理成可运行的对照。下表比较问题是在样本很小的情况下，每组对话实际贡献了多少可分析 token，以及协商耗时是否存在组间差异，指标方向是 token 数越多估计越稳，用时仅作任务难度参考，条件在同一游戏流程下保持一致。

上表主要收益是让读者一眼看到证据权重不均，英语者在两组中 token 更多，普通话者最少，因此普通话者显著斜率是在小样本下取得的，更需看置信区间与效应量。代价是该表合并了耗时组均值与 token 个体计数，两者聚合对象不同，不能做除法得到每分钟产出率。未胜出项是/u-ʊ/因数据过少未进入主分析，这是明确的评测边界，主结论只建立在两个子集上。

声学均值原表进一步给出跨时间平均的起点差异，英语者紧元音更外围且更长，非母语者紧松分离更小。下表比较问题是起点分离本身是否存在母语优势，公平条件是同一归一化测量与同一元音对内比较，指标方向是 F1 越低越高元、F2 越高越靠前、时长比越大占比越长。

上表对应英语与日语/i-ɪ/的起点均值，显示英语者紧松分离大于日语者，但这只是平均差异，不能当作动态适应证据，真正的适应证据在下一节的时间斜率中。代价是平均值掩盖了时间过程，若只看此表会误以为日语者分离小就是不适应。

同一逻辑适用于低元音组，下表比较问题是英语与普通话者在/ɑ-ʌ/上的起点频谱与时长格局，公平条件与指标方向与上表相同，重点是普通话者起点分离更小是否为后续频谱扩大留下空间。

上表显示英语者/ɑ/更靠后且更长，普通话者紧松分离更小，这为后文普通话者扩大频谱分离提供了起点参照。未评测边界是动态共振峰轨迹、基频与语速未在此表中呈现，因此不能用此表讨论这些维度。

英语者在与日语者对话时扩大了哪种区分？

主结果第一条是英语者在/i-ɪ/上做了时间适应。模型中时长比的三重交互为边缘显著，随后边际趋势显示英语者松元音/ɪ/随时间显著缩短，斜率为负且可靠，而紧元音/i/无显著变化，日语者两类元音均无显著变化。紧松斜率差显著，方向为扩大时长分离。频谱维度上 F1、F2 均无显著的时间相关双向或三重交互，说明该组合没有转向更依赖频谱。教学上可以这样复述，英语者没有改变音色目标，而是把松元音说得更短，从而迎合日语者对时长敏感的听辨习惯。

反证是日语者本人并未显著调整时长，这与最初假设日语者会摆脱母语长短影响的方向不符，论文如实报告为英语单向适应。理解时不要把边缘显著的三重交互夸大为强效应，它只是启动事后检验的门槛，真正的证据是事后斜率与斜率差。下面先导读图 2，该图分上下两排，上排按说话人分面比较紧松元音随时间的变化，下排按元音分面比较母语与非母语者随时间的变化，纵轴为时长比，横轴为对话归一化时间，竖线为正负 95% 置信区间，观察重点是英语者松元音线是否下行。

看图路径： 1. 先看上排标题区分左侧英语者与右侧日语者，再确认横轴为对话中归一化时间纵轴为时长比；2. 比较上排左格中蓝色松元音线是否从高位下行而红色紧元音线保持平稳；3. 比较下排右格松元音分面中绿色英语线下行与橙色日语线平稳的交叉形态；4. 注意所有竖线为正负 95% 置信区间，判断趋势是否超出区间波动

论文图 2。原论文 Figure 2：“Change in duration ratio over Time: a) /i/ vs /ɪ/ for”。

图 2 的可见内容支持上述判断，上排左格中英语者松元音蓝色线从高位随时间向下滑动而紧元音红线大致平稳，两线间距随时间拉开。上排右格中日语者两线基本平稳。下排右格松元音分面里英语者绿线下行而日语者橙线平稳，交叉形态与斜率差方向一致。由于纵轴是比例而非毫秒，下降应解读为占比缩小而非绝对语速加快，且不能推广到对话每 1 分钟都单调下降，它是全程线性趋势的近似。

下面整理关键统计量，下表比较问题是时长三重交互与事后斜率是否共同支持英语单向时间适应，公平条件是同一/i-ɪ/数据集与同一混合模型，指标方向是斜率为负表示缩短、斜率差为负表示松元音变化更大，显著性以事后检验为准。

上表主要收益是把边缘显著的门槛检验与显著的事后斜率放在一起，避免夸大门槛本身，代价是表中混合了两组元音的统计量，阅读时必须按行确认数据集归属，不能跨元音比较 F 值大小。未胜出项是日语者时长斜率与频谱交互均不显著，这限制了母语摆脱说的普适性。

下面先导读图 3，该图按论文应展示 F1 随归一化时间的变化，分面逻辑与图 4 类似，纵轴应为 F1 的 Bark 值，横轴为对话进程，预期可见普通话者低元音线下行，但本次收到像素严重截断无法辨认曲线细节，教学上只看残留坐标轴与标题。

看图路径： 1. 先确认横轴仍为对话中归一化时间，纵轴应为 F1 的 Bark 值；2. 本次收到像素严重截断，只看残留横轴与分面标题，不辨认曲线斜率；3. 转而依据正文报告的斜率数值理解普通话者低元音 F1 下降的结论

论文图 3。原论文 Figure 3：“Change in F1 over Time: a) /ɑ/ vs /ʌ/ for each”。

由于图 3 像素缺失，解释只能依据正文数值，普通话者/ɑ/的 F1 斜率为负且显著，紧松斜率差显著，英语者两类元音均无显著变化，不从残缺图像猜测颜色、区间宽度或交叉点位置，教学价值在于提醒初学者当图像不可用时回到模型估计与显著性报告，而不是用想象补全趋势，这也说明像素证据与数值证据需要相互印证。

若去掉时间轴或换成前后测，结论还成立吗？

论文的反证设计相当于做了两类消融。第一类是去掉对话内部时间轴，只看对话前后朗读任务，结果显示两个元音对、在两种组合中均无任务相关交互，即朗读前后表现相似。这支持适应只在有直接交际需求时出现，符合人际协同预测。但也不能排除朗读任务用词不同、说话方式不同导致无法迁移，因此只能说未观察到保持，不能说适应一定不能迁移。第二类是去掉关键维度，英语与日语组合在频谱上无时间交互，英语与普通话组合在时长上无显著增加，说明适应不是所有维度 1 起变，而是选择性地扩大最有效的区分。

统计上需要注意两个边缘显著，时长三重交互与 F1 三重交互均在 0.05 附近，F2 三重交互则非常显著，因此/ɑ-ʌ/的频谱证据强于/i-ɪ/的时间证据，复述时应保留这种强度差异。若把三重交互拆开，只看主效应会得到紧元音与松元音平均有差异的平凡结论，只有加入时间与角色后才能看到谁在何时扩大了差异。下面先导读图 4，该图展示 F2 随归一化时间的变化，上排按说话人分面比较紧松元音，下排按元音分面比较英语与普通话者，纵轴为 F2 的 Bark 值，横轴为对话进程，重点看普通话者低元音是否持续下行并与松元音拉开距离。

看图路径： 1. 先看上排标题确认是紧元音与松元音对比，左右分面区分英语者与普通话者；2. 观察上排右格中普通话者低元音红线明显下行而松元音蓝线上行形成剪刀差；3. 对比上排左格中英语者两条线基本平稳，确认变化主要来自普通话者；4. 再看下排左格中普通话者紫线从高于英语者绿线转为低于绿线，确认超过母语均值的过冲

论文图 4。原论文 Figure 4：“Change in F2 over Time: a) /ɑ/ vs /ʌ/ for each Role,”。

图 4 可见内容与数值报告一致，上排右格中普通话者低元音红线明显下行而松元音蓝线上行，两线从起点接近到终点分离，形成剪刀差。上排左格中英语者两线基本平稳，说明变化主要来自普通话者。下排左格低元音分面里普通话者紫线从高于英语者绿线转为低于绿线，直观呈现超过母语者均值的过冲。由于纵轴是 Bark 值，数值下降对应更靠后的元音位置，不能误读为音高下降，且置信区间随时间仍有宽度，说明个体与词项变异依然存在。

普通话者在/ɑ-ʌ/上的频谱适应报告显示，F1 三重交互边缘显著，事后普通话者/ɑ/的 F1 显著下降，紧松斜率差显著，方向为/ɑ/低于/ʌ/，且下降幅度超过英语者均值即出现过冲。F2 三重交互高度显著，事后普通话者/ɑ/显著下降，紧松斜率差显著，方向为更靠后，同样超过英语者均值。英语者自身在该元音对上无显著变化，普通话者也未显著增加对时长的依赖，说明没有受到声调时间经验驱动的时间加权。需要强调过冲不等于发得比母语者更好，它只是分离扩大的副产品，论文未做听辨验证，因此只能说声学分离扩大，不能说可理解性一定提高。

哪些边界会限制结论的推广？

限制首先来自样本量，每种组合仅 5 对，token 数分别为 293 与 205，且普通话者仅 78 个 token，估计精度有限，论文自己也称为初步发现。其次来自元音覆盖，只报告/i-ɪ/与/ɑ-ʌ/，/u-ʊ/因产量少被略去，因此不能推广到所有紧松对立。第三来自测量，只用了中点 F1、F2 与时长比，未分析动态共振峰轨迹、基频、语速、清晰度指令等维度，也未做听辨评估以验证分离扩大是否真正提高可理解性。

第四来自统计，两处关键交互为边缘显著，依赖事后检验讲故事，存在多重比较与小样本下过拟合线性趋势的风险。第五来自任务特异性，游戏禁止描述与拼写，人为放大了对元音本身的依赖，日常对话中说话人可能用词汇、句法或手势解决误会。区分直接报告与推测很重要，报告显示的是斜率与分离变化，支持的是为交际需求而协调的解释，可能但待验证的是这种协调是否长期改变二语表征，前后测无变化提示至少在本次朗读条件下没有保持。

要复现这条证据链，先做什么、记什么？

复现应从任务与标注开始，而不是从模型开始。第一步按论文搭建游戏，准备 10 对最小对立对、16 个控制词、8 个填充词，控制词频在高频范围内，用 Escape Simulator 实现双人放图与失配讨论流程，明确禁止描述图片与拼写，记录每对完成时间以核对难度。第二步在隔音室双声道录音，采样率 44.1 千赫，保存视频与游戏画面以便回查误会轮次。第三步用 Praat 标注，时长边界从 F1 起点到 F2 终点，中点取 F1、F2 并转 Bark，计算元音占词长比例，建议双人独立标注并报告一致性。

第四步按元音对切分数据集，拟合以角色、松紧、归一化时间为固定效应的线性混合模型，随机截距考虑被试与词项，再做第三类方差分析与边际趋势检验，报告斜率、标准误与斜率差。必须保留的关键超参数与信息条件是归一化时间的定义、随机效应结构、事后比较的校正方式，论文未详述选择细节，复现时要如实声明自选部分。代码与数据方面，论文致谢提到游戏实现者与资助来源，但未声明代码开源或数据下载，因此只能写未报告公开情况，不能写已公开或当前可用。

何时值得借鉴这种适应思路，何时不必？

当研究问题是对话中为解决特定音位混淆而发生的实时调整，且假设涉及不同母语背景的线索偏好时，这套设计值得借鉴。用失配试次制造交际压力，用归一化时间加混合模型捕捉斜率变化，用前后测朗读检验是否迁移。当目标只是描述口音平均差异，或只有朗读语料而无互动时，不必套用本结论，因为本文核心证据恰恰是平均差异之外的动态斜率。

实践启示是双向的，英语者可以通过夸大时长来配合对时长敏感的听者，普通话者可以通过夸大频谱距离向母语目标靠近，但两者都只在特定元音对上被观察到，且都伴随代价即过冲与维度特异性。未来验证需要更大样本、补上听辨可理解性评分、分析试次级别的触发条件，并检验声调或长短母语经验在其他元音上是否起作用。对初学者最关键的误解澄清是，时长有用不等于时长是英语的音位线索，论文说的重新加权是策略性增强，不是改变英语音系。过冲不等于发音错误，它是在小样本线性近似下分离扩大的表现，能否听得更清楚仍需独立的知觉实验确认。

📐 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 13 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