真浊塞音一定压低基频吗：坦头闽南语四个声调里的反例

英文题目：True voicing and F0 perturbations: evidence from Tantou Southern Min

会议身份：conference:speechprosody:2026:conference-paper-id:zheng26_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 #语音属性识别

评分：6.6/10 | 创新 1.3/2 | 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 1.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.5/1.5

排名：前50% | 文档类型：理论研究

👥 作者与机构

• Jiexiong Zheng：机构信息未能从会议 PDF 纯文本可靠映射
• Jingfen Zhang：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

本研究考察广东陆丰坦头闽南语中清塞音、浊塞音与鼻塞音对后接元音基频扰动的规律，输入为三类声母与四类声调组合的单音节词朗读，输出为归一化F0轨迹，难点在于声调语言中真浊音样本稀少且易与前鼻化、内爆及鼻化元音效应混杂。方法链首先采集30名母语者最小三重对比词表并用喉头仪与麦克风录音，其输出的标注语料进入F0与时长提取环节，在声调承载段取等距点并剔除异常得到4058个有效样本。随后以每人单音节调系均值与标准差做LZ-Score归一化消除个人音高差异，其输出的归一化轨迹进入分声调广义加性混合模型，分离声母主效应与轮廓形状差异并做成对与逐点显著性及效应量验证。与将浊音统一视为压低F0的通用预期不同，本文按高平、高降、高升与高短调分别建模，揭示扰动方向强烈依赖声调类别且延续至元音中段。在Tone55声调条件下，V vs N配对的Cohen’s d指标为0.639，高于V vs U配对的Cohen’s d指标0.447。该结论适用边界仅限坦头方言已测高调与升调语境，向低调、长时协同发音及跨方言声调演变的外推尚未验证。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

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

要回答什么：浊音之后声调起点会怎样变？

本文输入是坦头闽南语的声母与声调组合，目标是讲清 3 类声母如何影响后接元音基频。输出是一套可核对的实验安排、统计判断与声调演变含义。必须保留的信息包括 3 类声母的对立性质、4 个声调的类别、30 人的录音规模与广义加性混合模型的检验逻辑。读者学完应能复述从词表到归一化再到模型比较的完整链条，而不是只记住浊音压低基频一句结论。 辅音影响基频是语音学与音系学接口的核心议题，也是解释声调产生与分化的关键证据。

以往对清浊塞音微扰的研究多集中在以浊音时滞为主要线索的语言，例如英语，而以浊音导前为主要线索、具有真浊音的语言研究较少。在非声调语言中已观察到浊 obstruent 压低元音起始基频、清辅音抬高起始基频的倾向，但在声调语言中这种效应是否被削弱存在分歧。

真浊音 × 基频微扰： 真浊音指发音时在除阻前声带已经开始振动，以浊音起始时间为负值的浊音导前为主要线索；基频微扰指辅音发音动作泄漏到后接元音基频上的短时抬升或压低。真浊音负责提供声带振动与跨声门压差维持的生理条件，基频微扰负责把这种条件读成可测的声学后果，二者搭配才能判断浊音是否必然压低声调起点。

坦头闽南语的价值在于它同时拥有清不送气塞音、真浊塞音与鼻塞音的三重最小对立。也就是说，同一个韵母与声调框架下，仅替换声母就能得到 3 个都成立的词。这种安排把声母效应从词汇、韵母与声调差异中分离出来，是检验辅音微扰的理想自然实验。若浊音效应具有跨语言普遍性，它应当在这里稳定出现；若它随声调而变，则普遍性假设需要修正。

相关路线：吴湘方言与闽南语为何不能直接类比？

汉语内部对浊音与声调关系的研究主要集中在吴语与湘语。这两类方言被认为保留了中古全浊声母，且常伴随气嗓音等特殊发声态。已有讨论把气嗓音看作连接浊阻塞音与低调域的关键中间阶段，并据此提出浊辅音经由气嗓音走向低调域的演变通路。 闽南语的浊塞音来源与表现不同。论文指出，闽南语浊塞音常表现为前鼻化塞音，且其来源多与中古鼻声母相关，而非直接继承中古浊塞音。

厦门话的浊音已有前鼻化描记，潮州话还观察到少量内爆变体。这种以鼻腔泄压或喉头下降维持发音的策略，与吴湘方言依赖气嗓音的策略形成对照。

气嗓音 × 调域分化： 气嗓音指声带松弛、气流泄漏较大的发声态，常伴随基频偏低；调域分化指同一声调因声母清浊不同分裂为高低两域。气嗓音负责充当浊辅音与低调之间的中介环节，调域分化负责记录这种中介是否已经音系化，二者组合解释了为什么只有浊音而无气嗓音时可能不发生分调。

鼻音的微扰效应在以往研究中被认为相对较小，但作者提醒这可能因语言而异，在声调语言中可能更复杂。因此本研究同时把鼻声母纳入检验，而不是只比较清浊两类。另一个缺口是声调语境：以往很少系统检验微扰是否随声调类别变化，对汉语方言中短促调即入声调的关注尤其不足。本文把高平 55、高降 52、升调 35 与高短促 5 并列，正是为了补上这一块。

与吴湘及闽内清化事实如何对照才公平？

同输入对照是吴湘方言的浊音加气嗓音条件与闽南语的浊音加前鼻化或内爆条件。同目标都是解释浊音是否导致低调域，但监督与运行阶段不同：吴湘的证据链包含可观测的气嗓音中介，坦头的证据链恰好缺少这一环。把两类方言的胜负直接对比是不公平的，类别差异本身就是解释变量。 闽内清化事实提供逆向视角。遂溪雷州话、殿白黎话及莆仙话的对应材料显示，原浊塞音清化后与对应清塞音合流为同音字，而未转化为声调差异。

论文据此认为单独的清化不足以触发分调，起决定作用的可能是发声态类型。这属于有限解释，因为所引多为既有转写而非本研究的声学测量。 内爆发音的生理细节支持上述对照。喉外肌下降喉头可在不改变控制基频的内肌的条件下维持跨声门压差，因此内爆本身不必然压低基频。这一机制说明保浊策略是多样的，其与基频及声调演变的关系也应是多样的，不能简化为浊音必然走向低调。

问题如何具体化为可检验的比较？

论文把大问题拆成 3 个可操作的子问题。第一，声母是否显著影响后接基频的整体水平与曲线形状。第二，这种影响是否只停留在音节起点，还是延续到元音中段乃至整段轮廓。第三，不同声调下的模式是否一致，特别是升调与短促调是否服从同一方向。 检验采用成对逻辑。

以鼻音为参照，比较不送气清塞音与浊塞音的参数偏移，再用两两逐点比较定位差异出现在归一化时间的哪一段。举例说明：若一个 55 调音节分别由鼻音、清塞音、浊塞音起头，传统预期是起点基频从高到低依次为鼻音、清音、浊音；本研究要看的是这个排序在 4 个声调中是否都成立。这是一个教学用例子，不是论文报告的具体词条数值。

方法全景：从一个音节到整条曲线的检验链

先沿一个样本走完全程。发音人看到幻灯片上的一个汉字并读出，录音同时记录声学与喉头信号。标注人员切出声调承载段，用 Praat 自相关算法在 11 个等距时间点提取基频与时长。原始基频再按每位发音人的单音节声调库存做标准化，使不同音高基线的人可以放在同一尺度比较。最后把所有样本按声调分组，分别拟合是否包含声母主效应的 2 个模型，用似然比检验判断声母是否显著。

广义加性混合模型 × 声调语境： 广义加性混合模型负责用样条拟合整段归一化时间的基频曲线并容纳发音人随机效应，声调语境指 55、52、35 和 54 种不同的调形与时长条件。前者负责分离辅音主效应与曲线形状差异，后者负责提供微扰得以展开或被压缩的韵律框架，二者搭配才能同时回答起点差异与中后段差异两个问题。

模型选择广义加性混合模型的理由是它适合刻画细粒度的时程动态。固定效应部分是声母类别，样条部分允许每类声母拥有自己的时间平滑曲线，并加入发音人随机效应。统计推断依次推进：参数 t 检验看平均基频差异，F 检验看曲线形状差异，成对与逐点检验定位显著时间区间，最后用科恩 d 量化效应量。这种分层安排使起点微扰与中段延续效应可以被分别讨论。

组件分工：词表、录音与归一化各解决什么混淆？

词表组件负责构造三重对比与声调覆盖。设计在 55、52、35 和 54 个声调上系统对比 3 类声母，并加入 55 个填充项用于采集发音人的单音节声调库存。填充项不是干扰项，而是归一化所需的基线。随机化后每次一字呈现，每项重复 5 次，以减少顺序效应与偶发误读的影响。 录音与处理组件负责保证信号可比。

在坦头当地安静房间录音，采样率为 44100 赫兹，设备包括喉头仪与双通道话筒。提取后剔除明显偏离主体分布或听辨异常的无效点，最终有效样本为 4058 个。归一化采用 LZ 分数法，均值与标准差取自每位发音人自己的声调库存，这一步把个人音高差异转化为相对位置。

前鼻化 × 内爆音： 前鼻化指塞音除阻前先经鼻腔泄压的发音策略，内爆音指通过喉头下降扩大口腔容积以维持跨声门压差的策略。前鼻化负责释放口腔压力，内爆音负责降低喉位而不改变控制基频的内肌紧张度，二者都是在不借助气嗓音的条件下维持真浊发音的替代路径，组合起来说明闽南语保浊而不走低调化的生理可能。

论文还记录到浊塞音存在前鼻化与少量不稳定的内爆变体，甚至同一发音人内部也不稳定。本研究未按变体拆分建模，而是把浊音作为音系类别整体检验，理由是母语人将其感知为同一类。作者指出更合理的做法是未来把变体编码为独立预测因子，但这属于未实施的改进方向，不能当作已验证结论。

有无训练：本研究训练了什么、没有训练什么？

本研究没有训练神经网络声学模型，也没有更新任何可学习权重，不存在优化器、梯度路径、参数冻结与重置的安排。缺项是明确的：论文未报告发声态参数的测量，未按前鼻化与内爆变体分层建模，也未对感知边界做建模。 实际计算过程是统计建模与推断。完整模型形式为归一化基频对声母类别加按声母分组的时间样条，再加发音人随机效应；简化模型去掉声母主效应。

通过比较 2 模型的似然比判断声母整体是否显著。样条采用 3 次回归样条，基维度取 5，作者说明经预备敏感性分析确认足以捕捉调形动态又避免过拟合，估计采用快速限制最大似然法。这一链条是可复现的计算流程，不是确定性求解声调演变。

实验条件：人、材料、仪器与统计口径是否一致？

被试为 30 名坦头闽南语母语人，材料覆盖 4 个声调的三重对比加填充项，采集在安静房间完成。每项重复 5 次，基频取 11 个等距点，归一化基线来自个人声调库存。4 个声调分别独立建模，比较条件在声调内部保持一致，跨声调的比较属于模式对照而非直接合并检验。 下表把可运行的采集与数据规模条件集中呈现，用于复现前核对是否具备相同信息条件。指标方向在此不适用，表中均为规模与精度事实，数值写法保留原文。

上表说明复现至少需要三重词表加个人调库存基线、5 次重复、11 点采样与四千量级的有效样本。若缺少个人库存基线，跨发音人的归一化口径将不一致；若重复次数过少，逐点置信带的估计会不稳定。论文未公开代码、模型与数据的可下载链接，本次亦无可用资源声明，因此复现只能按文字方法重做，不能依赖原工程。

主结果：起点排序在三个声调成立、在升调反转

论文报告的核心模式是声调依赖。55、52 与 53 个声调的起点基频排序为鼻音高于不送气清塞音高于浊塞音，符合浊音压低的预期；而 35 升调反转为浊音高于鼻音高于清塞音。除起点外，每类声调的中段乃至整段轮廓也存在显著差异，且鼻音后整体基频意外偏高，尤其在 55 与 5 中稳健。 先看 55 调的参数主效应。

模型比较显著，浊音与清音相对鼻音均显著偏低，且 3 条曲线的平滑项形状均显著不同。两两比较在音节大部分时长上显著，浊鼻差异最大。表前问题是：在高平调中声母是否同时改变平均高度与曲线形状，指标方向是估计值为负表示低于鼻音参照。

上表显示 55 调中清音与浊音的参数估计均为负且高度显著，浊音的负向偏离大于清音。结合两两比较在 96 至 100% 时长上的覆盖与中等效应量，可以判断声母影响不限于起点，而是延续到整段。但总体趋势不等于每一点都同等显著，最大差异主要出现在起点附近，不宜推广为全程等距下移。 下表把 4 个声调的两两显著区间与效应量并列，解决起点之外的时程定位问题。公平条件是同一声调内比较，指标方向是覆盖率越大表示差异越持续，d 越大表示分离越强。

上表的主要收益是看到时程差异的声调特异性。55 与 5 的鼻音对两类塞音差异达到全程覆盖且 d 超过 1，属于大效应；52 的浊鼻差异仅限前半段，浊清差异分裂为两段小区间；35 的最大差异出现在中点附近而非起点，且浊音对另两类的 d 达到 0.5 以上。代价是这种复杂性削弱了单一生理机制的解释力，未胜出项是 52 中浊清区分度最低，需要更精细的发音解释。

反证与边界：哪个声调不支持浊音压低？

35 调是关键反例。参数估计显示清音相对鼻音为负，而浊音相对鼻音为正，方向发生反转。两两比较中浊音对清音达到全程显著且效应量最大，显著区间与升调的上行段重合，最大差异出现在归一化时间 0.4 附近。论文将其初步归因于高升调形本身，但明确表示目前尚无满意解释，属于待验证推测。 表前问题是：反转是整体抬高还是局部对齐所致，公平条件仍是同调内比较，指标方向是正估计表示高于鼻音参照。

上表显示 35 调截距为负而浊音系数为正且高度显著，与 55 调的双负模式形成直接对照。这支持微扰方向受调形调制的判断，也限制了把浊音压低当作无条件规律的做法。未评测边界包括未测量气嗓音参数、未区分前鼻化与内爆实现，因此不能断定反转完全来自调形而不含发音变体混合的影响。 短促 5 调提供另一类边界。两类塞音相对鼻音大幅偏低，估计值均超过 0.5 的负向幅度，而浊音与清音之间仅在起始 15.2% 显著。

这表明在高短促调中塞音与鼻音的区分远大于塞音内部的清浊区分。若只看清浊对立会低估鼻音的作用，这是只做二分比较的研究容易错过的代价。

机制讨论：中段差异与鼻音偏高能确定原因吗？

论文对中段与整体差异提出两种有限解释。一是辅音扰动与声调实现的交互：55 与 5 在音系上为平调，在坦头分别与中平 44 和高低短促调主要靠高度区分，只要落在高音区即可被感知为该调，容许的高度浮动可能让声母带来的差异得以保留；二是高音本身更易受扰动，这在非声调语言已有报道，但在闽南语中仍需更多研究。两点均用可能表述，不应读成已证实的因果。 鼻音后偏高的解释同样是开放的。

一是喉头下降与鼻腔泄压的生理补偿假设：发音人感知到鼻音致低后提高喉部紧张度，反而抬高后接元音；二是鼻化元音固有偏高：坦头鼻声母后元音一律鼻化，而鼻化元音偏高在以往研究中有报道。35 调中段鼻音高于清音的现象与第二种解释相容，但不能排除第一种。

鼻化元音 × 补偿性抬高： 鼻化元音指鼻辅音后必然带鼻化色彩的元音实现，补偿性抬高指发音人感知到鼻音致低效应后主动提高喉部紧张度的假设。鼻化元音负责提供鼻音后基频偏高的载体解释，补偿性抬高负责提供发音人主动调控的解释，二者组合说明鼻音后偏高既可能是元音固有属性也可能是发音人策略，目前证据尚不能二选一。

52 调中段清音低于浊音的现象被归为浊音起点压低后的发音连锁效应，而非独立的清音致低机制。这种事后解释的证据强度弱于起点主效应，复述时应保留其推测性质。论文亦未测量误判率、延迟与计算成本，任何关于效率或感知改善的承诺都超出证据。

复现先做什么：按什么顺序重跑才算对齐？

第一步重建词表与基线。按 3 类声母乘 4 个声调构造最小三重项，并另采足以估计个人声调库存的单音节材料，随机化后单字呈现、每项读 5 次。第二步按相同仪器条件录音并用 Praat 自相关算法取 11 点基频，记录时长，剔除离群与听辨异常样本，目标量级参考 4058 个有效样本。第三步用个人库存做 LZ 分数归一化，分声调拟合包含声母主效应与分组样条的混合模型，基维度取 5，用限制最大似然估计，再与去掉声母的简化模型做似然比检验。

核对点包括声调标注是否只取声调承载段、归一化均值与标准差是否来自同一发音人的库存、逐点置信带是否排除零才判显著。论文未报告按变体拆分的结果，若复现者听到明显前鼻化或内爆，应先如实记录并做敏感性分析，而不是直接合并后声称与原文完全同条件。 资源状态方面，本次收到的证据中没有来源绑定且完成验证的代码、模型或数据链接，不得声称已公开或当前可用。若未来补充分层数据与发声态测量，才能检验补偿假设与变体混合假设。

何时值得尝试这套思路、还缺哪项验证？

当研究对象具有真浊音且存在多声调语境时，值得采用分声调建模加逐点定位的思路。特别是包含升调与短促调的材料，应预先假设微扰方向可能反转或强度悬殊，而不是只检验起点均值。若只做全声调合并平均，35 调的反转会被平均掉，鼻音的整体偏高也会被误读为随机噪声。 复现与扩展的优先级是先补发声态测量，再做变体分层。

需要在同一批样本中同步记录气嗓音相关参数，并把前鼻化、内爆与典型浊塞音编码为独立预测因子，重新估计各声调的起点与中段效应。只有在控制变体后反转仍然存在，才能更 уверенно地把 35 调异常归因于调形。若变体比例本身随声调变化，则当前反转可能是样本构成的混合效应。 最终判断应保留分级表述。论文直接报告的是声调依赖的排序与时程覆盖。

有限支持的是保浊策略多样性与气嗓音中介必要性的讨论；未验证的是补偿性抬高与鼻化元音固有偏高的二选一。承认这些边界，恰好是把辅音微扰从普遍规律还原为条件性机制的关键一步。

📐 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 15 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