可读难了,机器还能听准吗:可听性中结构复杂度与识别错误的解耦
该研究以 CLEAR 文本经合成语音再由 Whisper Tiny 识别为链路,用全局可读性指数与词错误率检验文本复杂度是否影响识别,最强证据是转写前后指数相关 0.97 而指数与错误率相关仅 0.03 且回归无法预测,代价是人类判断仍保留约负 0.28 的相关而未做真人听测验证。
该研究以 CLEAR 文本经合成语音再由 Whisper Tiny 识别为链路,用全局可读性指数与词错误率检验文本复杂度是否影响识别,最强证据是转写前后指数相关 0.97 而指数与错误率相关仅 0.03 且回归无法预测,代价是人类判断仍保留约负 0.28 的相关而未做真人听测验证。
该研究用电磁发音仪测量台湾华语四声与五种焦点条件下词首辅音手势,发现轮廓声调增大位移与峰速度而焦点延长形成时长且二者无交互,与重音语言中同时调制两维的模式不同,但样本仅五人且只分析了辅音手势。
该研究让普通话母语者在走 45 米的同时读文章或重复/pɑ/并只改变一侧速度,发现改变步速会连带改变语速而改变语速几乎不改变步速,显示不对称耦合且不支持对称振子互 entrain 的强预测。
该研究以 27 名日本职前教师的 3 分钟微格教学和 729 人次九维度同伴评分为对象,用 8 个客观声学特征做 72 对相关映射,发现语速偏向内容清晰等认知维度而平均基频偏向表情与观众意识等情感维度,但 15 个名义显著相关经错误发现率校正后全部不显著,故最优区间只作探索性参考。
该研究让 40 名普通话母语者用三种朗诵风格读五言和七言诗联,用当前音节与前一音节时长比估计边界强度,报告慢速诗体中第 2 字和第 4 字处的高边界在日常语速下基本消失,且七言首个双字组从不独立成组。
本研究在德语载体句中并置词汇频率与语义场启动对边界区间时长的影响,报告显示低频在三段边界区间上一致更长而启动总体不显著,代价是当前仅一轮拉丁方小样本与冠词韵尾上小幅反向交互均待全样本验证。
该研究在法兰西岛 2018-2025 年读词孤立词任务中检验性别对摩擦性增音的影响,基于 434 条以/i/结尾的录音和逐条有无标注,发现录音层面的混合模型显示男性录音显著更多,而人均比例模型不显著,代价是仅 22 人且未做声学参数测量。
该研究让 19 名高熟练牙买加英语、卡斯蒂利亚西班牙语和南部标准英国英语说话人在中性、积极、消极条件下用英语做自发与半自发表达,测量语调短语时长、停顿时长、语速、发音速率和音高范围,发现只有消极高强度情绪带来可重复的组间交互且以音高范围变窄最突出,而发音速率不受情绪影响。
该研究用三音节词朗读任务比较美国母语者和巴西二语者的重音实现,显示母语者时域元音缩减更充分而二语者缩减不足并依赖更大的响度对比和更宽的共振峰分布,基频在两组间均未形成可靠区分。
该研究在 46 人面对面自由讨论中比较自闭与非自闭组语调风格,发现起伏度和跨度均值无组差,但用香农熵度量 16 格分布多样性时自闭组更可预测,代价是该熵效应后验概率仅 0.88 且置信区间含零。
该研究以普通话和阜新话送气对立为对象,用手动测量的 VOT 与起振后 10 毫秒内 CF0 检验声调如何调制两线索分工,最强证据是 VOT 在四声下稳定区分送气而 CF0 仅在特定声调显著,代价是仅 6 名男声冠音样本且结果限于声学产生层面。
该研究对 400 名法语母语英语学习者的/i:/、/ɪ/与法语/i/做时长与 F1-F2 重叠测量,发现时长差异总体显著但共振峰分布仍高度重叠,说明时长线索可被习得而不等于达到母语者式实现。
该研究以常州话双音节名词与动词短语的声学比较检验左主导与右主导变调是否成立,最强证据是动词短语基调保留仅轮廓简化而名词短语出现大幅偏离与一词多调,代价是仅分析 3 名年轻女性发音人且单音节基线只在孤立语境录制。
该研究用口语词云重组任务检验形容词长度与介词短语类型对法语形容词前置率的影响,最强证据是长形容词主效应系数 -2.29 且名词补语与动词补语都提升前置率,代价是韵律模式仍在分析中且样本限于双音节名词与特定音节组合。
该研究把原来只给朗读打一个总分的可懂度模型改造为按轮次打分的时间序列方法,在 13 例舌切除患者的半结构化临床对话上检验临床医生说话是否影响患者下一轮可懂度,最强证据是 7 例中存在显著关联且 PMB01 约 40% 变化可被解释,代价是 10 秒窗导致的时间粒度粗糙且个体差异极大。
该研究在/aCa/中用三维电磁发音仪对比/d/与/r/的舌尖手势,报告 3 人实现为近音、仅 S2 实现为拍音且/r/以更高闭合刚度缩短平台与声学收缩,代价是仅 4 人小样本且拍音证据集中于一人。
该研究把成人 MonPaGe 工具中的交替运动速率任务适配给 2.6 至 6 岁法语儿童,在 97 名典型发育儿童首批数据上先做听觉语速测量,再转向三窗口声学测量加错误质性分析,初步报告任务类型与辅音丛显著影响表现,后续将对比健康老化与帕金森组以检验逆行发生假说。
该研究以 9 名母语人的孤立词录音为对象,用自动对齐时长与振幅包络二次项系数证明 fortis /ŵ/ 更长且呈凸形能量凹陷,而 lenis /w/ 常弱化为过渡,代价是野外录音剔除、切分不确定与尚未覆盖 /j/ 对立。
该研究让三组帕金森患者分别接受适配音乐、随机音乐和无音乐的四周步态训练,用 30 秒 pataka 重复任务比较干预前后音节间期离散度,最强证据是音乐组节律离散度下降而无音乐组上升且整体音乐效应 p=0.018,代价是样本小且大量依赖 Praat 手工校正。
该研究用电磁发音仪与视频追踪检验匈牙利语指点手势与语音地标的时滞稳定性,初步证据指向第一音节元音目标与手指目标的对齐最稳定且不受信息结构与基频轮廓调节,代价是仅报告一名被试且未发现基频的组织作用。