统计分析

该研究用 4 名英国英语男声在 6 种嗓音设置下的朗读语料检验 CPP、频谱倾斜、HNR 与长期共振峰，发现气嗓与鼻音在组层面抬高频谱倾斜但个人实现高度不一致，因此声学测度只能做说话人内的相对指示而不能做跨人绝对映射。

论文以 49 名三代厦门话母语者的图片命名发音为对象，用归一化基频曲线比较本调与变调是否声学等同，报告显示即使记作同一调值仍存在音高与斜率差异，且青少年压缩本调空间却扩大 44 变 22 与 24 变 22 的对立，老年则基本中和。

该研究以沙溪白语 30 人的送气与不送气擦音为对象，用同一标注框架提取时长比、频谱质心差和 H1*-H2* 并做线性混合效应建模，显示时间与频谱效应稳健而发声效应弱且不稳定，青年组出现对比弱化与协同模式重组，但青年组仅 3 人使结论需谨慎对待。

该研究以三个方言区 18 名发音人的词表与自然对话比较/CECi/与/CECa/中/E/的第一二共振峰，报告和谐语境下一致的 F1 降低与 F2 升高，但 F1 效应量随方言与语体组合变化且不能据此断定范畴性音系过程。

该研究针对塔斯马尼亚澳大利亚英语词表 onset /p,t,k/，用两层 Praat 切分把释放段拆为清送气与叠加气声，报告 689/1638 约 42% 含气声、女性与双唇齿龈更高发、气声多在 8 ms 至 30 ms，代价是时长模型中部位效应不显著且需人工听辨边界。

该研究用同一批被试在学习、导航、闲聊和听故事四种任务中交叉评价四个合成系统，报告应用场景会显著改变系统间差异，而虚拟现实数字孪生在宽松等价带下得到可比评分，但分系统看仍有不确定性且播放设备不同构成代价。

该研究用简化嗓音轮廓分析对 127 名瑞士德语年轻人的自发谈话做四人感知编码，在整体一致性仅为轻微到一般的代价下，报告了东北部鼻音带、男性松弛声道与女性咽腔扩张及嘎裂声稀少等可核对的分布。

该研究用实时磁共振成像量化普通话齿音与卷舌音四对辅音的收缩位置与前后腔形态，发现收缩位置后移和前腔扩大是跨辅音对稳定的相关物，而收缩长度和后腔区分力弱，且卷舌常呈舌尖下垂而非上卷。

该研究用 3 名女性的自主提调与 16 名女性的 5 档合成提调检验谱 x-vector 系统，发现默认-抬高比较把 EER 从 0.0 推高到 14.4、极端合成把 EER 推高到 15.2，但降级集中在抬高幅度最大且音高起伏受限的个人身上，单纯平移 f0 不能代替真实伪装。

该研究把评价从分类分数转向可解释探针，用 88 个 eGeMAPS 特征和线性与非线性回归探针测量六个预训练嵌入的可恢复性，最强证据是响度最好恢复而基频最难恢复，代价是拼接嵌入虽互补但高维时反而可能降低任务相关特征的可恢复性。

针对威尼托语 gambellarese 方言半自发陈述句中升调是否只是偶发变体的问题，论文用 269 个完整宽焦点陈述句的听辨分类与归一化基频建模证明升调与降调约各占一半且不受重音位置制约，但词尾重音会改变曲线形态与整体音高。

针对合成语音 MOS 只给点估计不可靠的问题，ConformalMOS 用冻结上游表征加高斯平滑序回归做点估计，再用分裂共形校准输出区间，在 BVCC 上以系统级 MSE 为 0.08 取得相对 FUSE-MOS 约 7.0% 的降低，代价是 utterance 级 MSE 略升且保证只在可交换性成立时有效。

针对西班牙语和法语 10 个国家级方言自建 20 小时性别均衡播客语料并评测 7 个模型，发现法语偏向欧洲、西班牙语呈现多米尼加优于半岛而智利最差的非均匀差距，词法与声学分析及编码器冻结微调共同指向解码器语言模型先验是主要故障点，但小规模适配只能部分恢复方言特征。

该研究以英语、日语、俄语纵向自然互动为对象，用动态时间规整度量儿童话语后 2 秒内照顾者话语的基频轮廓距离，并以贝叶斯多层模型检验时间间隔与儿童年龄的作用，最强证据是三国儿童年龄越大轮廓距离越大，而短时邻近效应仅在俄语成立且在日语反向，代价是只看整句轮廓、只覆盖三种语言文化。

针对静音肌电缺少逐帧语音监督且样本更少的问题，该研究在保留语音导出声学与音素监督的同时增加静音到有声的输出层与隐层表示对齐，在梅尔谱目标下把词错率从 26.75% 降到 25.14%、在软语音单元目标下从 27.78% 降到 26.55%，代价是只有具备同句平行肌电对的静音样本才能计算该约束且结论依赖多种子平均与显著性检验。

该文用 11 段纯语音与 11 段语音加背景音的 MUSHRA 听测检验 20 余种客观指标，发现 SCOREQ 在纯语音上 Pearson ρ 为 0.937、PESQ 在混合音频上 ρ 为 0.903，而 PEAQ 与多数免参考指标在混合内容上失效，代价是现有指标均不刻画立体声空间失真且样本与听音人数有限。

论文针对自监督前端为深伪检测提供了什么依据这一问题，提出把判定轴投影到各证据子空间并用解释比例度量，在冻结、微调和后训练条件下用静音等九类证据检验，显示同质训练放大信号级捷径而多样训练与后训练能部分抑制但静音残留持续存在。

该文在 10 个系统的语音自然度评价中比较随机、排序式 merge-rank 与信息增益式 ASAP 三种选对策略，发现 ASAP 发现显著差异最多、排序最稳，且相同听音时长下 BWS 优于 AB，但代价是 BWS 单题更长、ASAP 需序贯计算与完整回答库仿真。

该研究用江淮官话灌南话的诱发问答任务检验窄焦点与中性焦点的基频实现，发现平均基频与基频起伏都呈现三区格局且跨成年年龄组保持，最强年龄证据是老年组在焦点后位置的平均基频压缩更深，代价是需要区分格局保持与微调变化且不能推广到时长与强度。

该研究以 102 名 5-8 岁儿童的 816 个听觉正常波兰语/s/为对象，用线性混合效应模型检验词首、词中、词尾对质心、偏度、峰度和频谱通量的影响，发现词首与词中对比最强且稳定，而词中与词尾多不显著，代价是仅 8 个词且词位不平衡、未建模年龄与时长。