统计分析

该研究以 45 名 3 至 5 岁儿童的 1350 句自发陈述句检验长度、词汇多样性和句法复杂度对音高范围与音高标准差的影响，发现复杂度一致扩大音高范围而仅 3 岁组显著变不稳定，4 至 5 岁转向更窄更稳的策略，代价是横断面设计与呼吸语速等机制未直接测量。

该研究用 2 阶录制加 3 阶解码把 5 段自然声景放在实验室与博物馆的 16 只 Genelec 阵列上对比，报告显示存在感较稳而深度、包围感、清晰度与稳定性在混响展厅中下降，代价是房间与垂直阵列构形混在一起无法分离。

该研究以同一批配音与跟读语料切分句内非模态段并比较职业声优与学员，报告职业组约 90% 话语含非模态段且气声偏句尾、粗糙挤压偏句首句中，三类声学参数在两组人中趋势一致，但学员整体出现率更低且多用清吸气。

论文追问五音节名词短语在青年上海话中切分为 2+3 后低音目标是否重插，通过 8 人朗读与基频轨迹比较显示切分成立但全句只在第 5 音节约 70% 处收敛为单一低目标，而代价是前部二音节不再收敛且切分块整体音高高于孤立读法。

该研究用同一句英语比较九名普通话背景者的下颌位移比与声学元音起点对齐，发现最低熟练度者呈弱强式结尾加重而最高熟练度者呈强弱式，但所有人的下颌开口峰速度都最靠近声学元音起点，代价是样本小且仅用一句控制元音的朗读句。

该研究在普通话六个单元音乘以四个声调的单音节词上比较基频与嗓音质量声学参数，发现闭元音比/a/更规则而三声与四声的扰动效应因元音而异，但样本小且仅量化分析女性数据。

该研究用 5 对早闭合与晚闭合歧义句的朗读语料比较母语者与三组中国学习者，报告显示母语及中高级学习者用边界前元音的基频上升与时长拉长区分边界而初学者不能，代价是初学者的理解、节奏分组与语速条件不足。

该研究用下一轮回答与听辨到的辅音拉长作为非韵律筛选标准，从 8 名东伦敦加勒比裔青少年的半自发访谈中得到 192 个可用目标，并报告极问句 84%、陈述问句 64%、强调辅音拉长 79% 为升降调，而细部 F0 差异小且分布高度特异。

该研究以一段 8 分 35 秒德语 TED 演讲为样本检验累积线索与补偿线索两种假设，发现有重音和特强音节更易伴随手势且手势更强、强手势顶点更贴近重音音节，但核前重音反而比核心重音更易引出手势，代价是单说话人、小样本且特强样本稀少。

共收录 160 篇 nime-2026 会议论文的 Reader 深度解读

该工作研究无训练介入式可懂度预测，用冻结语音基础模型分层嵌入的参考测试分布距离代替人评，在英文编码增强与中文增强数据上显示 Whisper 末端层加 Fréchet Audio Distance 相关最强且跨语种比词错误率稳健，代价是需要成对参考与更大模型开销。

该研究用 30 人模仿五种核音调的实验检验核前非重读音节上的基频轨迹如何实现，报告了晚起上升与线性上升在模仿中合并、平台刺激未被复现、上升均在重音附近启动的证据，代价是仅覆盖六音节短语和实验室模仿条件。

论文用单篇民间故事田野录音比较动词前宾语与动词后宾语，发现后者在平均强度、平均基频和基频滑音幅度上显著更低而动词不受语序影响，该模式支持非突显成分易后置的解释，代价是时长无显著差异且信息状态效应只在合并语序时显著。

该研究以呼吸组为单位比较纯语言模型与加入呼吸的模型，报告吸气深度显著预测短语划分与基频变化且成人效应更强，支持交际需求驱动呼吸而非肺容量约束决定韵律，代价是音高重置几乎无呼吸效应且儿童数据剔除比例更高。

该研究以标准化朗读任务的时间声学测量为输入，用主成分分析加层次聚类找出慢而分段与快而连续的第一维度和节律规整性的第二维度，得到 5 个与疾病分期和感知严重度不完全对应的口语轮廓，但样本小且仅用时间测量因而不能单独判定临床严重度。

该研究以扩展版 MOCHA TIMIT 的声学与发音同步记录为依据，用带通滤波加包络差与成对相位一致性比较下颌、整体上部发音器官与喉头活动对声学振幅慢调制的跟随程度，报告喉头信号的音节级协调最强且音节层普遍强于超音节层，但未给出可复用的数值阈值与因果证明。

该研究以 17 例肌张力障碍患者术前与术后 6 个月、12 个月的文本朗读为对象，用混合线性模型检验韵律声学参数变化，报告仅平均基频在术前与术后 12 个月之间显著不同，其余参数稳定，作者将其解读为无韵律层面的整体改善但也无有害效应。

该研究把同一套 10 题口哨语四选一听辨任务分别放在户外节日与两间教室施测，用缺失率与正确率随题序的回归斜率加 bootstrap 推断比较情境效应，最强证据是户外组缺失率显著随时间上升而教室组证据不足，代价是户外组词汇题正确率多在随机水平之下且样本与环境混杂无法分离。

针对无记谱口传合作录音，该研究用音源分离加拍级描述符刻画人声与吉他互动，以多尺度相关找共性、以稳健回归残差找偏离，在 8 首合作录音上显示组织以曲目特异为主而偏离多对齐段落边界，代价是依赖专家拍与结构标注且受分离质量限制。

论文以索伊科拉英格里亚语一足与两足三音节词为对象，用第二与第三元音时长和十一基频测量检验音步切分的语音实现，最强证据是双足词第二元音显著更长，而代价是单人小样本与说话人变异使第三元音与音高只能作渐变性解释。