言语感知

针对日语视障读屏用户在 150–500 WPM 下的理解问题，研究用贝叶斯项目反应理论同时估计题目难度和人的能力，最强证据是 300 WPM 以上可理解性系统下降且个体差异 SD 达 0.91–1.10，代价是 N=11 导致可信区间平均宽 1.29 且无法可靠估计交互作用。

针对厌声症缺乏可扩展客观评估的问题，论文用浏览器游戏化语音噪声测试把个人化掩蔽声与自适应阈值结合，试点显示自选讨厌声下识别率最低而代价是小样本与设备未校准。

该研究用同一组乌尔都语录音让德语和匈牙利语听者做快速韵律转写，报告两组在重音感知上依赖不同基频走向、在语调短语边界上一致度仅为弱到中等且受发音人影响，从而不支持边界线索普遍通用的判断，其代价是样本仅四位发音人和两组听者且未纳入乌尔都语母语对照。

论文用 MaFI 孤立词任务比较三类视觉语音识别模型与人类唇读者，发现模型词错误率更低但成功与失败的词不同，错误更随训练词频而非视觉清晰度变化，代价是视觉清晰度只能解释模型约 6 到 9% 的排序方差而人类可达 50 到 79%。

该研究用 3 种语境×3 种韵律的听辨实验检验中国英语学习者的反语理解，显示语境起主导作用、韵律在语境模糊时独立补位，而语言水平效应很小。

该研究用非词软腭音连续体与边界放大设计检验普通话口吃者的嗓音起始时间范畴感知，发现辨别能力本身无组差，但识别边界右移趋势与边界处反应时不对称减弱并存，且严重度越高类内辨别越快而准确率不降，代价是样本小且严重度分析仅为探索性。

该研究用可控神经语音合成正交操纵语速、音高变化与响度并保持词句不变，发现人类讽刺评分主要被响度驱动而基础模型主要被语速驱动，且夸张韵律同时降低自然度。

论文比较基于三音子后验不确定性的 PHOBI 与基于 WavLM 加教师-学生模仿 HASPI 的 HASA-Net+，在 10500 余条双耳可懂度与听觉费力度评分上总体相关超 0.88，而 PHOBI 平均误差更小但在食堂噪声低信噪比处出现可复述的失效模式。

该研究用同一批声学特征同时训练临床诊断模型与人类听判预测模型，发现两者整体部分对齐但在希腊语与男性组完全失齐，而病理模型在该两组未超随机水平，代价是全局可解释性会掩盖这种分组失效。

该研究用同一句爱尔兰语合成语音的嗓音源改造加三维人脸动画检验视觉通道的作用，最强证据是不一致视觉把快乐识别率从 94% 拉低到 58%，代价是一致视觉并未显著增强目标情感且放松情感仍易与厌倦混淆。

该研究比较电台口语转写与三种书面语域输入的合成语音可听性，发现口语转写显著增加主观努力并降低回忆，而大模型生成文本与维基文本无显著差异，但四条件语义内容并不相同因而不能做因果归因。

该研究用高能量 glimpse 比例均衡能量掩蔽后比较英语与普通话竞争语音及调制受控噪声，发现降低频谱-时间调制带来的释放可抵消能量掩蔽增加，语言差异的信息掩蔽释放只在低能量掩蔽时显现。

该研究以 459 名日语被试的回放与听觉想象对照量化自我声音厌恶，证实回放比想象更不适且身份相似感不变，顺序与个人特质调节差距，而可复制的声学主效应稀少、特质与声学交互更关键。

该研究用英语词监测加数字预载双任务检验掩蔽语语言与认知负荷的影响，报告显示英语掩蔽导致最差准确率与最慢反应时而类型相似性与高认知负荷未改变词监测表现，且阿拉伯英双语者更慢但不更不准。

该研究用同一套英语元音辨别任务比较荷兰籍英语学习者与三种神经模型，显示语音大语言模型在多人 babble 训练后提升趋势最接近人类且在稳态噪声下绝对准确率最接近人类，但匹配噪声训练比 babble 训练带来更大提升，代价是结论受限于 100 个训练试次和未分 proficiency 的样本。

该研究用跨通道启动比较孤立词与高低可预测句中浊音目标词的身份优势，发现孤立词中嗓音起始时间模糊度以渐变方式缩小目标与竞争词反应时差，而句子中可预测性扩大该差值却不再受模糊度调制，代价是结论只限于词汇竞争层面且未直接检验语音编码保真度。

该研究用先启动后内隐联想测验的方法检验音高与体型的象似联想是否可被暂时加强或抑制，最强证据是趋同启动显著增强一致性效应而发散启动削弱它，代价是无法分离音高与情感内容各自的启动贡献且效应受听者与发声者性别调节。

该研究用只保留前三个共振峰轨迹的正弦波句再做噪声声码器模拟，比较去掉 F1、F2、F3 后的普通话句子识别率，报告 F2 最重要、F3 影响最小，但包络截止频率和频带数会调节 F1 与 F2 的相对权重。

该研究针对外毛细胞损伤导致的可懂度下降，用听觉模型响应的正常与损伤差异训练 dCoNNear 助听模型，并在 19 名受试者的矩阵测试中获得显著可懂度提升，但客观音质指标 HASQI 出现下降 trade-off。

该研究让 55 名典型听力与 57 名听力损失的老年被试仅凭韵律判断陈述疑问句是结束还是延续，发现两组敏感度都高于机会但所依赖的声学维度分离：典型听力组靠目标词时长与强度的边界强度交互，听力损失组靠末端上升的时长与音程，而延续项在两组中都未被四个测量稳定预测。