语音学与音系

针对 1 或 2 kHz 到 16 kHz 的极端语音超分，P2Flow 用音素后验引导缺失高频包络、用 3 段渐进恢复 0-2、2-4、4-8 kHz 速度场并对声码器做后训练，在 TIMIT 与 VCTK 上报告了谱失真、感知质量与可懂度同步改善，代价是 3 阶段流水线与额外分类器依赖。

该文把语料看作语音相似 utterance 图，先用零模型检验其聚类与模块度，再按社区分层加稀有音素播种做时长预算选择，在孟加拉语和英语 20% 预算下均显著降低合成可懂度误差，孟加拉语还以 4.5 倍更少训练时间超过全量训练。

针对日语无切分与多音字难题，该研究用词典格子约束候选、用字符级语境打分选择路径，并用大模型标注约两百多万句训练，常用汉字读音基准上报告 99.62% 目标词准确率，代价是专有名词与数字归一化仍需外挂模块。

该研究用先定位中频能量谷再验证释放的闭合计数器替代包络峰计数，在六个语料库 356 名说话人 3560 个合格颤音上得到中位数 2 个闭合、约 36 毫秒间隔，语境效应稳健而性别效应消失，代价是只描述成形良好的浊音周期性颤音且缺乏人工逐点基准。

共收录 118 篇 jep-2026 会议论文的 Reader 深度解读

共收录 188 篇 speechprosody-2026 会议论文的 Reader 深度解读

针对发音评估既要认准音素又要定准边界的问题，该工作把每个音素展开为有序子音素状态并用最优时间传输做稠密单调训练，在朗读、自发与二语语音上改善切分并保持可比识别，主代价是更细帧率与更长拓扑会推高识别错误并需要权衡诊断增益。

该研究用 20 人会话语料手工标注 6961 个/b/和 10844 个/v/并做持阻段声学比较，发现元音间/b/约 21% 实现为近音、全位置/v/约 38% 为近音且词内位置弱化率最高，个体层面两音弱化率正相关 r=0.7，但词频效应仅在女性中显著，支持处于规约化减弱而非已完成音位重组阶段。

该研究用三音节形容词、名词、动词在对比焦点、窄焦点及两种焦点后条件下的对照发音实验，显示焦点使第二、三音节元音的基频、时长和能量一致抬高，而所谓词末重音与倒数第二重音的音节间差异并不稳定，仅频谱倾斜等个别指标支持重音解释。

该研究以陈述句的词末重音为基线，比较撒奇莱雅与法兰澳阿美语的疑问词首与祈使句动后小品的高音位置，提出高音重联而非重音移位的统一解释，代价是仅依赖八位发音人的声学描写而未做统计检验与感知验证。

本研究以半自发科姆语语料检验词干首位置是否伴随超发音式的元音分化，发现三个共有元音在重音位置共振峰更分散且时长略长，但声调未建模与词界混淆仍是主要代价与限制。

针对 MOCHA-TIMIT 文件名与内容不一致且缺乏统一音素与韵律标注的问题，作者用 Whisper 校对加人工质检加英式英语 MFA 强制对齐生成 8 层标注，在 msak0 和 fsew0 共 920 句人工标注上达到约 80.4%-80.5% 音素分类正确率与 14.0-15.9 毫秒边界平均误差，但 19.5% 残余混淆仍集中在元音长短、双元音与连 …

该研究用地图任务比较 5 名轻中度阿尔茨海默病女性与 5 名健康老年女性的意大利语元音共振峰，发现 F1 与 F3 存在组间差异并呈轻微元音空间扩张趋势，但样本仅 10 人且 FCR 差异不显著，不能作为确诊依据。

该研究以 20 名女性发音人的 73 词两遍朗读与四项声学指标追踪高低调域对立，显示低调域用气嗓音实现但青年组差异更小且维持时间更短，而仙居话的弱化速度慢于北部吴语，代价是只覆盖第三调类与女性样本且未报告基频主导程度的直接验证。

该研究以/papa/与/papi/中 V1 受 V2 影响的声学距离指数检验预期性 V 到 V 协同发音，发现老年人指数低于年轻人而双任务无显著影响，支持年龄相关资源下降假说而不支持本次双任务过载假说。

该研究以法语单音节与双音节无意义词为材料，用声学时长与喉头仪信号加听辨实验检验耳语中清浊对立的保持机制，最强证据是耳语仍可听辨且时长对比基本保留，代价是塞音后接口塞音时尾音节清浊时长对比消失。

本文沿录制、测量与可视化三条动作重走从奥斯特电磁实验到爱迪生留声机、利萨如与柯尼希与亥姆霍兹光学装置、再到长笛与管风琴羽管键琴类比与斯特鲁伊肯单弦测听计的链条，最强证据是可用装置参数与操作步骤的原文对应，代价是它不提供可运行的定量比较实验与误差统计。

该研究以 wav2vec 2.0 第四层表示加 1024 单元多层感知器做鼻音二分类，用 50 毫秒窗与 10 毫秒步在无音位标注的连续法语上逐窗打分再聚成说话人指数，在 23 名说话人的朗读与自发配对比较中全局平均最简单稳定而语境归一化更可比，但分数仍与基频等总体嗓音特征纠缠而特异性待验证。

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。

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。