语音学与音系

该研究以开慧湘语入声 T6 为对象，用基频、时长和嗓音质量三维声学对比入声与非入声并检验性别，报告显示塞尾已消失但降调轮廓与短时长保留、喉化前移，且男性时长截断更保守、女性时长弱化与发声创新更前沿，代价是仅有中老年横断面而无青年对照与多韵律条件。

该研究在儿向语上比较音素与语音转写下的四种无监督切词算法，发现两类算法几乎不受语音变体影响，另两类下降幅度也明显小于成人语既往报告，但小数据下基于词典累积的算法代价增大。

该研究在德语整句产出中同时操纵词频与音节惊奇度，发现反应时与长元音时长不支持离散串行模型的加性预测，而呈现随单双音节变化的选择性交互，且句中与句末位置效应稳定存在。

针对儿童发音高度可变而成人音素识别会强制归类的问题，该研究用无监督音节发现模型 Sylber 对 957 名 5 到 15 岁儿童做自底向上分析，报告了边界一致性随年龄上升、音节簇数量先升后降、簇纯度单调上升的证据，代价是需要成人对齐参考和额外儿童适配训练且边界未做严格评测。

针对波兰语儿童卷舌擦音与塞擦音的齿化、龈腭化和齿间化问题，该研究用 28 个 500 Hz 噪声能量与摩擦共振峰比值结合线性混合效应模型检验发音位置效应，最强证据是齿化在 FNER 比值上解释近 30% 方差且高频差异延伸至 14-16 kHz，代价是类别不平衡使稀少齿间类的估计精度下降。

针对 0.55T 中矢面语音实时磁共振喉部分割难、专家标注少的问题，论文用 Mask2Former 有监督微调加 Mean Teacher 半监督精炼，在约每人 33 到 79 个标注后增益明显收敛，并用普通话声调实例展示声带长度、喉高、甲状软骨倾角与喉 constriction 变量的时程差异，半监督只能带来小幅且不稳定的提升。

论文用冻结 Whisper 编码器加逐层线性探测研究孟加拉语电话样单元在第几层最线性可分，最强证据是中到后层峰值加 large-v3 晚层平台与 XLSR 陡降的对照，代价是标签为 uroman 粗代理且片段极短因而只宜做可分性解读。

该研究以 301 名学习者的 pepeha 朗读为样本，用语音学家听辨、流利者按音节接受或拒绝打分、F1 与 F2 声学测量三角验证单双元音的可接受边界，发现单音中高接受的央化与后缩变体在双元音语境下接受度分化，代价是目前仅覆盖部分元音且未做评分者一致性检验。

该研究用剧本对话比较人与 AI 交谈者在中性和负面语境下的粤语发音，发现对 AI 时目标词更短且特定声调 F0 轨迹发生局部偏移，而负面情绪仅边缘性扩大元音空间。

论文要解决强制对齐在多语言、多方言和自发语音上边界不准与流程难复用的问题，选择以隐马尔可夫高斯混合为声学骨架叠加更大规模数据清洗、国际音标词典、发音概率与适配重映射来改进，最强证据是英日韩四个基准上平均边界误差均低于 15 毫秒并在多数比较中领先，而代价是适配与音系规则的收益只在特定条件下出现。

论文把帧级语音直接映射为 22 维音系特征并以发音方式门控保证组合合法，在四种训练语言上以 91.3% 域内和 88.9% 域外平均宏 F1 超过同骨干 CTC 音素基线约 8.8 和 8.6 个点，未见语言平均从 66.9% 提升到 73.6%，代价是特征库存不含鼻化元音与腭化等对比且跨语迁移仍明显掉点。

该研究用 13100 句配对语料同时检验韵律与音段两个层面，报告全局基频压缩与局部反转增多的跨时间尺度脱钩，以及元音空间收缩到 9-30% 与齿龈协同发音减弱，且两类偏离在句间几乎不相关。

该研究以首音节目标元音时长为主要证据检验十元音长短对立假设，发现长元音约为短元音 2.08 倍且五组元音均显著分离，代价是短元音样本偏斜且结论限于朗读式产出数据。

针对微调中损失曲线不能反映口音感知变化的问题，该研究用合成与真值元音空间形状的重叠面积与普鲁克鲁斯特归一化差异跟踪学习，并在新西兰英语与印度英语上报告与口音相似度评分的强相关，代价是只覆盖角元音与元音系统且需额外合成切分与共振峰流程。

针对级联语音翻译中识别错误传导问题，论文先量化越南语各类语音替换错误对翻译的破坏，再用基于 XPhoneBERT 音节相似度的文本替换增强做微调，在 FLEURS 越英上把 PhoWhisper 前端的语音翻译提高了 2.04 BLEU 且没有拉低干净文本翻译。

针对冻结神经音频编解码器丢失词义性基频的问题，论文提出旁路音高注入残差适配器 PIRA，用 1.25M 至 1.65M 可训练参数和每帧 5 比特边信息把平均编解码器引入声调错误率降低 35.7%，同时保持英语质量不变且可完整移除。

论文冻结 Wav2Vec 2.0 XLSR-53 逐层探测五个中国方言，报告从声学主导到语音分化再到深层流形收缩的三段几何演化，并指出中间层保细粒度语音、深层利宏观分类，但未训练新模型且未报告识别准确率代价。

针对儿童需要在家反复练但难坚持、且传统音素级判断只说对错不说错在哪的问题，SayCheck 用 Say Bananas 做采录与动机层、用 PhoneAid 做音素与音系属性两级分析，展示了从选词到录音再到汇总报告的可走通流程，但原文未报告受控实验数字与训练细节因而只支持可行性判断。

论文用同义词与近音词距离、声道距离相关和图文对齐三组探测检验 EnCodec、DAC、MIMI、MIMO，显示编码器保留更多语音发音结构而非词汇语义，跨模态对齐增益有限且蒸馏并未带来真语义。

论文针对开慧话极高调 T4 究竟是假声还是紧喉真声的问题，用全声调多维声学比较证明 T4 是低频谱倾斜更平的紧张型真声，且在与 T6 基频趋同时音质差异消失，代价是仅有声学证据、老年样本与句中单一语境。