语音属性识别

该文用芬兰语俄语双语者的电磁发音仪数据做线性探测，检验自监督语音表示是否编码发音动作，最强证据是多语言模型平均相关约 0.69 且约 5 分钟配对数据即饱和，代价是自发任务与上唇垂直通道明显更难预测。

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。

该文用与任务无关的逐层熵、曲率、不变性加跨层生成兼容矩阵来刻画 Wav2Vec2、HuBERT、WavLM 等模型的层级分工，最强证据是中层音素核稳定而深层出现熵塌缩与身份剪枝，代价是需要为每层另训生成解码器与线性探针才能把拓扑与任务接起来。

该研究用 2×2×2 被试内设计比较自然与 SVC 合成语音在说话人相似性判断和语调识别中的表现，发现语调与语音类型、熟悉度与语音类型分别在准确率上交互，但合成语音在复杂韵律与社会线索上仍有局限。

该研究用假词听辨加功能磁共振比较性别、年龄、口音三种判断，显示双侧颞上区是共享声音核心但口音激活更强且各自另有外延区，代价是口音准确率最低且反应时最长、样本与刺激均为特定构造。

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。

该研究以 77 名澳大利亚英语男声的图片描述语音检验性取向、传统男性角色态度和话题对局部基频、基频动态性和基频范围的影响，最强证据是局部基频只随年龄下降而动态性和范围只在复杂交互中变化，代价是结论高度依赖年龄分组和话题条件不能简化为群体主效应。

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。

论文以 Buckeye 自发语音 262342 词例检验语义相关度对词时长的预测力，用广义加性混合模型分离出低中段促进、高段延长的 U 形效应，且该效应主要出现在低频词，最强证据是含语义相关度的 M1 取得最优 AIC 而去语义项损失 23.2，代价是高语义中心词存在竞争与规划成本且结论限于英语访谈语料。

论文在被动服务器威胁下只用全局与本地权重差做非参数质心分类，证明口音与年龄可被高准确率推断而性别接近随机，并以针对性微调与功能位移分析解释泄露与预训练覆盖不足的关系。

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。

该研究用同一批德语朗读在排卵期与黄体期做二分类，以可解释的手工特征与情感任务微调的自监督嵌入分别建模，最强证据是手工特征在随机森林与逻辑回归上达到 62.5 % 整体准确率，代价是统计检验经多重校正后无显著特征且嵌入特征未超机会水平。

论文把音位 ABX 改成韵律 ABX，用同一音段不同重音、声调、音高的三元组和 DTW 距离检验自监督语音表示是否拉开韵律对立，最强证据是 17 个模型在三语上显著优于声学基线且层间排序跨合成与上下文保持稳定，主要代价是英语重音上合成代理与自然录音相关性低且人类仍在日语和汉语任务上领先。

该研究以三词同调句和中性基线相减的增量测量检验彝—汉语双语者的汉语焦点韵律，显示焦点词基频与强度扩张与北京对照组相当而焦点后压缩完全缺失，且语言经验不能预测焦点后基频，四项经验预测量均不显著。

论文审计六个英语语音技术数据集，发现可测量的酷儿占比仅 0–1.4%，不足以做稳健差异测量，并以两个酷儿社区语音库为对照提出扩展与包容、效率与参与、开放与自主、静态分类与流动身份四组实践张力。

论文以奥克兰现代 67 人与历史 8 人的前后元音声学比较为证据，显示/e/与/æ/经历先升高前移后降低后移，而/ɪ/在历史组已中央化且受边音条件制约，代价是历史样本小且录音介质不一致使结论仍为初步。

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。

该研究以 ElevenLabs 性感化男女声为对象，用性感文本与彩虹通道文本交叉配对做听辨实验，发现男声更易得积极与支配评价、女声更易得顺从与性感评价，且换成中性文本后女声性感化标签仍显著残留，代价是样本仅限英语商业平台与北美听众。

StanceBench 用 Seamless Interaction 即兴子集的角色提示构造 9 个人际立场两极对照，在统一音频裁判流程下报告鲁棒性与可分性，最强证据是共情与礼貌最易分而诚实最难分，代价是弱标签有效性与短片段证据不足带来的阈值敏感和高方差。