语音属性识别

该研究以词中相对词首的塞音弱化为问题，用跨语言统一的强度轮廓函数主成分分析加贝叶斯混合效应模型来度量弱化，最强证据是浊塞音在九种语言中几乎一致地更短且强度凹陷更浅，而鼻音和清塞音的实现方式因语言而异，代价是词重音混杂与强制对齐误差仍需补充检验。

该研究以 12 语言 1386 人的元音共振峰估计声道长度并用因果中介分解性别对/s/峰值频率的直接与间接效应，最强证据是共振峰间距效应显著而性别直接效应不显著且间接效应更大，代价是朗读语体与纯声学估计带来解释边界。

论文用人类感知的说话人相似度分数检验 43 个语音与音频基础模型各层嵌入余弦相似度的对应关系，发现编码器与大规模监督模型峰值对齐更高，而解码器、语音识别微调与参数增大总体拉低峰值并改变层间走势，但层间斜率仍多半无法被现有配置解释。

该研究用玩具问答诱发对比性焦点与两种手势，报告象征手势拉长目标音节时长、典型发展儿童压缩焦点后时长而自闭症儿童对手势呈现更弥散的缩短，支持多通道整合困难的解释且代价是效应集中在时长而非基频扩展。

该研究用两类微笑语音与三档巴布尔噪声检验听者能否检出微笑并区分微笑类型，最强证据是敏感度随噪声单调下降而判断标准同时向保守端移动，代价是强噪声下愉悦微笑优势被逆转。

该研究把词间交界当候选，用长停顿先取高精度锚点再以音高重置与能量变化收紧，并以正未标记学习把稀疏正例扩散为全集连续边界强度，其代价是覆盖极稀疏且依赖浊音可靠与日语朗读语料条件。

论文用冻结编码器的逐层探测研究非裔美国英语词尾辅音丛弱化，证明两种模型都能区分弱读与完整形式且弱读仍保留底层塞音身份，代价是二分类准确率受协同发音和丛类型制约而只能达到七到八成。

该研究只用超音段基频与时长变化做普通话五类声调识别，用核心轮廓编码器加可拆卸辅助分支训练，报告在自建语料上核心分支推理精度达 97.5%，代价是需要强制对齐的音节词块边界与基频跟踪质量。

该研究以冲突名词对动词第二音节为对象，用带地标配准的多变量函数主成分分析检验无声学信息时重读与非重读音节是否可分，最强证据是六人中四人出现条件分离而口音最重两人未分离，代价是仅 98 个可用 token 且结论只具描述性。

针对口语评估中等级有序却被当作独立类别的问题，该文用冻结 Whisper 多层路由加有序原型正则做回归，在 Speak & Improve 2025 评估集上达到 RMSE 0.361，代价是仍需分题型训练且依赖人工半分制标签。

该研究把副语言评判拆成风格、语速、重音、年龄、性别五个可控成对任务，用 5175 个音频对和 Tie 弃权条件测出最强模型仍比人类低 17.7 个百分点，且在 Tie 上几乎不弃权，代价是位置偏置与文本依赖同时暴露。

该研究让 144 名听者判断 32 个合成声音的种族与个性，发现能感知种族但偏向判为白人、男性黑人感知音在多项个性评分更低，并用梯度提升树以 65% 准确率区分黑白感知音，代价是仅用男性音建模且女性黑人音多为模糊。

该研究用普通话三声到四声的 14 步连续体检验 wav2vec2.0 是否随前字声调补偿知觉边界，发现纯自监督嵌入无补偿而微调与探测分类器仅显示弱且不似人的语境敏感，代价是孤立音节分类严重偏离人类基线。

针对汤戈阿岛纳卡纳曼加语究竟有一个还是两个舌冠塞音的问题，研究用词中位置的嗓音起始时间与闭塞时长测量，显示清齿塞音与浊前鼻化 postalveolar 塞音在正负嗓音起始时间和鼻口闭塞构成上稳定分离，但结论限于词中语料与强度分段口径。

针对澳大利亚高校国际学生的英语发音反馈需求，该研究从 CommonVoice 英文分区筛选三个口音组，用蒙特利尔强制对齐加三名语音学家的人工标注构建 859 条标注，并报告音段与韵律几乎各占一半的初步分布，但印尼组仅 3 名说话人带来明显的样本不平衡代价。

该文把情绪、语言、病理和源滤波器做成手工特征集，用有界神经互信息估计加非参数校验量化维度间依赖，最强证据是跨维度互信息低于 0.15 纳特而源滤波器互信息为 0.47 纳特，代价是结论只对手工静态特征和六个英语语料成立。

针对经典线性预测按帧独立且假设高斯残差导致轨迹抖动的问题，论文提出直接优化对数面积比的 LP-DDSP 与端到端 SMELP，在 VTR 库上把平均误差降到 166-246 Hz，代价是 LP-DDSP 需每句 1500 轮逐句优化。

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。

该研究用超声逐帧追踪舌背与舌骨并做多变量建模，报告/g/以更长更大更快的舌背抬升和舌骨后缩对应低 f0、/k/以舌骨上抬前移对应高 f0，代价是舌轮廓本身差异极小且无声带预振动可直接验证。

该研究在守言与梅花两个湘方言中比较卷舌元音、高前元音与低后元音上的平调对立，用基频、时长、强弱与嗓音质量多线索加混合模型与 XGBoost 加 SHAP 说明高调更短更响更周期而元音与调系改变线索权重，但代价是仅男性发音人与单字载句朗读的受控证据。