论文解读

诗句的停顿不是刻死的:语速一变,双字脚就合并且消失

该研究让 40 名普通话母语者用三种朗诵风格读五言和七言诗联,用当前音节与前一音节时长比估计边界强度,报告慢速诗体中第 2 字和第 4 字处的高边界在日常语速下基本消失,且七言首个双字组从不独立成组。

 · 更新于 2026-11-05 · 约 20 分钟 · 9694 字 阅读 →
论文解读

突出时听者为何反而少用频谱线索:英语紧松元音感知的产生镜像

本研究用 7×7×2 重合成 hid-heed 连续体检验 f0 突显如何改变频谱与时长线索权重,结果显示突显使频谱斜率变平而时长稳定,支持产生镜像而非全局增强,但三阶交互与设计差异仍限制推广。

 · 更新于 2026-11-05 · 约 22 分钟 · 10592 字 阅读 →
论文解读

低频拉长边界而语义场启动缺席:德语边界时长的非对称证据

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。

 · 更新于 2026-11-05 · 约 17 分钟 · 8277 字 阅读 →
论文解读

读词末尾多出来的摩擦音:法兰西岛 /i/ 尾语料中性别效应偏向男性一侧

该研究在法兰西岛 2018-2025 年读词孤立词任务中检验性别对摩擦性增音的影响,基于 434 条以/i/结尾的录音和逐条有无标注,发现录音层面的混合模型显示男性录音显著更多,而人均比例模型不显著,代价是仅 22 人且未做声学参数测量。

 · 更新于 2026-11-05 · 约 18 分钟 · 8914 字 阅读 →
论文解读

广播里混着音乐和重播,编码器该吃什么:法语语音自监督的数据选择对照

该研究从法国电视广播档案出发固定编码器与训练步数,只改变一千小时预训练子集的成分,再用语音识别与语音音乐检测等下游对照检验成分效应,结果显示去音乐有助于识别而多样内容有助于兼顾语音与音乐,重复则同时带来识别下降与记忆上升。

 · 更新于 2026-11-05 · 约 21 分钟 · 10452 字 阅读 →
论文解读

自发性病理语音转写为何随严重程度分化:以 CER 为轴的多层次误差解读

该研究以 27 例唇口咽癌后自发对话语音检验 Whisper large 转写,发现字符错误率与感知严重度呈强负相关并以 50% 为界分出两组,重度组多层错误率平均高约 42.82%,其中词法与句法层代价最大而纯词性类别差异最小。

 · 更新于 2026-11-05 · 约 22 分钟 · 10522 字 阅读 →
论文解读

把百科知识换成一张图:用句子验证任务测言语可理解度

该研究把句子真假判断改为听句看单图做符合判断,用正常、戴咬合块、咬合块加鸡尾酒噪声三条件验证敏感性,用 1.0 版 87.7% 与 1.1 版 97.9% 的正常条件正确率暴露并修复图像歧义问题。

 · 更新于 2026-11-05 · 约 20 分钟 · 9632 字 阅读 →
论文解读

对齐到文本之后,说话人信息去哪了:残差、层权重与注意力权重的三路核查

论文追问句级语音语义向量是否还残留可用的说话人信息,用与各自对齐几何一致的音频减文本残差做无监督聚类检验,并用冻结编码器的说话人分割层权重与帧级注意力分布定位信息位置,最强证据是按句聚类准确率仍高达 0 点 96 以上而按说话人聚类接近随机,代价是该结论只在朗读平行语料与特定分割流程下成立。

 · 更新于 2026-11-05 · 约 21 分钟 · 10092 字 阅读 →
论文解读

不重建声音本身:在潜空间里预测被遮住的法语语音

针对法语语音自监督编码问题,论文用 data2vec 2.0 式师生预测潜表示并引入 10 万小时 INA 电视广播音频,语音多任务上达到或超过 LeBenchmark 基线,但 114k 小时在大模型上在 CommonVoice 验证集未继续降低词错误率。

 · 更新于 2026-11-05 · 约 18 分钟 · 8768 字 阅读 →
论文解读

强烈负情绪下高度熟练者也会漏出母语韵律:以音高范围为核心的证据

该研究让 19 名高熟练牙买加英语、卡斯蒂利亚西班牙语和南部标准英国英语说话人在中性、积极、消极条件下用英语做自发与半自发表达,测量语调短语时长、停顿时长、语速、发音速率和音高范围,发现只有消极高强度情绪带来可重复的组间交互且以音高范围变窄最突出,而发音速率不受情绪影响。

 · 更新于 2026-11-05 · 约 18 分钟 · 8865 字 阅读 →
论文解读

巴西口音英语重音:时长缩减不足,响度对比来补

该研究用三音节词朗读任务比较美国母语者和巴西二语者的重音实现,显示母语者时域元音缩减更充分而二语者缩减不足并依赖更大的响度对比和更宽的共振峰分布,基频在两组间均未形成可靠区分。

 · 更新于 2026-11-05 · 约 19 分钟 · 9092 字 阅读 →
论文解读

压低末尾音高峰反而更快:听损者话轮结尾预测中的韵律线索取舍

该研究以自报听力困难的老年听者为对象,用自然、增强末尾重读音节 f0 峰、压低 f0 峰并提前下降三种问句条件做在线按键预测,发现压低条件比增强条件更快更准,而增强峰反而损害预测,同时主观努力与信心因天花板效应未能区分条件。

 · 更新于 2026-11-05 · 约 18 分钟 · 8850 字 阅读 →
论文解读

只给看、不给听的反馈:视觉反馈如何帮普通话人建立粤语声调范畴

该研究用听音辨调加试后三秒视觉反馈的四天训练,检验普通话母语者对粤语六声的即时学习、新说话人泛化和一周保持,并报告音乐能力稳定预测成功而工作记忆只支持初期增益、音高敏感性作用有限,但未分离视觉与反馈各自的独立贡献。

 · 更新于 2026-11-05 · 约 20 分钟 · 9803 字 阅读 →
论文解读

平均音高一样动听,为何还是听出刻板:用熵量面谈对话里的语调多样性

该研究在 46 人面对面自由讨论中比较自闭与非自闭组语调风格,发现起伏度和跨度均值无组差,但用香农熵度量 16 格分布多样性时自闭组更可预测,代价是该熵效应后验概率仅 0.88 且置信区间含零。

 · 更新于 2026-11-05 · 约 18 分钟 · 8638 字 阅读 →
论文解读

机器和人耳都会听错年龄:误差从何而来,又靠哪些声学线索解释

该研究用说话人嵌入加回归器做年龄估计,再用成对听辨实验对照人类表现,显示系统误差能预测人耳难易,且双方共享基频等声学线索而人耳额外依赖语速节奏,但数据不均衡与噪声限制了结论外推。

 · 更新于 2026-11-05 · 约 18 分钟 · 8983 字 阅读 →
论文解读

归一化后还能听出发声有多用力吗:从频谱过拟合到自监督表示的跨录音条件泛化

论文复现基于频谱的句级嗓音强度回归并在新录音条件下发现其失效,进而用 Wav2Vec 2.0 浅层表示训练回归器,在 VIC 上把决定系数维持在 0.83 左右,代价是跨条件差距仍未完全消除。

 · 更新于 2026-11-05 · 约 18 分钟 · 8838 字 阅读 →
论文解读

送气主要靠时长,声调约束基频:普通话与阜新话 VOT 与 CF0 的分工与补偿

该研究以普通话和阜新话送气对立为对象,用手动测量的 VOT 与起振后 10 毫秒内 CF0 检验声调如何调制两线索分工,最强证据是 VOT 在四声下稳定区分送气而 CF0 仅在特定声调显著,代价是仅 6 名男声冠音样本且结果限于声学产生层面。

 · 更新于 2026-11-05 · 约 21 分钟 · 10385 字 阅读 →
论文解读

时长学会了,音色还没分开:400 名法语者英语/i:/-/ɪ/的声学证据

该研究对 400 名法语母语英语学习者的/i:/、/ɪ/与法语/i/做时长与 F1-F2 重叠测量,发现时长差异总体显著但共振峰分布仍高度重叠,说明时长线索可被习得而不等于达到母语者式实现。

 · 更新于 2026-11-05 · 约 17 分钟 · 8116 字 阅读 →
论文解读

常州吴语是左重还是右重:名词短语的部分左主导与动词短语的协同发音之辨

该研究以常州话双音节名词与动词短语的声学比较检验左主导与右主导变调是否成立,最强证据是动词短语基调保留仅轮廓简化而名词短语出现大幅偏离与一词多调,代价是仅分析 3 名年轻女性发音人且单音节基线只在孤立语境录制。

 · 更新于 2026-11-05 · 约 21 分钟 · 10460 字 阅读 →
论文解读

法语形容词前后位置之争:句法邻近要求与韵律分组如何共同起作用

该研究用口语词云重组任务检验形容词长度与介词短语类型对法语形容词前置率的影响,最强证据是长形容词主效应系数 -2.29 且名词补语与动词补语都提升前置率,代价是韵律模式仍在分析中且样本限于双音节名词与特定音节组合。

 · 更新于 2026-11-05 · 约 20 分钟 · 9856 字 阅读 →