语音

针对流式语音识别只能用过去和很小当前块导致词错误率上升的问题，SENS-ASR 用过去帧经上下文模块蒸馏句子嵌入教师得到的语义向量拼接增强每帧表示，在 160 毫秒小块上报告了词错误率下降，但大块和全上下文增益消失且需额外训练教师与上下文模块。

该研究用英语为矩阵语、粤语为嵌入语的对比性焦点产出实验检验韵律层面的混合与超清晰化，报告切换词居中而切回后英语词出现类声调转折与更极端高低目标的主要证据与代价。

本研究在 45 名波士顿 AFAB 英语者中比较朗读与自发两种语域下的平均基频、基频范围、元音离散度和发音速率，报告自发语中女同性恋、双性恋与异性恋组间的系统差异在朗读中被中和，代价是语料量不平衡与整文件聚合掩盖个体与话题变异。

该研究用同一批巴西葡萄牙语自发语音对比人工韵律切分、WhisperX 切分与随机森林韵律切分训练 FastSpeech2 的效果，最强证据是自动韵律切分的 F0 曲线走向接近人工切分，但 70% 合成核轮廓偏离自然语音且焦点位置更分散。

论文把任务定为估计第二句相对第一句在九个反义维度上的印象差向量，对比可解释声学特征、自监督表示与多模态大模型三条路线，报告自监督表示在复杂印象上更稳，而多模态大模型零样本不可靠，代价是单女声优与同文本的强受控条件。

该研究用无语境听辨任务检验普通话四类字面与反语的韵律感知，发现反语批评正确率较高而反语表扬极低，且自闭特质量表得分越高反语表扬越差，但样本仅 20 人且为单一女声录音。

该研究同步采集 12 名巴西葡萄牙语朗读者的音频与下颌垂直位移，比较戏剧艺术组与普通组在散文和诗歌中的发音与下颌运动，发现实验组下颌降幅更大、变异更大、开口速度更快且整体强度变异更高，代价是语速更慢且样本仅 12 人、未做元音高度归一化。

本研究以 56 名 60-70 岁粤语正常认知老人的 EEG 回答 SCD 如何调节言语与音乐的皮层追踪，最强证据是扰乱言语在 theta 与平静音乐在 delta 和 theta 随 SCDS 加重而下降，代价是只在缺乏上下文或鲜明节奏的风格中显现且依赖多协变量校正的线性混合模型。

针对大模型预测高码率语音 token 难、表达性数据难对齐的问题，Kraken 用 25 Hz 单层 VQ 低码率 token 加 LLM 与声码器双路源语音条件，在 150k 小时多任务数据上实现可复述的端到端语音到语音翻译，并在 FLEURS 与 CVSS 上保留说话人与韵律，代价是音频质量指标弱于用理想参考音色的大模型。

该试点研究用实时上移第二共振峰的听觉反馈扰动检验可懂度需求是否增强听觉运动适应，在两名法语被试上未发现系统性效应，只在个别被试上看到与假设一致但不一致的趋势，且暴露了顺序与消洗不彻底的方法局限。

该研究用电磁发音仪测量意大利语四音节伪词中跨辅音元音间距，显示当其中一个元音带重音时元音到元音协同发音减弱且重读元音目标更极端，支持手势缪模型的作用域超出重读音节，但前向与后向效应的不对称仍受重音位置混淆限制。

该研究用两次模仿之间插入元音归类任务是否拉大声学差异来检验二语模仿能否走自动选择性知觉模型的语音模式，预备结果显示组间无显著差异且出现与元音相关的变化模式，不支持语音模式解释并提示音系表征仍在起作用，但样本小、试次损失大导致统计力不足。

该研究以 28 名母语者与汉语双语和三语学习者的朗读与半自发法语为对象，用六个节奏度量比较组别与任务交互，最强证据是元音度量随任务系统性上升而辅音度量保持稳定，代价是仅%V 与半自发下 Varco-V 显示组间偏离且语速未显式建模。

该研究让 27 名瑞典学习者和 14 名东京日语母语者读同一载体句中的双音节词，用音节时长和归一化调峰位置检验迁移，显示时长迁移只出现在首音节重读词而调峰提前出现在无重音与末重音词，且背景变量不能预测声学实现。

该研究以法语重音短语为节奏单位，用脑电的成对相位一致性检验三角波跟随语速的能力，初步显示老年人在三倍速下耦合消失并伴随理解与复述分数下降，但神经证据目前仅为每组一人的试点分析，须等待六十人规模的完整处理来确认。

该研究以约 7 小时朗读与约 29 小时自发对话中 40 人的 36445 个/ai,au,ia,ua/为对象，用元音空间面积与混合广义加性模型刻画 F1-F2 动态轨迹，显示短时长引起局部中央化而口语语体引起整体轨迹下移且不改变曲率，代价是未报告可复现的切分与建模参数细节。

该研究以拉美人工智能微工人的半自发访谈为对象，用时长与频谱重心刻画词尾 coda /-s/ 的弱化，并在 4172 个保留样本上以线性混合模型检验教育、就业与收入的调节作用，但因样本小且只保留较长切分，结论只能视为待验证的趋势。

该研究以安大略西南部 12 人的朗读与会话语段为对象，用个人层面语言使用指数检验接触强度，发现发音速率随年龄在朗读中下降并随语段变长而加快且男性斜率更陡，而语言使用指数对速率无显著作用，只对语段长度显著，代价是小样本与不完全平衡限制了交互检验力。

该研究用塞音加响音或阻塞音的首辅音丛与塞音加央元音加辅音的对照做知觉辨别任务，发现普通话母语者对塞音加 r 的修复与塞音加 s 相当而显著多于塞音加 l，支持拼音 r 在音系上表现为阻塞音而非响音，但刺激中约 78% 的 r 实现仍接近元音性声学特征，提示知觉归类更多由音系地位决定。

该研究让 20 名德语母语者与 20 名法语学习者朗读两篇德语故事，用边界前最后两个重读音节基频最大值计算半音每秒斜率，报告标题处母语者下降更陡且间接引语仅母语者显著分化，代价是每人仅两个标题样本且间接引语依赖特定生僻动词。