语音

该研究用完整与缩减形式的词汇启动任务检验法语学习者对英语 schwa 脱落的表征问题，初步报告显示缩减启动词降低正确率且效应随水平增强，支持缩减形式经由完整形式生成而非等价存储，但样本小且未报告可复算的定量主效应表。

论文以普通话和约鲁巴语为对象，用探针分类证明自监督隐变量同时编码音素与声调而 K 均值等离散化更伤声调，并显示残差式多级量化能部分挽回声调但仍不及连续基线。

该研究以 45 名 3 至 5 岁儿童的 1350 句自发陈述句检验长度、词汇多样性和句法复杂度对音高范围与音高标准差的影响，发现复杂度一致扩大音高范围而仅 3 岁组显著变不稳定，4 至 5 岁转向更窄更稳的策略，代价是横断面设计与呼吸语速等机制未直接测量。

该研究以同一批配音与跟读语料切分句内非模态段并比较职业声优与学员，报告职业组约 90% 话语含非模态段且气声偏句尾、粗糙挤压偏句首句中，三类声学参数在两组人中趋势一致，但学员整体出现率更低且多用清吸气。

针对平面阵下圆形方位排序在 360 度回绕处带来学习负担的问题，该工作用两个正交折叠直线排序分别训练分离网络再按方位打分二选一，在混响会议室评估中对圆形排序取得小而一致的提升，代价是需要方位估计且推理侧要维护多个网络。

论文追问五音节名词短语在青年上海话中切分为 2+3 后低音目标是否重插，通过 8 人朗读与基频轨迹比较显示切分成立但全句只在第 5 音节约 70% 处收敛为单一低目标，而代价是前部二音节不再收敛且切分块整体音高高于孤立读法。

该研究用 11 个声学参数加随机森林区分女性双侧声带小结与健康嗓音，最强证据是声调 3 模型准确率 0.836 与 AUC 0.902，代价是仅覆盖女性北方官话单字朗读且未验证连续语流与男性泛化。

该研究用同一句英语比较九名普通话背景者的下颌位移比与声学元音起点对齐，发现最低熟练度者呈弱强式结尾加重而最高熟练度者呈强弱式，但所有人的下颌开口峰速度都最靠近声学元音起点，代价是样本小且仅用一句控制元音的朗读句。

本研究用单音节产出、保持与归一化时长的感知和语料分析说明，原长下二三声并不比其他声调更易混，混淆升高主要来自时长归一化，且长短时长分别对应降升与低降两种三声变体。

该研究用粤语六声最小对的 AX 辨别任务检验口罩与噪声影响，发现戴外科口罩条件下的辨别灵敏度更高，贝叶斯因子 BF10 为 67.37，而声学分析显示口罩未显著改变基频相关线索，代价是结论限于辨别任务与外科口罩。

该研究用 5 对早闭合与晚闭合歧义句的朗读语料比较母语者与三组中国学习者，报告显示母语及中高级学习者用边界前元音的基频上升与时长拉长区分边界而初学者不能，代价是初学者的理解、节奏分组与语速条件不足。

针对发声谐波污染唇端扫频响应的问题，该研究用闭口校准加高阶小啁啾变换分离嗓音与扫频重建声道响应，在 90 赫兹到 1100 赫兹基频的/a/静态仿体上识别前四个共振并给出频率与带宽，代价是在共振一致与低基频处误差与分离难度明显增大。

针对开封话低调变体靠专家看图分类、难以刻画动态的问题，论文用函数型主成分分析提取基频曲线动态再用狄利克雷过程高斯混合做不定类数聚类，在 456 个低调音节上得到下降、凹降、上升三类，并以广义加性混合模型回放验证，其中下降类占 284 例为多数而上升类是前人未报告的新发现。

该研究用下一轮回答与听辨到的辅音拉长作为非韵律筛选标准，从 8 名东伦敦加勒比裔青少年的半自发访谈中得到 192 个可用目标，并报告极问句 84%、陈述问句 64%、强调辅音拉长 79% 为升降调，而细部 F0 差异小且分布高度特异。

用普通话双音节词的情绪 Stroop 任务比较 23 名音乐家与 20 名非音乐家，报告显示音乐家在韵律和语义任务中反应更快且在韵律准确率探索性分析中占优，但组别与一致性的交互不显著，说明优势在加工速度而非冲突调节，且情绪类别仅限高兴与生气。

针对远场多通道会议中混响噪声与重叠语音的日志难题，该工作把神经 FCASA 的高斯源方差模型推广为瘦峰广义高斯与学生 t 分布的重尾模型并统一为高斯尺度混合训练目标，在 AMI、AliMeeting 和 CHiME-6 上报告了日志错误率与 Jaccard 错误率下降，但部分形状参数会退化且跨语料直接迁移仍明显变差。

共收录 160 篇 nime-2026 会议论文的 Reader 深度解读

针对 ASR 转写正确但唤醒意图错误的问题，论文提出在响应前加一层融合声学、语言和设备上下文并从用户后续行为中提炼纠正模式的 ASCIL，在 3667 次交互上将会话不相交失败子集错误相对降低 54.27%，在阈值 0.90 的问题标记切片上相对降低 24.39%，代价是在低阈值和干净音频上存在接受与拦截的权衡且依赖历史交互。

该工作研究无训练介入式可懂度预测，用冻结语音基础模型分层嵌入的参考测试分布距离代替人评，在英文编码增强与中文增强数据上显示 Whisper 末端层加 Fréchet Audio Distance 相关最强且跨语种比词错误率稳健，代价是需要成对参考与更大模型开销。

该研究用 30 人模仿五种核音调的实验检验核前非重读音节上的基频轨迹如何实现，报告了晚起上升与线性上升在模仿中合并、平台刺激未被复现、上升均在重音附近启动的证据，代价是仅覆盖六音节短语和实验室模仿条件。