韵律

该研究用信息结构受控的面对面纸牌任务比较独白与对话中说话人间距，报告时长 9 对、基频 excursion 8 对、头部 4 对、舌体 2 对出现趋同，并以伪配对检验排除模式切换的一般效应。

针对整句情绪条件会放错重音词的问题，该工作用中性与情绪词在自监督语音表征中的差向量做词级控制信号，经 32 维瓶颈压缩后由 RoBERTa 从文本和情绪预测，并在主观自然度基本持平下把词级强调自然度偏好做到对 EME-TTS 为偏好本文方法占比 55.3% 对偏好基线占比 28.0%、对 HED-TTS 为偏好本文方法占比 87.1% 对偏好基线占比 …

该文针对句子重音检测受子词切分稀释与词重音线索未被利用的问题，在冻结 Whisper 上并联词符级句子重音头与音素级词重音头并加入词跨度正则，在 TinyStress-15K 上完整配置取得句子重音 F1 为 0.934，代价是双头不直接交互且评估限于合成语音。

针对英语单词重音检测依赖音节边界标注的问题，该研究用分层卷积把帧级表示压缩为音节级表示并以 Post-net2.0 损失约束每词恰有一个重音，在 ISLE 德意口音数据上报告最高 94.86% 与 96.24% 的准确率，但仍需真实音节数与后处理配合。

该研究用固定朗读句控制词义、用端侧提取后删原音频来兼顾可比性与隐私，在 560 人 9877 条记录上验证了高依从与可分析性，但说话人分类强而 momentary 情感预测弱，且残留朗读合规与特征表达力的代价。

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。

针对大语言模型语音合成只看参考音频和目标文本而忽略已生成目标语音风格的问题，该文提出按音节交替预测韵律标记和语音标记的方法，在三套中文评测上提升了说话人相似度和韵律相关性，但自然度基本持平且大模型对比仍有限。

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。

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。

该研究以 60 名认知正常的粤语老年人自然听故事脑电为对象，用声学、分段、音位战术三套编码模型比较皮层追踪强度，发现主观认知抱怨越重，对亚音节语言特征和平淡语体的追踪越弱，而对声学包络的追踪相对保留，但丰富韵律的代偿解释仍待验证。

针对常规平均意见分模型对日语局部音调核错误不敏感的问题，PASQA 用可控合成构造的重音核错误数据和自监督表示加四项增强学习重音正确度排序，主观评测中以斯皮尔曼 0.828 和肯德尔 0.614 优于常规模型，代价是绝对分数校准存在偏移且资源声明当前不可用。

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。

针对富有表现力和情感的语音伪造泛化难的问题，ProSDD 先在真实语音上学习说话人条件韵律表示、再把该目标保留为辅助任务联合训练伪造分类，在保持标准基准竞争力的同时大幅降低情感集等错误率，代价是需要构造外部韵律目标并执行两遍前向训练。

针对流式文本输入下缺少前视导致韵律不自然和上下文无界导致长文崩溃，该文用韵律边界标记加有限前视与滑动窗口提示改造 CosyVoice2，最强证据是长文词错误率从 71.0% 降到 4.8%，代价是仍需每块 5 词加 2 词前视的累积等待与流式声码拼接。

该研究在成人组与家庭组的多人对智能体访谈中检验局部与全局趋同，发现人与人局部趋同强而与智能体局部趋同缺失、全局趋同微弱且依赖队列，代价是高度结构化访谈与小样本限制了推广。

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 3 种语境×3 种韵律的听辨实验检验中国英语学习者的反语理解，显示语境起主导作用、韵律在语境模糊时独立补位，而语言水平效应很小。

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。