说话者还是语言？卢森堡语与法语中魅力韵律的差异解析

# 说话者还是语言？论卢森堡语与法语之间魅力韵律的方差来源
来源：https://arxiv.org/html/2609.16275
Hosseini-Kivanani Taghva Gilles Niebuhr

Nafiseh Peter Oliver 1 卢森堡广播电视台（RTL），卢森堡 2 人文、教育与社会科学学院，卢森堡大学，卢森堡 3 外语与语言学系，设拉子大学，伊朗 4 工业电子中心，南丹麦大学，丹麦 [[email protected],[email protected],[email protected],[email protected]](mailto:[email protected],[email protected],[email protected],[email protected]%0A)

###### 摘要

魅力演讲受语言和说话风格的影响，但双语公共演讲中两者的相对贡献尚不明确。我们分析了10位政治家在卢森堡语和法语中面向观众发表的即兴演讲，这些演讲在跨语言的可比交际情境中进行。从400个语句中，我们提取了与声音魅力相关的41个声学-韵律特征，并拟合混合效应模型以分离说话者和语言相关的方差。说话者身份解释了大部分方差，而语言解释的方差较少，但仍显示出系统性差异：法语产出显示出更高的微扰和短语末基频，表明其声音礼貌且恭敬；而卢森堡语产出则显示出更强的中频谱能量，表明其声音更具临场感。这些模式符合卢森堡语作为非正式身份语言和法语作为高声望制度语言的社会语言学角色。

###### 关键词：

魅力，韵律，卢森堡语，法语，政治演讲

## 1 引言

说服性演讲的系统研究并非源于政治，而是源于古希腊的法律实践，其中发展出了在公共法庭诉讼中说服陪审团的结构化技巧。后来，这种专门知识被扩展到政治演讲，最著名的当属亚里士多德，他的"ethos"概念确立了说服效果不仅源于事实论证（logos），还源于说话者在说话过程中被赋予的可信度和能力\[antonakis2016charisma\]。这条延续了数千年的研究脉络，如今仍以马克斯·韦伯的术语"魅力"延续\[adair2020max\]。自此，政治人物一直是魅力研究的主要焦点。本研究也聚焦于政治说话者\[brecher2016political\]。

语音学和言语传播领域的大量研究表明，魅力印象与多维度的声学-韵律模式系统相关，而非单一线索\[signorello2012charisma\]。关于政治演讲的基础研究表明，具有魅力的说话者在音高（即基频或F0）调制、强度动态和词汇选择上表现出特征性差异\[RosenbergHirschberg2005,rosenberg2009charisma\]。后续工作提供了趋于一致的统计证据，表明较高的魅力评分通常与更高的F0水平和变异性、更宽的F0范围、增强的F0变异性、更高的强度水平和变异性，以及更具动态性的时间-旋律塑造相关\[strangert2008makes,biadsy2008cross,niebuhr2018shapes,niebuhr2019measuring,niebuhr2021those\]。

与此同时，若干参数显示出与感知到的魅力系统性负相关。较低的短语末F0值和较短的短语持续时间被证明与较高的魅力评分相关\[niebuhr2018shapes\]。此外，与频谱倾斜相关的广泛嗓音质量度量，包括长期频谱斜率估计和振幅差异（如H1–H2或H1–A3），被发现与魅力负相关，较平缓的频谱斜率和较小的振幅差异始终与较高的感知魅力相关\[niebuhr2018acoustic\]。最后，近期研究表明，填充停顿也与感知的说话者表现和魅力负相关，更少和更短的填充词有助于形成更积极的听众印象\[niebuhr2019not\]。

总而言之，这些文献汇聚成一种观点：魅力演讲的特点是韵律努力和动态的系统性增强，结合减少的犹豫和清晰的时间组织，形成一种在跨情境中被稳健感知的独特声学特征。

尽管取得了这些进展，大多数现有研究考察的是单语说话者，并依赖于准备好的或半受控的演讲。对于魅力相关的韵律如何在自发的双语演讲中实现，特别是当说话者在具有不同社会语言学功能和声望的语言之间切换时，我们知之甚少。独立于魅力研究，关于双语韵律的研究一致报告了同一说话者在音高范围、时序和音质方面存在系统性的语言依赖差异\[mennen2004bi,de2008your,passoni2022bilinguals\]。这些差异可能反映了结构语言限制和社会指示意义（如正式性或礼貌性）。发声源特征和频谱分布同样被证明以感知显著的方式在不同语言间转换\[esposito2020cross,sicoli2010shifting\]。这些发现强烈表明，语言选择可以塑造核心韵律模式，但其对魅力演讲的影响在很大程度上仍未被探索。

卢森堡为解决这一空白提供了一个特别具有启发性的社会语言学背景。尽管官方语言为三种，但其语言的功能分布和意识形态地位高度不对称。卢森堡语与国家认同和日常口头交流紧密相关，而法语则在行政、法律和高声望的机构领域占主导地位\[gilles2006luxembourgish,horner2016language,horner2017introducing\]。社会语言学研究一致将法语描述为声望语言，将卢森堡语描述为地方归属感和真实性的重要标志。相比之下，第三种语言德语主要在书写、教育和媒体中发挥重要作用，但在自发的口头交流中不那么核心。因此，我们的研究聚焦于卢森堡语和法语。

这种社会语言学构型产生了两种竞争性的预期：说话者可能在讲法语时增强与魅力相关的韵律线索以符合高声望规范，或者他们可能在讲作为群体内归属和真实性语言的卢森堡语时表现出更强（即更显著）的魅力线索。因此，我们的第一个研究问题如下。

RQ1：说话者在讲法语与卢森堡语时，是否系统性地以不同方式实现与魅力相关的韵律线索？如果是，方向如何？具体而言，这些线索在声望语言（法语）中总体上更强，还是在身份语言（卢森堡语）中更强？

此外，如果存在这种语言依赖的差异，进一步的问题涉及其相对于个体说话者差异的大小。虽然先前的工作已经证明了跨情境、风格甚至（非）母语的稳健的说话者特定的韵律“签名”\[nolan1999speaker\]，但在声望不对称的双语情境中，这些独特的模式是否超过潜在的语言效应仍不清楚。

RQ2：在其他可比的交际条件下，语言是否比性别组内的个体说话者差异更能解释与魅力相关的韵律特征的方差？换句话说，同一说话者产生的跨语言差异是否大于在特定语言内观察到的（同一性别的）说话者之间的差异？

我们分析了十位卢森堡政治家（五位女性，五位男性）产生的即兴政治演讲，他们在公共语境中经常使用两种语言。从每位说话者中，提取了20个卢森堡语语句和20个法语语句，形成了一个平行的说话者内数据集，共400个语句。这种设计使我们能够直接比较同一说话者在说两种语言时如何实现与魅力相关的韵律。

为确保有效的跨语言比较，卢森堡语和法语样本在情境、互动和交际语境方面被选择为尽可能可比。所有录音均来自相似的公共、政治或机构环境，涉及可比的观众，并反映紧密匹配的话语功能。所有材料均为即兴；不包括朗读或照本宣科的演讲。尽管自然数据不可避免地存在一些情境差异，但数据集的构建旨在尽可能最小化此类差异，从而能够在生态有效的条件下进行原则性的说话者内比较。

使用先前政治和商业演讲研究中得出的一系列公认的与声音魅力相关的声学关联特征，包括\[berger2024like\]的近期概述，我们量化了说话者和语言对即兴双语演讲中韵律变异的相对贡献，并检验了系统性的声望相关调节。

## 2 方法

### 2.1 说话者和材料

我们分析了卢森堡十位知名公众人物的演讲：五位男性和五位女性说话者。所有说话者在功能上都能熟练使用卢森堡语和法语，并在公共交流中经常使用两种语言，例如，总理、部长以及政府或公共机构成员，见表1 (https://arxiv.org/html/2609.16275#S2.T1)。

表 1：所选卢森堡政治家的当前职务。
对于每位说话者，我们从公开演讲、新闻发布会、议会辩论或采访中，选择了卢森堡语和法语的即兴片段。然后，我们从中提取了

- • 每位说话者20个卢森堡语即兴句子
- • 每位说话者20个法语即兴句子。

句子被定义为在语调和句法上连贯的单位。它们是基于可听的韵律边界手动分割的，在有转录文本的情况下辅以标点符号。句子内容在语言间并不平行，因为演讲是在不同语境下进行的，但在风格和领域上是可比的。所有演讲都是即兴的，非朗读。包含重叠谈话、背景噪音或明显非言语发声（例如笑声或咳嗽声）的片段已从数据集中排除。

### 2.2 转录、标注和韵律测量

所有原始语音材料首先从源视频文件中提取为16 kHz采样率的单声道音频。然后使用LuxASR系统\[gilles2023asrlux,gilles2023lux\]自动生成卢森堡语和法语片段的正字法转录，并随后在必要时检查和纠正了明显的识别错误。这些转录为后续分析提供了基础。

接下来，在Praat中精炼了所选20+20个句子的时间边界。对于每个说话者-语言对，我们标注了句子边界。录音使用WebMAUS\[kisler2017multilingual\]在句子层面自动分割和标注，该系统采用特定语言的音系模型进行强制对齐。然后，所有自动生成的边界都经过审查，并在必要时参考波形和宽带声谱图进行手动调整，遵循已建立的语音分割标准\[pollak2008phone\]。每个录音的最终标注导出为Praat TextGrid文件。

使用Praat的ProsodyPro脚本提取声学特征，该脚本为大规模韵律分析提供了系统化的流程\[Xu2013ProsodyPro\]。ProsodyPro生成一系列适合统计分析的离散测量值，包括F0测量值（例如，最大、最小、平均F0，F0范围）、强度测量值（例如，平均强度）、持续时间和时序测量值（例如，区间持续时间），以及从标记区间导出的其他区间度量。

此外，ProsodyPro计算了一套与嗓音质量和频谱特征相关的生物信息维度（BID）度量，例如谐波间的振幅差异（例如，H1–H2，H1–A3）、频谱斜率指标（例如，Hammarberg指数，频谱重心）、倒谱峰突出度（CPP）、抖动和微扰、谐波性（HNR）以及跨频段的能量分布\[Xu2013ProsodyPro\]。这些度量共同捕捉了与我们分析相关的韵律和发声的多个方面。

### 2.3 统计分析

所有分析均基于上述41个韵律和声学特征进行，将400个句子标记中的每一个视为单独的观测值。在建模之前，对每个特征检查了异常值和明显的伪影。必要时对强烈偏斜的度量进行了对数转换，然后所有特征在整个数据集上被标准化为零均值和单位方差。这种缩放产生可比的系数，并允许我们将固定效应估计解释为条件之间的标准差差异。

为了获得韵律空间的全局视图，我们首先对41个z分数特征进行了主成分分析（PCA）。主要成分及其载荷在结果部分被描述性使用，以可视化句子如何按说话者和语言聚集，并识别驱动主要韵律对比的特征组合。核心推断分析使用为每个特征单独拟合的线性混合效应模型来解决两个研究问题。基线模型是

feature∼Language+Gender+Duration+(1|Speaker),\\text{feature}\\sim\\text{Language}\\+\\text{Gender}\\+\\text{Duration}\\+\\(1\\mid\\text{Speaker}\\)\\,，
其中语言（卢森堡语 vs 法语）、性别（女性 vs 男性）和句子持续时间是固定效应，说话者是随机截距。从该模型中，我们提取了随机说话者项的方差和残差方差，以计算说话者的组内相关系数ICCSpeaker\\mathrm{ICC\\}_{\\text{Speaker}}，该系数反映了可归因于稳定的说话者间差异的总方差比例。语言的贡献使用边际R2R^{2}和III型平方和从同一模型中估计，使我们能够比较与说话者身份和语言选择相关的方差份额，涵盖所有41个特征。

为了解决RQ1，我们通过添加交互项Language×Gender\\text{Language}\\times\\text{Gender}扩展了基线模型。语言固定效应（以z分数尺度表示）捕捉了每个特征上法语与卢森堡语之间的平均差异，而交互项则检验这种差异是否取决于性别。对于每个特征，我们报告估计的语言效应、其标准误差，以及基于Satterthwaite自由度的p值。为了校正41个特征的多重检验，语言主效应的p值使用Benjamini–Hochberg错误发现率程序进行了调整。

## 3 结果

### 3.1 RQ1：魅力相关线索的语言差异