漢語塞?元?塞音序列語境效應機制探討*

劉文理 周 詳 張明亮

(1南開大學周恩來政府管理學院社會心理學系, 天津 300350) (2山東行政學院, 濟南 250014)

1 前言

言語聲音知覺受到鄰近言語語境的影響。如元音?流音音節/ar/和/al/, 或者擦音/s/和/?/影響到隨后/da/-/ga/連續體的知覺(Mann, 1980; Mann & Repp,1981)。元音/i/和/u/, 或者/e/和/o/, 影響到隨后/ba/-/da/連續體的知覺(Coady, Kluender, & Rhode, 2003;Holt & Lotto, 2002)。不僅前面的言語語境影響到后面言語聲音的知覺, 后面語境也能影響到前面聲音的知覺。如元音/a/和/u/, /i/和/y/影響到前面擦音連續體/s/-/?/的知覺(Mann & Repp, 1980; Mitterer, 2006;Smits, 2001)。探討這種言語語境效應的機制不僅有助于了解人們感知言語聲音的內在加工過程, 也有助于語音識別工程的開展。傳統的語音識別模型注重單個聲音聲學線索的利用, 不關注語境如何影響到語音的識別, 這與人們識別語音的過程有很大差別(Lotto & Kluender, 1998)。如果語音識別模型能夠綜合語境效應, 可能會提高識別成績。

自從言語知覺語境效應發現后, 研究者設計了大量的實驗對此進行探討, 并提出了幾個理論模型解釋這些言語語境效應。第一個理論是“協同發音的知覺彌補” (perceptual compensation for coarticulation)。這個理論認為言語知覺內隱的參照了言語產生的動作表征, 因而能夠從知覺上彌補相鄰音段由于協同發音所產生的同化效應(Fowler, Brown, & Mann,2000; Mann, 1980)。例如, 在流音?塞音序列中, 由于音段間的協同發音, 舌根塞音/g/的發音部位在流音/l/后相比在流音/r/后會被拉的更靠前, 因為/l/與/r/相比有一個更靠前的發音部位, 這會讓/g/在發音部位和一些聲學線索上更類似于/d/。同樣, 齒齦塞音/d/的發音部位在音段/r/后會被拉的更靠后, 這讓/d/在發音部位和一些聲學特征上更類似于/g/。然而, 當語境是/al/時被試在感知/da/-/ga/連續體時會有更多的/g/反應, 語境是/ar/時被試會有更多的/d/反應。簡而言之, 語境讓目標音段的發音部位偏前,被試知覺到的目標音段發音部位就偏后, 反之亦然。因此, 知覺反應與協同發音的影響正好相反,協同發音的影響是一種同化效應, 被試的知覺反應似乎彌補了相鄰音段間協同發音的影響。一些研究者認為這表明言語知覺參照了言語產生的動作表征, 從而為言語知覺的發音特征理論提供了支持,包括動覺理論(Liberman, Cooper, Shankweiler, &Studdert-Kennedy, 1967; Liberman & Mattingly, 1985)和直接知覺理論(Fowler, 1986)。動覺理論認為語音范疇的聲學線索缺少恒常性, 恒常性只存在于音段發音的動作表征中, 言語知覺的最終目標是言語產生中的動作表征, 而非聲學線索。直接知覺理論認為言語知覺是一個生態化的過程, 語音范疇的聲學線索是近端事件, 言語的發音特征是遠端事件, 遠端的發音特征可以直接從近端的聲學線索中通達。

第二個理論認為言語語境效應只是一般的聽知覺現象, 可以由頻譜對比機制來解釋(Holt, Lotto,& Kluender, 2000; Lotto & Kluender, 1998)。以流音?塞音序列為例, 流音/l/有一個更高的F3(第三共振峰)終止頻率, /r/有一個更低的F3終止頻率。當被試識別/da/-/ga/連續體刺激時, 一個有更高頻F3的刺激語境(/l/)會讓被試對高頻區產生適應, 敏感度下降, 而對低頻區的敏感度會提高, 這讓被試有更多的/g/反應, 因為/g/刺激有更低的F3起始頻率。同樣, 一個更低頻的F3語境(/r/)會讓被試有更多的/d/反應, 因為/d/刺激有更高的F3起始頻率。這反映了聽知覺中的一種頻譜對比效應, 是一般的知覺現象。Lotto和Kluender (1998)發現非言語的語境,如模擬流音/l/和/r/的F3過渡段的調頻正弦波滑音,或者頻率等于/l/或/r/的F3終止頻率的正弦波純音,也能影響到/da/-/ga/序列的識別, 且影響方向與言語語境/al/和/ar/一致, 符合頻譜對比效應的預期。這為言語語境效應只是聽覺的一般現象提供了證據, 不管是言語語境還是非言語語境, 只要語境中提供了對比性的頻譜成分, 就能誘發這種語境效應。

之后更多的實驗發現了言語和非言語聲音知覺中的這種相互影響(Coady et al., 2003; Holt, 2005, 2006;Holt et al., 2000; Lotto, Sullivan, & Holt, 2003; Stephens &Holt, 2003; Wade & Holt, 2005)。如Stephens和Holt(2003)發現言語語境能以對比的方式影響到后面非言語聲音的知覺。Holt (2006)發現言語和非言語語境能夠聯合起來以一種合作或競爭的方式影響到目標音節的識別。這些實驗結果再次表明語境效應并不特定于言語語境, 非言語語境也能誘發這種效應, 關鍵看語境聲音和目標聲音是否存在對比性的頻譜特征。進而, 聽覺理論者建議研究者應以一般聽覺加工機制為基礎來理解和研究言語知覺, 言語聲音和非言語聲音知覺在很多方面具有共通性, 言語知覺沒有特殊性(Diehl, Lotto, & Holt, 2004; Holt &Lotto, 2008)。然而, 強調發音特征的理論者認為盡管言語聲音和非言語聲音都能誘發類似的語境效應,二者潛在的機制并不相同：言語語境效應表明聽者的言語知覺內隱的參照了言語產生的動作表征, 是知覺對協同發音效應的彌補; 而非言語語境效應只是聽覺的一種掩蔽效應(Fowler et al., 2000;Viswanathan, Fowler, & Magnuson, 2009; Viswanathan,Magnuson, & Fowler, 2010, 2013, 2014)。

另有研究者用語音學習來解釋語境效應(Mitterer, 2006; Smits, 2001)。以擦?元音節為實驗材料, Smits (2001)發現擦音連續體[?]-[s]的識別受到后面元音[y]和[i]的影響。這種效應不能完全由元音關鍵的聲學特征(F3)來解釋, 被試給予元音的語音范疇標簽解釋了這種效應的大量變異, 即元音范疇的知覺影響到擦音范疇的知覺。Mitterer (2006)認為語境效應可能有不同的起源：對于流音?塞音序列(/r/和/l/對后面/da/-/ga/連續體識別的影響), 語境效應可能是一般聽覺加工過程的產物, 如頻譜對比效應; 對于擦音?元音序列, 這種效應主要是語音學習的結果, 聽者習得了元音范疇如何引起擦音范疇聲學模式的變化, 從而元音范疇知覺影響到前面擦音的識別。Mitterer (2006)認為語境音和目標音之間關鍵聲學特征的相似性是一個重要因素：對于流?塞音序列, 二者間關鍵的聲學線索(F3)處于同樣的頻率區, 這為聽覺上的交互作用提供了空間,因而一般聽覺加工機制可能負責了這類語境效應;對于擦?元音序列, 擦音極點頻率和元音F3頻率間隔超過了半個八度, 沒有太多聽覺上交互作用的空間, 經驗誘導的語音學習可能更關鍵一些。

以上3個理論從不同角度對言語語境效應進行了解釋。發音特征理論認為言語語境效應是聽者對言語音段間協同發音效應知覺上的彌補, 言語知覺以言語動作表征為參照。聽覺理論者認為言語語境效應可以用頻譜對比效應進行解釋, 只是一般知覺現象。另有理論強調語音學習在語境效應中的作用。近年來爭論主要圍繞發音特征理論和聽覺理論展開(Fowler, 2006; Lotto & Holt, 2006; Viswanathan et al., 2010, 2013)。比較遺憾的是, 以往有關語境效應的例子通常難以區分發音特征理論和聽覺理論的解釋力度。如以研究最多的流音?塞音語境效應為例(/ar/和/al/對識別/da/-/ga/連續體的影響), 從發音特征理論角度看, /l/有較前的發音部位, /r/有較后的發音部位, 聽者知覺時會彌補語境音發音部位的協同發音效應, 因而/ar/后聽者會有更多的/da/反應(/da/相比/ga/有更靠前的發音部位), /al/后會有更多的/ga/反應, 實驗結果與此一致。而從聽覺理論角度看, /r/有較低的F3頻譜, /l/有較高的F3頻譜, 根據頻譜對比效應假設, /ar/后聽者會有更多的/da/反應(/da/有更高的F3起始頻率), /al/后聽者會有更多的/ga/反應(/ga/有更低的F3起始頻率), 實驗結果也與這個假設一致。因此, 就/r/和/l/對/da/-/ga/知覺的語境效應而言, 兩種理論都可以解釋, 難以區分。為了區分這兩個理論的解釋力度, Viswanathan等(2010)以英語和泰米爾語流音(/r/和/l/)為語境音, 考察了它們對/da/-/ga/連續體識別的影響。結果發現這些流音的語境效應與發音特征理論的預期一致, 且不能由這些流音的純音模擬音進行解釋。然而這個研究結果受到一些研究者的質疑, Kingston及其同事(2014)認為Viswanathan等人(2010)的研究中所使用的流音的純音模擬音是一些頻率固定的正弦波純音或純音復合音, 頻率僅等于語境音節F2、F3或F4的終止頻率, 他們并沒有分析語境音節完整的共振峰軌跡。如果純音模擬音能夠模擬語境音節關鍵的或完整的共振峰軌跡, 這些非言語模擬音也許能夠表現出與言語音節類似的語境效應。如果是這樣,Viswanathan等人(2010)的研究結果也可以用聽覺理論進行解釋。

總之, 以往研究所使用的語境效應例子難以區分發音特征理論和聽覺理論的解釋力度。即使有研究者試圖使用新的材料考察兩個理論的解釋力, 但由于沒有全面分析語境音的聲學特征, 使用了不恰當的非言語模擬音, 導致實驗結果也難以區分兩種理論的解釋力(Kingston et al., 2014; Viswanathan et al., 2010)。為了區分發音特征理論和聽覺理論對語境效應的解釋力度, 當前研究創新性的采用同一塞音/p/與3個元音結合形成的3個音節/pa/、/pi/和/pu/為語境音, /ta/-/ka/連續體為目標音, 考察語境音對目標音識別的影響。/pa/、/pi/和/pu/作為語境音時能夠使發音特征理論和聽覺理論分別做出不同的預期, 這樣就能根據實驗結果檢驗兩種理論的解釋力度。根據發音特征理論, 語境音節的發音部位是最關鍵的因素。3個語境音節的塞音/p/的唇音發音部位是相對恒定的, 因而塞音所產生的語境效應應該是類似的。元音的發音部位在3個音節中有差別,/i/是前元音, 有最靠前的舌位; /a/也是前元音, 但舌位相比/i/稍微靠后; /u/是后元音, 有最靠后的舌位。因此整體上來看, 音節/pi/有最靠前的舌位, 其次是/pa/, /pu/的舌位最靠后。按照協同發音的知覺彌補假設, 語境音靠前的發音部位會讓被試感知目標音時傾向于發音部位更靠后的語音范疇, /pi/音節做語境時被試應該會產生最多的/ka/反應(相比/ta/, /ka/的發音部位更靠后), 其次是/pa/音節, /pu/音節做語境時被試的/ka/反應最少。

根據聽覺理論, 語境音節的聲學特征是最關鍵的因素。3個語境音節和目標音連續體的簡式語圖見圖1。塞音/p/在3個元音語境中關鍵的聲學線索差異是F2起始頻率和F2過渡段的朝向(英語塞音：Cooper, Delattre, Liberman, Borst, & Gerstman, 1952;Delattre, Liberman, & Cooper, 1955; 漢語塞音：Yan,1990)。/ta/-/ka/連續體最關鍵的聲學線索差異是F3起始頻率(從1800 Hz變化到2700 Hz, 構成一個連續體)。對于/pa/音節, F2的起始頻率是800 Hz, 之后在60 ms內線性提高到1200 Hz。/pi/音節F2的起始頻率是1600 Hz, 之后線性提高到2400 Hz。/pu/音節F2的起始頻率是900 Hz, 然后線性下降到650 Hz。從聲學特征來看, 只有音節/pi/的F2軌跡(從1600 Hz上升到2400 Hz)與目標音節/ka/的F3軌跡(從1800 Hz上升到2450 Hz)處于重疊的頻率區, /pa/和/pu/音節的F2軌跡遠離目標音節/ta/和/ka/的F3頻率區(從1800 Hz或2700 Hz過渡到2450 Hz)。根據頻譜對比效應的預期, /pi/音節作為語境時被試有更多的/ta/反應,因為/pi/音節的F2軌跡與目標音節/ka/的F3軌跡重疊,被試加工語境音節/pi/后聽覺皮層對/pi/的F2軌跡產生適應, 導致被試隨后在感知/ta/-/ka/連續體時對/ka/的F3線索也不夠敏感, 因而被試會有更多的/ta/反應。而/pa/和/pu/作為語境時會產生怎樣的語境效應并不明確。除了關鍵的F2軌跡, 語境音節的F1、F3和F4頻率可能也會影響到/ta/-/ka/連續體的知覺。3個語境音節的F1軌跡類似, 都處于低頻區。這些低頻的聲學線索要么對/ta/-/ka/連續體的知覺沒有影響, 即使有影響, 它們的影響應該類似。3個語境音節的F3和F4頻率是穩態的, 都處于同樣的高頻區, 包括接近2450 Hz的頻率波段(/pi/音節的F2穩態頻率值是2400 Hz)和等于或高于3000 Hz的頻率波段。因而, 與低頻區的聲學線索類似, 這些高頻區的聲學線索要么對目標音節的知覺沒有影響, 即使有影響, 它們的影響應該類似。綜上, 3個語境音節關鍵的聲學線索差異就是F2軌跡, 按照頻譜對比效應假設的預期, /pi/音節作為語境會導致被試有更少的/ka/反應, /pa/和/pu/作為語境其效應并不明確。

圖1 語境音節和目標音節4個共振峰軌跡的簡式語圖

由此, 以/pa/、/pi/和/pu/作為語境音時, 發音特征理論和聽覺理論做出了不同的預期。發音特征理論預期/pi/語境會導致被試產生最多的/ka/反應, 其次是/pa/語境, /pu/語境會產生最少的/ka/反應。而根據聽覺理論, /pi/語境會導致被試有最少的/ka/反應,/pa/和/pu/語境的效應不明確, 可能不會影響到/ta/-/ka/連續體的識別。實驗1將以/pa/、/pi/和/pu/作為語境音, /ta/-/ka/連續體作為目標音, 直接考察哪種理論與實驗結果更吻合。

發音特征理論與聽覺理論爭論的另一個焦點是非言語聲音的語境效應問題。聽覺理論認為言語聲音的語境效應可以由這些言語聲音關鍵聲學線索的非言語模擬音進行模擬, 二者有相同的機制。但是發音特征理論者認為非言語聲音的語境效應與言語聲音的語境效應潛在機制不同, 前者是一種聽覺掩蔽效應。進而, Viswanathan等人(2010)的研究表明流音對塞音連續體識別的語境效應不能由流音的非言語模擬音進行解釋, 但是這個研究沒有全面分析語境音的聲學特征, 使用的非言語模擬音只關注流音幾個共振峰的終止頻率, 這受到了后來研究者的質疑(Kingston et al., 2014)。當前研究在全面分析語境音聲學特征的基礎上, 在實驗2和實驗3中采用合適的非言語模擬音, 考察實驗1中3個語境音節所表現出的語境效應是否能由非言語聲音進行模擬。實驗2的語境音是實驗1中3個語境音節的F2軌跡的純音模擬音。3個語境音節關鍵的聲學線索差異即是F2軌跡, 實驗2的目的是考察3個音節的F2模擬音對/ta/-/ka/連續體識別的影響是否與3個語境音節一致, 即3個音節的語境效應差異是否能由關鍵的聲學線索差異來解釋, 如果二者的效應一致, 則為基于聲學線索分析語境效應的聽覺理論提供了進一步支持。如果二者不一致, 則表明3個音節的語境效應差異不是由關鍵的聲學線索差異(F2軌跡)引起的, 聽覺理論的觀點會受到質疑。但是實驗2的非言語聲音只模擬了實驗1中3個語境音節的F2軌跡, 沒有考慮其它的聲學線索。事實上3個語境音節其它聲學線索(F1、F3和F4)也存在細微的差異。如果實驗1和實驗2的結果不完全一致,也可能是由于語境音節其它線索存在差異引起的。實驗3的目的是考察這種可能性。實驗3使用的非言語聲音模擬了3個語境音節所有的共振峰軌跡,即使用正弦波言語(采用正弦波純音模擬言語聲音所有的聲學線索)作為語境音。通過對實驗1三個語境音節所有聲學線索的非言語模擬, 可以進一步考察實驗1三個音節語境效應差異是否由于聲學線索差異引起的, 特別是除F2軌跡之外的其它聲學線索的作用。

2 實驗1

實驗1的語境音是3個塞?元音節/pa/、/pi/和/pu/, 目標音是/ta/-/ka/連續體。發音特征理論預期/pi/語境會導致被試產生最多的/ka/反應, 其次是/pa/語境, /pu/語境會產生最少的/ka/反應。聽覺理論預期/pi/語境會導致被試有最少的/ka/反應, /pa/和/pu/語境的效應不明確, 可能不會影響到/ta/-/ka/連續體的識別。實驗1的目的是考察哪種理論能夠更好的解釋當前實驗的結果。

2.1 方法

2.1.1 被試

30名南開大學本科生參加了實驗1, 被試母語為漢語, 男女被試各半, 平均年齡21.2歲。被試的視力或矯正視力正常, 聽力正常。實驗后付給報酬。

2.1.2 刺激

語境音節和目標音節都使用Klatt合成器合成,刺激時長250 ms。語境音節的合成參數見表1。每個語境音節都由一個60 ms的共振峰過渡段和一個190 ms的穩態部分組成。F1和F2頻率在最初60 ms內由起始頻率線性上升或下降到穩態頻率, 之后頻率維持恒定。F3和F4頻率一直維持穩態?；l(F0)在整個音節時長內由130 Hz線性下降為120 Hz。目標音節是由10個刺激組成的/ta/-/ka/連續體, 通過變化F3起始頻率合成。F3起始頻率以100 Hz為步長從1800 Hz變化到2700 Hz構成連續體上的10個刺激。最初80 ms的共振峰過渡段之后, F3頻率抵達2450 Hz的穩態值。F1頻率在80 ms的過渡段內從350 Hz上升到750 Hz, 之后170 ms維持穩態。F2頻率在80 ms過渡段內從1650 Hz下降到1200 Hz, 之后維持穩態。F4頻率固定在2850 Hz。/ta/-/ka/序列刺激的F0曲線與語境音節完全一致。語境音節和目標音節都以16 bit分辨率和10 kHz抽樣率進行合成。每個音節的平均RMS (root mean square)能量相等。將3個語境音節和/ta/-/ka/連續體上的10個目標音節進行拼接, 共構成30個刺激項目, 語境音節和目標音節間間隔50 ms。

表1 實驗1語境音節的合成參數(Hz)

2.1.3 程序

實驗1包括4個實驗條件。被試首先完成一個基線條件, 基線條件下僅呈現/ta/-/ka/連續體上的10個目標音節, 每個音節呈現10次, 要求被試識別所呈現的刺激是/ta/還是/ka/。正式識別前被試先進行一個簡短的練習, 兩個端點刺激(最清晰的/ta/和/ka/)每個呈現10次要求被試進行識別。實驗程序及刺激呈現皆由praat軟件完成?；境绦蛉缦拢菏紫瘸尸F指導語, 被試點擊鼠標實驗開始, 屏幕上呈現左右兩個黃色方框, 一個方框內標有“da”, 另一個方框內標有“ga” (此處用漢語拼音代替音標進行標示, 因為被試對漢語拼音非常熟悉, 通常不熟悉音標標音法)。之后聲音刺激依次呈現(呈現順序隨機), 每個刺激呈現后, 被試判斷該刺激是“da”還是“ga”, 用鼠標點擊相應的黃色框進行反應, 被試反應不限時。反應后間隔2s呈現下一個刺激。

基線條件之后, 被試完成3個有語境音節(/pa/、/pi/和/pu/)的識別條件, 3個條件的順序在被試之間進行了平衡。每個條件下被試首先完成練習, 語境音節與兩個端點刺激結合每個呈現10次構成練習項目。正式識別任務語境音節與/ta/-/ka/連續體上的10個刺激結合每個呈現10次(每個語境音節100個項目)。帶有語境音的識別條件與基線條件的程序基本相同：首先呈現指導語, 指導語要求被試識別語境音后面的刺激是“da”還是“ga”。被試點擊鼠標任務開始, 聲音刺激按隨機順序依次呈現(每個刺激都由語境音與目標音構成, 二者間間隔50 ms)。被試用鼠標點擊標有“da”或“ga”的方框進行反應。反應后間隔2s呈現下一個刺激。最后在基線條件和3個語境條件之間還有一個簡短的識別任務。3個語境音節每個呈現10次要求被試進行識別, 被試用鼠標點擊標有“ba”、“bi”和“bu”的方框進行反應。

實驗在安靜的實驗室里進行, 被試個別施測。刺激通過封閉式耳機(Sennheiser PX360)呈現, 音量調整到舒適的水平。整個實驗約持續45 min。

2.2 結果

圖2 基線(baseline)和3個語境條件(/pa/、/pi/和/pu/)下被試在/ta/-/ka/連續體上各刺激平均的“ga”反應比率

2.3 討論

聽覺理論的頻譜對比效應預期/pi/音節作為語境時被試會有最少的“ga”反應, 最多的“da”反應,因為/pi/與端點刺激/ta/有對比性的頻譜成分; /pa/和/pu/做語境時語境效應方向并不明確。而發音特征理論預期/pi/音節做語境時被試會有最多的“ga”反應,其次是/pa/音節, /pu/音節會產生最少的“ga”反應。

實驗1的結果表明/pi/音節作為語境時產生了最少的“ga”反應, 在刺激1～2上的“ga”反應顯著的少于/pu/語境條件, 在刺激2上的“ga”反應與/pa/語境條件差異邊緣顯著。/pa/語境產生的“ga”反應數量居中,與基線條件沒有顯著差異。音節/pu/充當語境時被試有最多的“ga”反應, 除在刺激1～3上多于/pi/語境外, 在刺激1和3上也多于基線條件。實驗結果與聽覺理論的預期更為一致, 與發音特征理論的預期幾乎相反。聽覺理論的頻譜對比效應預期/pi/語境會產生最少的/ka/反應, 這與實驗結果相吻合。另外實驗結果發現/pa/和/pu/語境也影響到/ta/-/ka/連續體的識別, 二者都導致被試有更多的/ka/反應, /pu/語境下被試的/ka/反應比率甚至顯著高于基線條件。頻譜對比效應假設難以解釋這種現象, 這與Mitterer (2006)的觀點也不一致。Mitterer (2006)認為只有語境音與目標音共享關鍵的聲學特征, 二者才有聽覺交互作用的可能。但是音節/pa/和/pu/與目標音節并不共享關鍵的聲學特征, 它們仍然影響到/ta/-/ka/連續體的識別。3個語境音節這種語境效應模式能由關鍵的聲學線索差異(F2軌跡)來解釋嗎？實驗2用非言語聲音模擬了3個語境音節的F2軌跡, 目的是考察3個非言語聲音的效應模式與3個語境音節的效應模式是否一致。

3 實驗2

實驗2的語境聲音是3個非言語聲音, 分別模擬了實驗1三個音節/pa/、/pi/和/pu/的F2軌跡。實驗2的目的是考察實驗1中3個音節的語境效應差異是否源于關鍵聲學線索(F2軌跡)的差異：如果3個音節的語境效應差異源于關鍵聲學線索的差異, 那么3個非言語聲音的語境效應模式應該與3個音節一致;如果3個非言語聲音的語境效應與3個言語聲音的語境效應不一致, 則說明實驗1中3個音節的語境效應差異不是由關鍵聲學線索差異引起的, 可能存在其它的原因。

3.1 方法

3.1.1 被試

南開大學26名本科生參加了實驗2, 被試母語為漢語, 男女被試各半, 平均年齡20.8歲, 所有人都沒有參加實驗1。被試的視力或矯正視力正常,聽力正常。實驗后付給報酬。

3.1.2 刺激

3個非言語聲音分別模擬了音節/pa/、/pi/和/pu/的F2軌跡。每個非言語聲音都包括一個60 ms的調頻正弦波滑音(模擬共振峰過渡段)和一個190 ms的頻率恒定的正弦波純音(模擬穩態頻率段)。對于音節/pa/的F2模擬音, 起始60 ms滑音段的頻率從800 Hz線性提高至1200 Hz, 之后190 ms的純音段頻率穩定在1200 Hz。對于音節/pi/的F2模擬音, 起始60 ms滑音段的頻率從1600 Hz線性提高至2400 Hz,之后190 ms的純音段頻率固定在2400 Hz。音節/pu/的F2模擬音起始60 ms滑音段的頻率從900 Hz線性下降到650 Hz, 之后190 ms純音段頻率穩定在650 Hz。目標音節同實驗1。3個F2模擬音的抽樣率和分辨率同言語語境。非言語聲音和言語聲音的RMS能量相互匹配。將3個F2模擬音分別與/ta/-/ka/連續體上的10個刺激進行拼接, 構成30個刺激項目, 語境聲音和目標音節間間隔50 ms。3個非言語F2模擬音和目標音節的簡式語圖見圖3。

3.1.3 程序

被試首先完成基線條件, 基線條件僅呈現/ta/-/ka/連續體上的10個刺激, 要求被試進行識別。練習和正式識別的程序同實驗1。接下來被試完成3個帶語境音的識別條件, 3個條件之間的順序在被試間進行平衡。每個條件下練習和正式識別程序同實驗1。整個實驗約持續40 min。

圖3 三個非言語F2模擬音(左側)和/ta/-/ka/連續體(右側)的簡式語圖

3.2 結果

圖4 基線和3個F2模擬音條件下被試在/ta/-/ka/連續體10個刺激上平均的“ga”反應比率

3.3 討論

實驗2結果分析表明/pa/的F2模擬音誘發了最多的“ga”反應：在刺激1、2和5上的“ga”反應顯著的多于基線條件, 在刺激1-5上的“ga”反應顯著的多于/pi/-F2條件。/pu/的F2模擬音誘發了第二多的“ga”反應：在刺激4-5上的“ga”反應顯著的多于/pi/-F2條件。/pi/的F2模擬音產生了最少的“ga”反應, 在刺激5上的“ga”反應甚至顯著的少于基線條件。

實驗2與實驗1的結果總體上很相似, /pi/和/pi/的F2模擬音作為語境音被試都有最少的“ga”反應,/pa/和/pu/及它們的F2模擬音做語境時被試都產生了更多的“ga”反應。這表明音節/pa/、/pi/和/pu/之間的語境效應差異很大程度上源于關鍵聲學線索的差異, 即3個音節F2軌跡的差異, 這為基于聲學線索分析語境效應的聽覺理論提供了進一步的支持。實驗2的結果也再次表明與目標音節關鍵聲學特征間隔較遠頻率區的聲學線索也能影響到目標音節的識別：/pa/和/pu/的F2模擬音所產生的“ga”反應顯著的多于/pi/-F2條件, /pa/的F2模擬音所產生的“ga”反應也顯著的多于基線條件。

盡管實驗1和實驗2的結果整體上比較類似,二者之間也存在細微的差異。一個差異是/pa/、/pi/和/pu/三個音節的語境效應要小于它們的F2模擬音。另一個差異是在實驗1中, /pu/音節誘發了最多的“ga”反應, 但在實驗2中/pa/音節的F2模擬音誘發了最多的“ga”反應。因此實驗1和實驗2的結果不完全一致。有兩個可能的原因導致了這種差異。一個原因是語境音節中其它聲學線索的存在導致了實驗1和實驗2結果的差異。因為實驗2的非言語聲音只模擬了語境音節的F2軌跡, 并沒有考慮其它的聲學線索。雖然語境音節除F2軌跡之外的其它聲學線索(F1、F3和F4軌跡)大體上是匹配的, 但并沒有絕對的匹配, 這些其它聲學線索的差異可能導致了3個音節和其F2模擬音的語境效應存在一些差異。另一個可能是語境音節的語音范疇標簽導致實驗1和實驗2的結果存在差異。實驗1的3個語境音節除聲學線索差異外, 還可以分別感知為/pa/、/pi/和/pu/三個言語聲音, 既有相同的/p/范疇, 也有不同的3個元音范疇/a/、/i/和/u/。而實驗2的3個非言語聲音只是一些聲學線索, 不能感知為語音范疇,即缺少語音標簽, 這也可能是實驗1和實驗2的結果存在差異的原因。

實驗3的目的是進一步考察實驗1和實驗2結果存在差異的原因, 更深入的揭示實驗1的塞?元?塞音序列語境效應的來源和潛在機制。實驗3的語境聲音仍然采用3個非言語聲音, 但這3個非言語聲音模擬了實驗1三個音節的全部聲學線索, 即使用正弦波純音模擬言語聲音的全部共振峰軌跡。這屬于一種正弦波言語, 正弦波言語在沒有指導的時候被試很難將之感知為言語, 特別是單音節的聲音(Remez, Rubin, Pisoni, & Carrell, 1981)。通過使用正弦波言語, 實驗1和實驗3的語境聲音在聲學線索方面匹配的更全面, 如果實驗2與實驗1的結果差異是由于其它聲學線索差異引起的, 我們預期實驗3的正弦波言語將展現出與實驗1的言語聲音類似的語境效應。如果實驗2與實驗1的結果差異不是由于其它聲學線索差異引起的, 我們預期實驗3與實驗1的語境效應仍然會存在差異, 實驗1中3個音節的語境效應差異可能部分的起源于語音范疇感知的影響。

4 實驗3

實驗3以3個音節/pa/、/pi/和/pu/的正弦波言語為語境音, 目的是進一步考察除關鍵聲學線索F2之外的其它聲學線索在3個音節語境效應差異中所起到的作用。如果其它聲學線索是實驗1和實驗2語境效應差異的來源, 我們預期實驗3會表現出與實驗1相同的語境效應模式。否則, 實驗1的語境效應差異可能有其它的原因, 如語音范疇感知的影響。

4.1 方法

4.1.1 被試

21名南開大學學生(男生11名)參加了實驗3, 被試母語為漢語, 平均年齡23.8歲, 所有被試都沒有參加實驗1和2。被試視力或矯正視力正常, 聽力正常。實驗后付給報酬。

4.1.2 刺激

實驗3的語境刺激是音節/pa/、/pi/和/pu/的正弦波言語。正弦波言語模擬了3個言語音節所有的共振峰軌跡(見圖1)。3個音節的共振峰過渡段(包括前60 ms的F1和F2過渡段)采用調頻的正弦波滑音進行模擬, 共振峰穩態部分(包括F1和F2的穩態部分, 以及F3和F4)采用頻率恒定的正弦波純音進行模擬。模擬后的正弦波言語的簡要語圖見圖1。目標刺激仍然是/ta/-/ka/連續體。所有刺激的抽樣率、分辨率及RMS能量都互相匹配。3個語境音分別與/ta/-/ka/連續體上的10個刺激進行拼接, 構成30個刺激項目, 語境聲音和目標音節間間隔50 ms。

4.1.3 程序

被試首先完成基線條件?；€條件僅呈現10個目標刺激, 每個呈現10次要求被試進行識別。正式測試前先進行練習。練習和正式識別程序同實驗1?；€條件后被試完成3個帶語境音的識別條件, 3個條件的測試順序在被試間進行了平衡。每個條件下練習和正式識別程序同實驗1。整個實驗約持續40 min。

4.2 結果

4.3 討論

實驗3的結果分析表明/pa/-SWS條件下被試產生了最多的“ga”反應, 在刺激5～7以及刺激9上顯著的多于/pi/-SWS條件, 在刺激5上顯著的高于/pu/-SWS條件, 在刺激9上顯著的高于基線條件。/pu/-SWS和基線條件下被試產生的“ga”反應數量居中, 二者無顯著差異。/pi/-SWS條件下被試產生了最少的“ga”反應, 但與/pu/-SWS和基線條件下的差異沒有達到統計上的顯著水平。

圖5 基線條件及3個正弦波言語條件下被試在/ta/-/ka/連續體各刺激上平均的“ga”反應百分比

實驗3的結果整體上與實驗2非常類似, 都是/pa/的模擬音條件下被試產生了最多的“ga”反應, 其次是/pu/的模擬音條件, /pi/的模擬音條件被試產生了最少的“ga”反應。實驗3以正弦波言語為語境音, 正弦波言語模擬了實驗1中3個語境音節的全部共振峰軌跡, 只是被試不能將之感知為言語。但是實驗結果發現3個正弦波言語所產生的語境效應與只模擬3個音節F2軌跡的非言語聲音所產生的語境效應類似。這表明3個正弦波言語的語境效應差異應該主要源于它們的F2軌跡差異。這是可能的, 雖然3個正弦波言語除F2之外的其它共振峰模式存在細微差異,但它們總體上是匹配的, 如F1軌跡都處于低頻區, F3和F4都處于高頻區(見圖1), 它們對/ta/-/ka/連續體知覺的影響在3個正弦波言語中應該是類似的。因此3個正弦波言語的語境效應差異還是源于它們最關鍵的聲學線索差異, 即F2軌跡。這也導致實驗3和實驗2的結果總體上非常相似。

3個正弦波言語與3個音節整體的聲學線索是互相匹配的, 但實驗3的語境效應模式仍然與實驗1存在差別。這表明實驗1中3個音節的語境效應模式不完全是由于它們的聲學線索差異引起的, 也表明實驗1和實驗2的語境效應差異不是由于其它聲學線索(F1、F3和F4)差異引起的。實驗2和實驗3所使用的非言語聲音與實驗1的言語音節最重要的一個差別就是能否感知為語音。即使實驗3的正弦波言語模擬了言語音節所有的共振峰軌跡, 但是仍然不能感知為言語。由此實驗1中3個音節所表現出的語境效應模式至少部分的源于它們的語音范疇感知, 特別是與實驗2和實驗3的結果存在差別的部分。實驗1與后面兩個實驗結果存在差別的地方主要有兩點。一是/pa/、/pi/和/pu/三個音節的語境效應要小于它們的F2模擬音和正弦波言語所產生的語境效應, 方差分析發現3個音節的F2模擬音及正弦波言語條件下的語境主效應都顯著, 而3個音節的語境主效應沒有達到顯著。這可能由于3個音節有共同的塞音范疇感知, 盡管塞音/p/在3個音節中的聲學線索有差異, 但它們都能被感知為/p/。這種共同的語音范疇標簽可能降低了聲學線索差異所驅動的語境效應。而它們的F2模擬音和正弦波言語沒有共同的語音范疇標簽, 可能更能展現出聲學線索差異所引起的語境效應。第二個差別是實驗1中/pu/音節誘發了最多的“ga”反應, 但在實驗2和實驗3中/pa/音節的非言語模擬音誘發了最多的“ga”反應。這可能由于3個音節中元音范疇感知差異引起的, 元音/u/是圓唇元音, 而/a/和/i/是非圓唇元音,圓唇能夠降低聲學線索中F2的頻率, 可能對后面/ta/-/ka/連續體的知覺產生影響, 導致/pu/語境產生了最多的“ga”反應。而實驗2和實驗3的非言語模擬音缺少語音范疇感知, 因此沒有表現出這種模式。

5 總討論

當前研究通過3個實驗考察了漢語塞?元?塞音序列語境效應的潛在機制, 探討了聽覺理論和發音特征理論對言語語境效應的解釋力度。實驗1以3個塞?元音節/pa/、/pi/和/pu/為語境音, /ta/-/ka/連續體為目標音。通過對3個音節發音部位的分析, 發音特征理論預期被試“ga”反應比率在/pi/語境下最大, 其次是/pa/語境, /pu/語境下最小。而根據3個音節的聲學特征, 聽覺理論(頻譜對比效應)預期/pi/語境下被試的/ga/反應最少, /pa/和/pu/語境的效應方向不明確。實驗結果發現/pi/語境下被試產生了最少的“ga”反應, 其次是/pa/語境, /pu/語境下被試產生了最多的“ga”反應。這與聽覺理論的預期更一致, 與發音特征理論的預期相反。但是聽覺理論主要基于頻譜對比效應做出預期, 這正確的預測了/pi/語境的效應方向, 不能解釋/pa/和/pu/及其非言語模擬音的語境效應, 這在后面會進一步討論。鑒于3個音節主要的聲學線索差異是它們的F2軌跡,它們的語境效應差異是源于這種關鍵聲學線索的差異嗎？實驗2以實驗1三個音節F2軌跡的非言語模擬音為語境音, 考察了這種可能性。結果發現/pa/的F2模擬音產生了最多的“ga”反應, 其次是/pu/的F2模擬音, /pi/的F2模擬音產生了最少的“ga”反應。這與實驗1的結果整體上是一致的, 表明/pa/、/pi/和/pu/三個音節語境效應差異主要源于它們關鍵的聲學線索差異, 即第二共振峰(F2)模式的差異。這為基于聲學線索分析和解釋語境效應的聽覺理論提供了進一步的支持。

除了總體上的相似性, 實驗1和實驗2的結果也存在一些差異, 包括實驗1的語境效應更小、/pu/語境有最多的“ga”反應, 而實驗2語境效應更大,/pa/音節的F2模擬音有最多的“ga”反應。這表明雖然實驗1三個音節的語境效應主要源于它們F2軌跡的差異, 但F2軌跡差異不能完全解釋3個音節的語境效應模式。3個音節的語境效應差異應該還有其它的原因。比較實驗1和實驗2的語境刺激, 主要有兩個差別, 一是3個音節還包括除F2之外的其它共振峰線索, 這些共振峰所處的頻率區雖然在3個音節中總體上是匹配的, 但是還存在細微的差別, 有可能是這些非關鍵的共振峰軌跡導致了實驗1和實驗2語境效應的差別。另一個區別是實驗1是言語語境, 可感知為語音范疇, 而實驗2是非言語語境, 無法感知為語音范疇。這可能也是實驗1和實驗2語境效應差異的一個來源。實驗3對這兩種解釋進行了考察, 實驗3的語境音是3個音節的正弦波言語, 正弦波言語模擬了3個音節所有的共振峰軌跡,這樣實驗1和實驗3的語境音在聲學線索上是匹配的,二者主要的差別是實驗1的語境音可感知為言語,而實驗3的語境音很難感知為言語。如果實驗1和實驗2的語境效應差別是因為實驗1的語境音中其它聲學線索的存在, 那么聲學線索匹配后實驗1和實驗3的語境效應應該更類似。實驗3的結果分析表明/pa/的正弦波言語產生了最多的“ga”反應, 其次是/pu/的正弦波言語, /pi/的正弦波言語產生了最少的“ga”反應。這與實驗2的結果類似, 與實驗1的結果仍然存在差異。這表明實驗1與實驗2及實驗3的語境效應差異不是由于其它聲學線索的作用,更可能是由于實驗1的語境音能夠感知為語音范疇。語音范疇感知對3個音節的語境效應產生了一定的影響, 導致實驗1的語境效應模式和后面兩個實驗存在一些差別。

綜上, 3個實驗結果表明當前研究中的漢語塞?元?塞音序列語境效應差異主要起源于語境音關鍵聲學線索的差異, 但是語境音的語音范疇感知也能調節它們的語境效應表現?？傮w上, 實驗結果為基于聲學線索分析語境效應的聽覺理論提供了支持。但是聽覺理論忽視了語音范疇感知對語境效應的影響, 當前實驗結果對聽覺理論觀點是一個補充, 語境音的語音范疇也能一定程度上影響到它們的語境效應模式。事實上, 一些研究者認為語音學習和語音范疇感知是語境效應的一個重要來源(Mitterer,2006; Smits, 2001)。實驗結果沒有支持基于發音部位分析語境效應的發音特征理論, 即語境效應可能不是由于協同發音的知覺彌補, 更多的是由于聽者對語境音中聲學線索的聽覺加工及語音范疇感知影響到后面目標音的知覺和識別。

當前實驗結果對聽覺理論的另一個重要補充是聲學線索產生語境效應的模式不僅僅是頻譜對比效應。聽覺理論者主要依據頻譜對比效應解釋言語和非言語聲音的語境效應。頻譜對比效應假設認為存在對比性頻譜成分的語境聲音能以對比的方式影響到目標音節的識別, 潛在機制可能是語境音中關鍵頻譜成分的激活導致聽覺皮層加工的適應, 這種適應會使得目標音節中與語境音相同的頻譜成分激活下降,因而被試會更多的以具有對比性頻譜成分的范疇進行反應(Holt, 2006; Holt & Lotto, 2002; Holt et al.,2000; Lotto & Kluender, 1998)。如當前研究中語境音節/pi/的F2軌跡與目標音節/ka/的F3軌跡幾乎重疊(具體分析見前言與圖1), 按照頻譜對比效應的預期,被試加工語境音節/pi/后聽覺皮層對/pi/的F2軌跡產生適應, 導致被試隨后在感知/ta/-/ka/連續體時對/ka/的F3線索也不夠敏感, 因而被試會更多的以/ta/進行反應。這個理論正確的預期了/pi/音節及其非言語模擬音所產生的語境效應, 它們在3個實驗中確實誘發了最少的“ga”反應。但是這個理論難以解釋/pa/和/pu/及其非言語模擬音的語境效應。/pa/和/pu/的F2軌跡及其F2模擬音都處于低頻區(/pa/：從800 Hz到1200 Hz; /pu/：從900 Hz到650 Hz), 與目標序列/ta/-/ka/連續體的F3頻率區(從1800 Hz到2700 Hz)間隔較遠, 但它們仍然影響到/ta/-/ka/連續體的識別, 都導致被試產生了更多的“ga”反應(在一些條件下甚至顯著的多于基線條件)。如果按照頻譜對比效應的解釋, 即使存在適應效應, 這些低頻的聲學線索也只能引起/ka/音節F3過渡段的適應(相比/ta/音節, /ka/音節F3過渡段的頻率更低), 從而會讓被試產生更多的/ta/反應。然而實驗結果卻發現/pa/和/pu/及其非言語模擬音做語境時被試產生了更多的/ka/反應。因此頻譜對比效應假設難以解釋/pa/和/pu/及其非言語模擬音的語境效應。

如何解釋這種語境效應呢？一種可能性是這些低頻的聲學語境激活了一些聲學線索, 這些聲學線索促進了/ka/范疇的識別。眾多研究發現齒齦塞音/d/的典型聲學線索包括一個高頻的爆破段和一個起始頻率在1500～1800 Hz左右的下傾的共振峰過渡段, /d/的頻譜能量集中于高頻區; 舌根塞音/g/的典型聲學線索包括一個中頻的爆破段和一個1～2 kHz之間的共振峰過渡段, 通常會有一個突顯的中頻頻譜峰(Cooper et al., 1952; Delattre et al., 1955;Li, Menon, & Allen, 2010; Stevens & Blumstein,1978)。漢語塞音/t/和/k/也發現了類似的聲學特征。塞音/t/爆破段的能量集中于高頻區(約3000～4000 Hz左右); 塞音/k/的爆破段通常有兩個頻譜峰, 一個突顯的中頻峰(約1400 Hz左右)和一個稍弱的高頻峰(陽晶, 陳肖霞, 2005)。由此塞音/t/的頻譜能量主要集中于高頻區, 而塞音/k/的能量主要集中于中頻區, /pa/和/pu/音節及其非言語模擬音這些低中頻的共振峰軌跡可能激活了一些能量集中于低中頻區的聲學線索, 這些低中頻區的聲學線索又促進了/ka/范疇的識別。研究也表明/ga/的知覺主要由中頻的爆破段決定(Li et al., 2010)。按照這個假設, 可以預期有高頻共振峰軌跡的語境音會促進/ta/范疇的識別。初步實驗證實了這個預期, 8名漢語聽者參加了一個小測驗, 60 ms高頻和低頻滑音充當語境音, /ta/-/ka/連續體充當目標音。高頻滑音從3600 Hz線性提高至4000 Hz, 低頻滑音從900 Hz線性提高至1300 Hz。實驗結果表明低頻(高頻)音語境條件下被試在刺激1～10上平均的“ga”反應百分比分別是：96.25(95), 90(93.75), 87.5(92.5), 92.5(93.75), 65(58.75),45(16.25), 51.25(17.5), 23.75(3.75), 21.25(7.5)和20(5)。實驗結果符合聲學線索激活假設的預期, 高頻線索條件下被試有更多的/ta/反應, 低頻線索條件下被試有更多的/ka/反應。這表明/pa/和/pu/音節及非言語模擬音的語境效應可能是由于激活了有利于/ka/范疇識別的聲學線索, 即一些中低頻的聲學線索, 這些中低頻的聲學線索是識別/ka/范疇的關鍵線索。因而, 當前實驗結果擴展了聽覺基礎上的語境效應類型, 除頻譜對比效應引起的語境效應外, 某個語音范疇聲學線索的激活也能促進該范疇的識別。

最后, 來自聽覺神經科學的研究成果也為基于聽覺理論解釋語境效應提供了支持。研究表明哺乳動物聽覺皮層神經元的活動受到聽覺刺激歷史或語境的影響(Asari & Zador, 2009; Bartlett & Wang,2005; Brosch & Schreiner, 1997; Brosch & Scheich,2008; David & Shamma, 2013; Delgutte, 1996;Lochmann, Ernst, & Denève, 2012; Ulanovsky, Las,Farkas, & Nelken, 2004)。前面的刺激能夠抑制或促進聽覺皮層神經元對隨后刺激的反應：當前后刺激的參數(特別是頻率)類似時, 會產生最強的抑制效應; 當前后刺激的參數不同時, 可能會有促進效應(Bartlett & Wang, 2005; Brosch & Schreiner, 1997;Brosch & Scheich, 2008)。聽覺皮層神經元對刺激語境的敏感為語境效應提供了神經基礎。刺激語境能夠激活或抑制聽覺皮層神經元對一些聲學線索的反應, 當某個語音范疇的聲學線索被前面語境抑制后, 該語音范疇的識別可能會受到抑制; 當某個語音范疇的聲學線索被前面語境激活后, 該語音范疇的識別可能會受到促進。

6 總結與展望

當前研究以漢語塞?元音節及其非言語模擬音為語境音, 漢語/ta/-/ka/連續體為目標音, 通過3個實驗考察了發音特征理論和聽覺理論對漢語塞?元?塞音序列語境效應的解釋力度, 并對塞?元?塞音序列語境效應機制進行了深入探討。實驗結果發現塞?元?塞音序列語境效應主要源于語境音聲學線索的差異, 語境音的語音范疇感知可能也部分的影響到其語境效應表現。另外實驗結果發現除頻譜對比效應所預期的語境效應外, 頻率波段遠離目標音關鍵聲學線索所處頻率區的語境音也能影響到目標音的識別, 可能由于該語境音激活了特定語音范疇的聲學線索。當前實驗結果不僅有助于解決聽覺理論和發音特征理論對語境效應解釋方面的爭論,還對基于頻譜對比效應解釋語境效應的聽覺理論進行了補充和豐富。雖然實驗結果總體上支持了聽覺理論, 但是單純的頻譜對比效應不能解釋語境效應變異的所有事實, 還需要考慮語音范疇感知及特定聲學線索激活對目標音識別的影響。

當前研究雖然為漢語塞?元?塞音序列的語境效應機制提供了一些解釋, 但是言語知覺中的語境效應是一個非常復雜的現象, 還有很多問題需要進一步探討。語境效應的來源可能包括聲學線索的影響、語音范疇的影響, 以及語音經驗的作用, 這些因素都在什么情境中的語境效應中起作用, 它們之間有什么差別, 如聽覺和語音基礎上的語境效應是否存在加工時間方面的差異, 這些都值得進一步探索。即使是聲學線索驅動下的語境效應, 其潛在的機制也可能存在差異, 這包括聽覺基礎上的對比效應, 特定聲學線索對特定范疇識別的促進作用, 聲學線索在什么條件下起到抑制作用(對比), 什么時候又能起到促進作用, 這也需要進一步探討。最后, 語境效應的神經機制也值得探索, 聽覺神經科學已經在微觀角度上對此進行了一些探討, 認知神經科學角度上的宏觀研究還比較少, 這也是將來研究的一個方向。

Asari, H., & Zador, A. M. (2009). Long-lasting context dependence constrains neural encoding models in rodent auditory cortex.

Journal of Neurophysiology, 102

, 2638–2656.Bartlett, E. L., & Wang, X. Q. (2005). Long-lasting modulation by stimulus context in primate auditory cortex.

Journal of Neurophysiology, 94

, 83–104.Brosch, M., & Scheich, H. (2008). Tone-sequence analysis in the auditory cortex of awake macaque monkeys.

Experimental Brain Research, 184

, 349–361.Brosch, M., & Schreiner, C. E. (1997). Time course of forward masking tuning curves in cat primary auditory cortex.

Journal of Neurophysiology, 77

, 923–943.Coady, J. A., Kluender, K. R., & Rhode, W. S. (2003). Effects of contrast between onsets of speech and other complex spectra.

Journal of the Acoustical Society of America, 114

,2225–2235.Cooper, F. S., Delattre, P. C., Liberman, A. M., Borst, J. M., &Gerstman, L. J. (1952). Some experiments on the perception of synthetic speech sounds.

Journal of the Acoustical Society of America, 24

, 597–606.David, S. V., & Shamma, S. A. (2013). Integration over multiple timescales in primary auditory cortex.

Journal of Neuroscience, 33

, 19154–19166.Delattre, P. C., Liberman, A. M., & Cooper, F. S. (1955).Acoustic loci and transitional cues for consonants.

Journal of the Acoustical Society of America, 27

, 769–773.Delgutte, B. (1996). Auditory neural processing of speech. In W. J. Hardcastle & J. Laver (Eds.),

The handbook of phonetic sciences

(pp. 505–538). Oxford: Blackwell.Diehl, R. L., Lotto, A. J., & Holt, L. L. (2004). Speech perception.

Annual Review of Psychology, 55

, 149–179.Fowler, C. A. (1986). An event approach to the study of speech perception from a direct-realist perspective.

Journal of Phonetics, 14

, 3–28.Fowler, C. A. (2006). Compensation for coarticulation reflects gesture perception, not spectral contrast.

Perception &Psychophysics, 68

, 161–177.Fowler, C. A., Brown, J. M., & Mann, V. A. (2000). Contrast effects do not underlie effects of preceding liquids on stopconsonant identification by humans.

Journal of Experimental Psychology: Human Perception & Performance, 26

, 877–888.Holt, L. L. (2005). Temporally nonadjacent nonlinguistic sounds affect speech categorization.

Psychological Science,16

, 305–312.Holt, L. L. (2006). Speech categorization in context: Joint effects of nonspeech and speech precursors.

Journal of the Acoustical Society of America, 119

, 4016–4026.Holt, L. L., & Lotto, A. J. (2002). Behavioral examinations of the level of auditory processing of speech context effects.

Hearing Research, 167

, 156–169.Holt, L. L., & Lotto, A. J. (2008). Speech perception within an auditory cognitive science framework.

Current Directions in Psychological Science, 17

, 42–46.Holt, L. L., Lotto, A. J., & Kluender, K. R. (2000). Neighboring spectral content influences vowel identification.

Journal of the Acoustical Society of America, 108

, 710–722.Kingston, J., Kawahara, S., Chambless, D., Key, M., Mash, D.,& Watsky, S. (2014). Context effects as auditory contrast.

Attention, Perception, & Psychophysics, 76

, 1437–1464.Li, F. P., Menon, A., & Allen, J. B. (2010). A psychoacoustic method to find the perceptual cues of stop consonants in natural speech.

Journal of the Acoustical Society of America, 127

, 2599–2610.Liberman, A. M., Cooper, F. S., Shankweiler, D. P., &Studdert-Kennedy, M. (1967). Perception of the speech code.

Psychological Review, 74

, 431–461.Liberman, A. M., & Mattingly, I. G. (1985). The motor theory of speech perception revised.

Cognition, 21

, 1–36.Lochmann, T., Ernst, U. A., & Denève, S. (2012). Perceptual inference predicts contextual modulations of sensory responses

. Journal of Neuroscience, 32

, 4179–4195.Lotto, A. J., & Holt, L. L. (2006). Putting phonetic context effects into context: A commentary on Fowler (2006).

Perception & Psychophysics, 68

, 178–183.Lotto, A. J., & Kluender, K. R. (1998). General contrast effects in speech perception: Effect of preceding liquid on stop consonant identification.

Perception & Psychophysics,60

, 602–619.Lotto, A. J., Sullivan, S. C., & Holt, L. L. (2003). Central locus for nonspeech context effects on phonetic identification (L).

Journal of the Acoustical Society of America, 113

, 53–56.Mann, V. A. (1980). Influence of preceding liquid on stop-consonant perception.

Perception & Psychophysics,28

, 407–412.Mann, V. A., & Repp, B. H. (1980). Influence of vocalic context on perception of the [∫]–[s] distinction.

Perception& Psychophysics, 28

, 213–228.Mann, V. A., & Repp, B. H. (1981). Influence of preceding fricative on stop consonant perception.

Journal of the Acoustical Society of America, 69

, 548–558.Mitterer, H. (2006). On the causes of compensation for coarticulation: Evidence for phonological mediation.

Perception& Psychophysics, 68

, 1227–1240.Remez, R. E., Rubin, P. E., Pisoni, D. B., & Carrell, T. D.(1981). Speech perception without traditional speech cues.

Science, 212

, 947–949.Smits, R. (2001). Evidence for hierarchical categorization of coarticulated phonemes.

Journal of Experimental Psychology:Human Perception and Performance, 27

, 1145–1162.Stephens, J. D. W., & Holt, L. L. (2003). Preceding phonetic context affects perception of nonspeech (L).

Journal of the Acoustical Society of America, 114

, 3036–3039.Stevens, K. N., & Blumstein, S. E. (1978). Invariant cues for place of articulation in stop consonants.

Journal of the Acoustical Society of America, 64

, 1358–1368.Ulanovsky, N., Las, L., Farkas, D., & Nelken, I. (2004).Multiple time scales of adaptation in auditory cortex neurons.

Journal of Neuroscience, 24

, 10440–10453.Viswanathan, N., Fowler, C. A., & Magnuson, J. S. (2009). A critical examination of the spectral contrast account of compensation for coarticulation.

Psychonomic Bulletin and Review, 16

, 74–79.Viswanathan, N., Magnuson, J. S., & Fowler, C. A. (2010).Compensation for coarticulation: Disentangling auditory and gestural theories of perception of coarticulatory effects in speech.

Journal of Experimental Psychology: Human

Perception and Performance, 36

, 1005–1015.

Viswanathan, N., Magnuson, J. S., & Fowler, C. A. (2013)

.Similar response patterns do not imply identical origins: An energetic masking account of nonspeech effects in compensation for coarticulation.

Journal of Experimental Psychology:Human Perception and Performance, 39

, 1181–1192.Viswanathan, N., Magnuson, J. S., & Fowler, C. A. (2014).Information for coarticulation: Static signal properties or formant dynamics?

Journal of Experimental Psychology:Human Perception & Performance, 40

, 1228–1236.Wade, T., & Holt, L. L. (2005). Effects of later-occurring nonlinguistic sounds on speech categorization.

Journal of the Acoustical Society of America, 118

, 1701–1710.Yan, J. (1990). A study of the vowel formant pattern and the coarticulation in the voiceless stop initial monosyllable of Standard Chinese. In

Report on phonetic research

(pp.30–54). Institute of Linguistics, Chinese Academy of Social Sciences.Yang, J., & Chen, X.-X. (2005). The characteristic analysis for stop burst spectrum in Standard Chinese. In

Report on phonetic research

(pp. 70–75). Institute of Linguistics,Chinese Academy of Social Sciences.(陽晶, 陳肖霞. (2005). 普通話塞音爆破段譜的特性分析. 見

語音研究報告

(pp. 70–75). 中國社會科學院語言研究所.)