本文通过利用两个先进的语音模型 (Dirichlet process Gaussian mixture model 和 wav2vec 2.0) 的表现来实现一种新的想法，探讨母语对语音感知的影响，以 61 个元音为例，并表明音位同化比精细的语音建模更好地预测区分行为，同时显示 wav2vec 2.0 是较低层次音韵特征的良好模型。

May, 2022

本文提出了一种新的数据驱动方法来研究跨语音识别方案中的跨语言声学语音相似性，通过训练深度神经网络来将来自不同声音模型的分布转化为可直接比较的形式，并通过熵分析发现少重叠语音的语言更易于跨语言传输，在融合单语言模型方面取得了相对于单语言识别的 8％的改进。

Jul, 2022

本研究探究了基于注意力机制的分布式方法在语音情感识别中的应用，提出了通过将手机和单词映射到注意向量的交叉语料分析实验方法来寻找声学环境和情感之间的关系，以期将心理语言学理论研究与计算建模结合起来。

Jun, 2023

这项研究探讨了第二语言（L2）英语演讲模仿中 F0 演化的问题，在交替阅读任务（ART）中。结果表明，L2 英语熟练程度与演化之间存在微妙的关系：熟练程度较高的演讲者在音高变化和下降方面通常表现出较少的演化。然而，在一对一的情况下，熟练程度较高的演讲者表现出更强的模仿音高范围的能力，导致进一步的演化。这表明熟练程度在个体和对位级别上对演化产生不同的影响，突出了语言技能和韵律的复杂相互作用。

Apr, 2024

本研究探讨了神经语音识别模型 Wav2Vec2 如何感知同化声音，并确定模型实现同化补偿的语言知识。通过心理语言学刺激和分析，我们发现不同的语言环境线索如何影响模型输出的补偿模式。我们的实验结果表明，模型在最后的层次将同化的声音从声学形式转变为其基本形式。此外，我们的因果干预实验表明，模型依赖最少的语音环境线索来实现这种转变。这些发现为更好地理解神经自动语音识别模型和人类之间的语音处理相似性和差异性迈出了一步。

Jun, 2024

研究发现，非母语人士在处理口语时存在困难，导致其在词汇记忆的语音编码上不够准确，本研究使用计算模型模拟语音学习，发现有些非母语人士的口音知觉可能是导致这种困难的原因之一。

Jan, 2021

使用大型语言模型结合经典的心理物理学方法，从文本中提炼出心理物理信息，然后应用多维尺度方法发现其潜在的心理空间。在六个知觉域上测试我们的方法，成功地拟合了文献中已知的心理物理结构。这项工作展示了如何将最先进的机器模型与经典的认知范式相结合，从而阐明感知和语言研究中的基本问题。

Feb, 2023

研究发现，人类认知塑造了语言的演变和使用，600 种语言的语料库证实了超出和内部有惊讶 - 持续时间权衡的存在，结果是在不同语言中，更少惊讶的音位生成速度更快，反之亦然，并且确认了 319 种语言中更惊讶的音位平均更长。

Sep, 2021

语音到语音翻译系统需要克服适用于对话用途时可能会丧失言者意图和立场微妙细节的问题，通过开发一个数据收集协议并研究跨语言韵律差异，我们提出了一种简单的韵律差异度量方法，并基于此对三个基本模型的实用性进行了评估，结果可指导未来跨语言韵律以及有效韵律传递的语音到语音翻译系统的设计。

Jul, 2023

模拟了从计算模型中提取的表示进行的分析揭示了与大脑信号相似的时间动态，这表明这些特性可以在没有语言知识的情况下出现。此外，研究证明，声素的编码模式支持一定程度的跨语境概括，但我们发现这种概括的有效性取决于具体的语境，这表明单独的分析不足以支持存在语境无关编码。

May, 2024