语音作为关系导向的线索：解码以听者为导向和以内容为导向的语音交流背后的神经机制

《Brain and Language》：Voice as relational orientation cue: neural dynamics underlying the decoding of listener- and content-oriented vocal communication

　　江晓明|宋庆义|胡彦兵|卢林毅•通过脑电图、交叉拼接范式以及多变量模式分析，探究听者对语音内容线索解码的神经机制。•发现神经活动的差异：以听者为导向的线索存在两个LPC波段（后部434-1006毫秒/右中央区1034-1600毫秒），而以内容为导向的线索则没有。•一致性仅影响以听者为导向的线索：不一致性会导致LPC波段范围扩大（452-880毫秒），同时降低右后部阿尔法波的活跃度（992-1328毫秒）。•多变量模式分析显示：以听者和内容为导向的线索都能被稳定解码（266–1600毫秒），但一致性效应仅在以听者为导向的线索中显现（720-1472毫秒）。•研究进一步完善了与“大二因素模型”相关的三阶段语音模型，为语言学、认知神经科学及社会交流研究提供了理论基础。

引言在日常交流中，人们常听到诸如“我不同意这个观点，而非你”——这样的表述，其区别在于语音线索是体现说话者对听者的态度（如“非你”，强调人际和谐），还是对话题的态度（如“不同意这个观点”，突出对内容的看法）。这种双重性反映了副语言交流中的核心分歧：在组织言语时，说话者会策略性地调整韵律特征（如音高、强度、时长），以强调与听者的关系（以听者为导向）或对内容的主观评价（以内容为导向）（Epley等人，2022；Wichmann，2000）。即便缺乏丰富的视觉背景或明确的语言标记，听者仍能依靠这些细微的语音线索推断交流意图（Kinzler，2021），而这正是实现顺畅社交互动的关键能力。然而，尽管这种区分在自然言语中极为普遍，但大脑如何在线处理并区分以听者为导向与以内容为导向的语音线索的神经机制至今仍未得到充分研究，这一空白限制了我们理解副语言信息如何影响社会感知的能力。

此处所指的情感语音线索，即传递社会情感意义的言语副语言成分，是指说话者通过调整韵律特征（如平均基频[F0]、F0范围、振幅范围、时长以及谐波与噪声比[HNR]），有意编码人际关系取向的语音信号（Caffi & Janney，1994；Jiang & Pell，2017）。这些线索并非随意产生，而是基于社会感知中的“大二因素模型”——即温暖度（如友善程度、亲密感）和能力感（如自信程度、支配感）——这两大维度决定了人类对所有社会信号的解读方式（Fiske等人，2007；Epley等人，2022；Xu和Jiang，2026）。这种与“大二因素模型”的契合至关重要，它将语音线索的处理与更广泛的社会认知机制联系起来，使其有别于那些依赖于非自愿情感反应的简单情感语音处理（如愤怒、快乐）（Mitchell & Ross，2013；Scherer等人，2001）。与反映短暂内在状态的情感韵律不同，用于表达人际关系取向的情感语音线索是经过刻意设计的、受语境影响的，且旨在引导听者理解人际关系或话题相关性（Xu和Jiang，2026），因此成为高级社会交流的核心要素。

此处所说的人际关系取向，指的是情感语音线索中所蕴含的两种交流意义方向，可根据其指向对象分为两类。第一类是以听者为导向的取向：它关注说话者与听者之间的人际关系，其表现与“大二因素模型”中的两大维度相关——在能力感维度上表现为支配/顺从（如用坚定语调传达支配感，用柔和语调传达顺从感）；在温暖度维度上表现为亲密/疏远（如用温和语调传达亲密感，用冷淡语调传达疏远感）。这类线索需要听者进行心理推理（如“说话者是在试图对我展现权威吗？”）才能理解其意图，这一过程涉及大脑的中前额叶皮层和颞顶联合区等区域（van Ackeren等人，2016）。第二类是以内容为导向的取向：它侧重于说话者对所讨论话题或内容的立场，同样对应着上述两大维度——在能力感维度上表现为确定/怀疑（如用果断语调传达确定感，用犹豫语调传达怀疑感）；在温暖度维度上表现为渴望/抵触（如用热切语调传达渴望感，用迟缓语调传达抵触感）（Caffi & Janney，1994；Epley等人，2022；Jiang & Pell，2017）。与以听者为导向的线索不同，以内容为导向的线索依赖韵律特征与话题相关评价之间的直接映射（如“果断的语调意味着对内容的自信”），这是一种更为高效的处理方式，能减少心理推理的需求（Mitchell & Ross，2013）。

虽然已有研究探讨过以听者为导向的言语表达——比如为儿童（如通过更高的平均F0值和更宽的F0范围来增强亲密感；Trainor & Desjardins，2002）或外群体成员（如通过更清晰的发音来减少沟通障碍；Bent & Bradlow，2003）调整语音特征——但系统比较这两种以听者为导向的情感语音线索与以内容为导向的线索的研究却相对较少（Jiang & Pell，2017）。从神经生理学角度而言，现有研究仅分析了针对特定类型语音线索的神经反应，比如传达自信与怀疑（与内容相关）或礼貌与无礼（与听者相关）的线索，发现这类线索会引发不同的事件相关电位成分和振荡活动（Jiang & Pell，2015；Vergis等人，2020）。然而，尚无研究直接比较处理这两种人际关系取向的情感语音线索的神经动态机制，这导致我们难以理解大脑是如何区分人际相关与话题相关的语音含义的。自然对话中，语音线索往往会不断变化（Marrero等人，2022），比如某个开头短语（如“我确定”）可能与后续的语气（如犹豫）形成矛盾，从而出现不一致性。解决这类冲突需要大脑的冲突检测和语义整合系统发挥作用，这表现为LPC波段的增强（Jiang & Pell，2016b），这是感知后社会意义得以解决的标志（Jiang & Pell，2016b；Paulmann等人，2019）；同时也会伴随8–12赫兹的阿尔法波振荡变化，这类振荡有助于将注意力集中在社会线索上（Zougkou等人，2017；Sabbagh & Flynn，2006；Xu和Jiang，2026）。例如，由于这类冲突更关乎说话者与听者之间的人际关系，以听者为导向的冲突（如先使用强势开头短语，随后又用柔和语气）可能比以内容为导向的冲突（如先表达确定态度，随后又表示怀疑）引发更强的LPC波段反应（Fiske等人，2007；Wojciszke等人，1998）。

不过，大脑究竟是如何具体区分并解决以听者为导向与以内容为导向的一致性冲突的神经动态机制仍不清楚——比如，所谓以听者为导向的冲突因具有更高社会重要性而会产生更强的LPC波段反应这一观点是否有神经学证据支持，以及人际关系取向与一致性因素如何共同影响事件相关电位和振荡反应。这一空白限制了我们理解大脑如何动态解码自然交流中不断变化的语音人际关系线索。为解决这一问题，我们提出了三个核心研究问题：（1）在处理一致性信息时，解码以听者为导向与以内容为导向的语音线索分别遵循怎样的独特神经动态模式？（2）一致性（开头短语与主句之间是否匹配）如何影响对这两种类型线索的神经反应？（3）与以内容为导向的冲突相比，以听者为导向的冲突是否会引发更明显的神经冲突信号？鉴于人际关系在社会感知中的核心地位（Kinzler，2021），我们推测以听者为导向的冲突会消耗更多大脑资源，但目前尚未有神经学数据对此加以验证（Xu和Jiang，2026）。

为填补这些研究空白，我们采用了交叉拼接范式来模拟自然场景下的语音线索变化——这种方法能够在保持现实情境合理性的同时，创建出可控的匹配/不匹配刺激（Jiang & Pell，2016b；Xu和Jiang，2026）。言语表达首先由一个带有特定人际关系取向的开头短语构成（通过语音和语义线索体现），随后是一个主句，该主句的语音线索可能与开头短语匹配或不一致（例如，强势的开头短语搭配顺从的主句，即为以听者为导向的不一致情境）。参与者在完成关系取向判断的同时，大脑电活动会被同步记录。这一设计能够分离出三个关键因素：（1）人际关系取向（以听者为导向 vs. 以内容为导向），（2）一致性（匹配 vs. 不匹配），以及二者之间的交互作用——从而实现了对不同取向线索的直接神经对比（Chen等人，2015；Jiang & Pell，2016b；Paulmann等人，2019；Tomasello等人，2022）。

我们结合事件相关电位分析、时频分析以及多变量模式分析，用以捕捉同步与非同步的神经动态特征。为确保研究的可重复性和任务普适性，我们开展了两项实验：实验1采用了明确的关系取向判断任务，旨在确定核心神经效应；实验2则采用了被动倾听任务，尽量减少对参与者显性认知或策略性处理的需求，以便在更接近自然场景的条件下重复实验结果，并排除任务特异性干扰因素。此外，我们还进行了表征相似性分析，用以从低级的声学、情感及反应相关干扰因素中，分离出高级别的关系取向认知表征。事件相关电位分析重点关注400–1600毫秒时间范围内的晚期正波，这一时段此前已被认为与语音意义提取相关（Jiang & Pell，2015）。时频分析则着眼于与社交推理相关的8–12赫兹阿尔法波振荡，以及与语义整合相关的45–55赫兹伽马波活动。多变量模式分析则用于判断神经模式是否能随时间揭示取向和一致性的特征，进而帮助我们了解社会线索处理的动态过程。

鉴于实验1和实验2在任务性质上的差异，我们预计实验1中会出现更强且更广泛的神经效应（LPC波段、阿尔法波、多变量模式分析结果），而以听者为导向与以内容为导向的线索差异在两项实验中都应存在。我们的预期结论如下：（1）与以内容为导向的线索相比，以听者为导向的线索会在后部及右中央脑区的较宽时间范围内引发更强的晚期正波，这一结果与先前关于人际语音线索需要更复杂的神经处理才能实现社会意义提取的研究发现一致（Jiang & Pell，2015；Paulmann & Kotz，2008）。（2）不一致的线索会进一步放大这类正波反应，尤其是在以听者为导向的言语表达中，因为在类似时间范围内解决人际冲突需要消耗更多大脑资源，相比基于内容的冲突而言（Jiang & Pell，2016b；Paulmann等人，2012）。（3）以听者为导向的线索会在后期时间范围内降低后部脑区的阿尔法波强度（即降低同步性），这反映出参与者对社交信息的关注度上升，而在不一致情境下这种降低现象会更明显，这一结果与阿尔法波调节有助于思维理论构建和社会线索整合的观点相符（Genzer等人，2022；Sabbagh & Flynn，2006）。（4）多变量模式分析能够识别出宽时间范围内的取向特征，以及碎片化时间窗口内的一致性特征，这表明取向信息的表征较为稳定，而一致性信息的处理则具有临时性特征（Coopmans & Nieuwland，2020；Tomasello等人，2022）。通过验证这些预测，本研究阐明了大脑如何动态解码以听者为导向与以内容为导向的语音线索，从而丰富了语音表达处理的理论模型（Jiang等人，2020），也为理解现实场景中的副语言交流（如如何解读对话中的混合信号）奠定了基础。

参与者共有33名中文母语者参与了实验1，其中女性16名，年龄为22.36±2.54岁，范围在18至29岁之间；受教育年限为14.72±2.49年，范围在12至19年之间。另有24名中文母语者参与了实验2，其中女性12名，年龄为22.7±2.6岁，范围在18至27岁之间；受教育年限为16.21±2.6年，范围在12至21年之间。所有参与者均表示自己没有言语或听力问题，也无任何神经系统或精神疾病。

实验1广义线性模型分析显示，关系取向这一因素在关系取向判断任务中具有显著影响（β=-1.97，z=-8.11，p<0.001）。事后分析表明，对于以听者为导向的语音，参与者判断的正确率较低（92.9±12.1%），而针对以内容为导向的语音，正确率则更高（99.0±1.6%，z=11.01，p<0.001）。一致性这一因素也具有显著影响（β=-0.57，z=-2.73，p=0.006）。事后分析显示，对于一致的陈述，参与者的判断正确率更高（97.5±4.9%），而不一致陈述的判断正确率则较低。

讨论本研究通过交叉拼接范式模拟自然场景下社交交流中语音线索的动态变化，进而探究了语音中以听者为导向与以内容为导向的线索在神经层面上的差异处理机制，这一方法与近年来试图将实验室控制下的刺激与真实言语场景相结合的研究方向相契合（Juslin等人，2018；Marrero等人，2022）。通过结合事件相关电位分析、时频振荡分析以及多变量模式分析，我们...

结论本研究表明，以听者为导向与以内容为导向的语音线索是通过不同的、具有阶段特异性的认知加工过程来解码的，其中以听者为导向的线索解码涉及后期的社会推理过程，以及由阿尔法波调控的注意力分配与抑制机制。交叉拼接范式能够有效模拟自然交流中的语义变化情况（Juslin等人，2018；Marrero等人，2022），研究结果表明，一致性主要影响人际导向型线索的神经反应，这一发现也与社会因素在交流中的核心地位相吻合。

贡献说明江晓明：论文撰写——审阅与编辑、论文撰写——初稿撰写、结果验证、研究监督、实验设计、资金申请、概念构思。宋庆义：论文撰写——审阅与编辑、数据可视化、软件应用、研究方法设计、定量分析、数据整理。胡彦兵：论文撰写——初稿撰写、研究方法设计、实验实施、定量分析。卢林毅：论文撰写——初稿撰写、实验实施、定量分析、数据整理、概念构思。

利益冲突声明作者声明自己不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢本研究得到了中国国家自然科学基金（项目编号32471109）以及上海外国语大学导师指导计划（项目编号2025DSYL043）的支持。