儿童中声音微笑内部表征的声学特征

《Speech Communication》：Acoustic features underlying internal representation of vocal smile in children

　　

微笑是发展中的一个关键特征，也可以在声音中被听到。在发展过程中，声音情绪识别能力的提高伴随着听觉皮层的整体神经解剖学成熟。虽然预测编码框架（predictive coding framework）表明内部表征（internal representation）在发展过程中随年龄增长而精细化，但声音微笑（vocal smile）的内部表征尚未在该特定年龄范围内的儿童中进行描述。本研究旨在通过调查儿童声音微笑的内部表征以及该表征的稳健性（robustness）来弥合这一知识空白。研究人员在46名8至12岁儿童和42名成年人中评估了声音微笑模型。采用反向相关方法（reverse correlation approach），允许区分声音微笑模型的两个组成部分：声音微笑的声学特征（acoustic features）和内部表征稳健性，量化为内部噪声（Internal Noise）。作为一个群体，儿童表现出与成年人相同的声音微笑内部表征。然而，当将儿童的个体表征与成年人的表征进行比较时，研究人员证明，在儿童群体内，随着年龄增长，他们的表征逐渐更接近成年人的模板。此外，内部噪声估计允许区分两个儿童亚组，其中一个亚组在获取该内部表征方面表现出延迟。本研究为学龄儿童情绪声音处理的发展和变异性提供了关键见解。

**研究背景与问题**
情绪识别是人类发展中的关键技能，尤其在儿童早期，它影响学业表现、自信心和社会适应。声音情绪（emotional prosody）通过调节音高、强度、语速和音色等声学线索传递情感，是社交和认知发展的重要基础。儿童从胎儿期开始接触声音，出生后对情绪语音的感知能力逐步发展。然而，尽管已有研究描述了儿童在情绪声音识别中的年龄相关改善，并指出听觉皮层（auditory cortex）的神经解剖学成熟在这一过程中起关键作用，但关于儿童内部表征（internal representation）的具体构建尚不明确。预测编码框架（predictive coding framework）提出，内部表征随年龄增长通过经验精细化，但声音微笑（vocal smile）——即说话时微笑导致的声音变化——在学龄儿童（8-12岁）中的内部表征尚未被系统研究。现有研究多聚焦于成人，而儿童在这一关键发育窗口中的内部表征及其稳健性（robustness）存在空白。为此，本研究旨在探究儿童声音微笑的内部表征，并评估其与成人模板的相似性及表征稳健性，以揭示发展轨迹和个体差异。
**研究内容与结论**
研究人员对46名8-12岁儿童（平均10.5±1.5岁）和42名成人（平均25.2±8.9岁）进行了实验，所有参与者均为法语母语者，无神经或精神疾病史。通过反向相关（reverse correlation）任务，研究人员提取了儿童的声音微笑内部表征（即声学滤波器）和内部噪声（internal noise）。结果发现：作为群体，儿童与成人共享相同的内部表征；但个体分析显示，儿童的表征随年龄增长逐渐接近成人模板，且存在一个亚组（IN+组）表现出内部噪声较高、表征获取延迟的发育轨迹。该研究发表于《Speech Communication》，首次揭示了学龄儿童情感声音内部表征的发展可塑性，为理解情绪感知的神经发育机制提供了关键证据。
**主要技术方法**
研究人员采用改编的反向相关范式（reverse correlation paradigm），基于CLEESE工具箱生成随机光谱滤波器（25个带通滤波器，频率范围100-10000 Hz），儿童接受150对刺激（成人250对），并添加50对重复刺激用于双程程序（double-pass procedure）估计内部噪声。通过分类图像技术（classification image technique）计算个体内部表征，并从成人模板的距离导出典型性（typicality）；内部噪声基于响应一致性（response consistency）和响应偏差（response bias）通过模拟观测者模型估计。
**研究结果**
3.1 儿童声音微笑的内部表征
对44名儿童和42名成人的平均滤波器分析显示，儿童的内部表征与成人无显著差异（经Bonferroni校正的t检验，所有频率点p>0.05）。该表征以低频能量减少和第一共振峰（F₁）频率升高为特征（儿童F₁：644±42 Hz，与原始音555 Hz相比，t(43)=14.03，p<0.001，d=2.11），而第二、三、四共振峰（F₂、F₃、F₄）无显著变化。这表明儿童已具备成人般的声学模板，能通过F₁调制识别微笑声音。
3.2 表征典型性
典型性（typicality）定义为儿童滤波器与成人平均滤波器之间的归一化距离（0-1）。Pearson相关分析显示，典型性与儿童年龄（月龄）呈中等正相关（t(42)=3.1，p<0.005，R=0.43），表明随年龄增长，儿童的表征更接近成人模板。典型性与情绪商数（EQ）无显著相关（t(39)=0.43，p=0.67，R=0.07）。进一步将频率分段分析，未发现不同频段发育动态的差异。
3.3 表征稳健性：内部噪声分析
通过双程程序估计内部噪声（IN），儿童IN呈现双峰分布，据此分为IN+组（IN>3，n=14）和IN-组（IN<3，n=30）。两组在年龄、EQ、言语和非言语发育年龄上无显著差异，但IN-组的平均IN与成人无统计差异（W=559，p=0.52），IN+组则显著更高（W=420，p<0.0001）。Spearman相关分析显示，在IN+组中，归一化F₁变化（norm(ΔF₁)）与年龄呈正相关（S=176，p_corr=0.045，R=0.61），表明IN+儿童随年龄增长逐渐增加F₁调制；而IN-组无此相关（S=4816，p_corr=1.415，R=-0.07），两组相关性显著不同（Zou’s CI [0.07, 1.1]）。此外，IN+组中典型性与norm(ΔF₁)呈显著正相关（S=110，p_corr=0.005，R=0.76），即典型性越高，F₁调制越强；IN-组无此相关（S=2824，p_corr=0.880，R=0.37），两组相关性差异不显著（Zou’s CI [-0.08, 0.78]）。
**讨论与结论**
讨论部分指出，本研究首次将反向相关法应用于儿童，揭示了声音微笑内部表征在8-12岁期间的精细化过程。儿童作为整体已具备成人模板，但个体差异显著，典型性随年龄增长，支持预测编码框架中经验驱动的内部模型优化。内部噪声的分离发现，IN-组儿童已达到成人般的F₁调制，其典型性不再依赖F₁变化，可能依赖更细微的声学线索；而IN+组则仍在发育中，随年龄增长逐步利用F₁作为关键线索，甚至可能超过成人模板。这一差异可能源于颞上回（STG）等听觉皮层的持续成熟，或与决策加工阶段的变异性有关。研究结论翻译如下：据研究人员所知，本研究首次实施了一种简单有效的方法，用于评估学龄儿童的声音情绪内部表征及相关内部噪声。基于44名8-12岁儿童的样本，研究结果揭示，随着年龄增长，儿童逐步精细化其声音微笑内部表征，逐渐趋近于成人感知模板。虽然年幼儿童表现出较不精确的表征，但有一个子集似乎遵循另一种发育轨迹，其特征是表征稳健性降低，干扰了表征准确性。这些结果凸显了情绪声音处理在发展过程中的异质性，并为识别非典型社会情绪感知的早期标志开辟了新途径。