5D Library

第一章 副语言声学：为什么「怎么说」会改写「说什么」的信度

5D Library › 声音说服力、韵律信息论与人际生理同步 · English

第一章 副语言声学：为什么「怎么说」会改写「说什么」的信度

一个被误用的数字

几乎每一本讲演讲技巧的畅销书都会提到一个数字：沟通的效果中，语言只占 7%，语调占 38%，面部表情和肢体占 55%。它通常被归于心理学家梅拉比安。

证据

这个数字的来源。 梅拉比安与维纳让受试者听单个的词（例如表示好感、中性或反感的词）用不同的语调读出来，判断说话者对听者的态度 (Mehrabian and Wiener 1967)；梅拉比安与费里斯把单个词「maybe」的语调录音与表示不同态度的面部照片组合在一起，同样让受试者判断态度 (Mehrabian and Ferris 1967)。梅拉比安由这两项研究推出一个组合公式：当表达好恶态度的语言、语调与表情互相矛盾时，受试者对说话者好恶的判断大致按 0.07、0.38、0.55 的权重综合三个渠道 (Mehrabian 1971)。

所以，这个公式有三个严格的限制：它只涉及好恶态度，不涉及事实、论证或任何复杂的信息；它只适用于渠道互相矛盾的情形；它的「语言」只是单个词，不是句子或段落。把它推广为「沟通中语言只占 7%」，是对原研究的严重误读，梅拉比安本人也多次说明过这一点。

但这个误读背后有一个真实的现象：同样的文字，用不同的声音说出来，听众对说话者的判断确实不同。这一章讨论哪些声音特征有这样的作用，作用有多大。

声音透露了什么

证据

听见与读到。 施罗德与艾普利让评估者通过不同的方式接触求职者的同一段自我推介：阅读文字稿、听录音或看视频。听到声音的评估者对求职者的能力、思考深度和聘用意愿的评价都高于只读文字的评估者，即使文字完全相同 (Schroeder and Epley 2015)。他们认为，声音中的韵律变化传递了说话者「正在思考」的线索。

研究最多的几个声学特征是：

  • 基频（f0f_0）：声带每秒振动的次数，听起来是音高。
  • 共振峰离散度：相邻共振峰之间的平均间距。共振峰由声道的形状和长度决定；声道越长，共振峰越密。共振峰离散度与声道长度和身材相关 (Fitch 1997)，听众会把它当作身材与支配性的线索 (Puts et al. 2007)。
  • 谐噪比（HNR）：声音中周期性的谐波成分与非周期性噪声的比值，大致对应于嗓音的「清亮」与「沙哑、气声」。
  • 语速：每秒的音节数，以及停顿的长短与位置。

证据

基频与领导力判断。 克洛夫斯塔德等人把同一句竞选口号的录音分别调高和调低基频，让受试者选择更愿意投票给哪一个版本。无论说话者是男性还是女性，受试者都更倾向于选择基频较低的版本；较低的声音也被评为更有力量、更有能力（男声只在男性听者中如此）(Klofstad et al. 2012)。普茨等人发现，较低的基频和较小的共振峰离散度都使男性的声音被判断为更具支配性 (Puts et al. 2007)。

证据

语速与音高。 阿普尔等人通过语音合成独立地改变语速与音高，发现语速较慢的说话者被判断为不那么真诚、不那么有说服力，也更被动；音高较高的说话者被判断为不那么真诚、不那么有力度、更弱，也更紧张 (Apple et al. 1979)。这提醒我们：「越慢越好」并不成立，过慢与过快都有代价。

证据

韵律的「社会密码」。 蓬索等人用反向相关法，让受试者对大量随机改变了音高起伏的「bonjour」（你好）录音判断说话者的可信度与支配性，从而重建出听众心目中的「原型」：被判断为支配性强的版本音高较低、句末下降；而被判断为可信的版本，音高在词末上扬 (Ponsot et al. 2018)。也就是说，同一个韵律特征在不同维度上可能产生方向相反的判断；这一发现来自单个法语词，能否推广到陈述句句末尚未检验。

从共振峰估计「声道长度」

推导

把声道近似为一端（声门）闭合、一端（嘴唇）开放的均匀管道，共振峰位于 (2n−1)c/(4L)(2n-1)c/(4L)，相邻共振峰的间距为 c/(2L)c/(2L)。由测得的共振峰可以反推一个「表观声道长度」。程序还把常见的基频变化换算成半音：12log⁡2(f新/f旧)12\log_2(f_{\text{新}}/f_{\text{旧}})。

# Two acoustic cues listeners use to judge a speaker's size and authority.
# (1) Fundamental frequency f0: changes are perceived roughly logarithmically, so they are expressed
#     in semitones: 12 * log2(f_new / f_old).
# (2) Formant dispersion Df (Fitch 1997): the mean spacing between successive formants. For a
#     uniform tube closed at the glottis and open at the lips, formants sit at (2n - 1) c / (4L), so
#     their spacing is c / (2L) and an apparent vocal-tract length is L = c / (2 Df).
# The formant values below are illustrative, for a neutral vowel.
C = 35000.0                        # speed of sound in warm moist air, cm/s (about 350 m/s)
import math

def semitones(f_new, f_old):
    return 12 * math.log2(f_new / f_old)

def dispersion(formants):
    return sum(formants[i + 1] - formants[i] for i in range(len(formants) - 1)) / (len(formants) - 1)

voices = {"speaker A": [520, 1540, 2560, 3570], "speaker B": [570, 1700, 2830, 3960],
          "speaker C": [640, 1900, 3160, 4420]}
print("voice       formants F1-F4 (Hz)        dispersion Df   apparent vocal-tract length")
for name, F in voices.items():
    df = dispersion(F)
    print(f"{name:11s} {str(F):26s} {df:9.0f} Hz   {C / (2 * df):9.1f} cm")
print("check: uniform 17.5 cm tube ->", [round((2 * n - 1) * C / (4 * 17.5)) for n in range(1, 5)], "Hz")
# How large are the pitch changes used in perception experiments?
for f_old, f_new in ((120, 110), (120, 100), (220, 200), (220, 185)):
    print(f"f0 {f_old} -> {f_new} Hz: {semitones(f_new, f_old):+.2f} semitones ({(f_new / f_old - 1):+.0%})")
# voice       formants F1-F4 (Hz)        dispersion Df   apparent vocal-tract length
# speaker A   [520, 1540, 2560, 3570]         1017 Hz        17.2 cm
# speaker B   [570, 1700, 2830, 3960]         1130 Hz        15.5 cm
# speaker C   [640, 1900, 3160, 4420]         1260 Hz        13.9 cm
# check: uniform 17.5 cm tube -> [500, 1500, 2500, 3500] Hz
# f0 120 -> 110 Hz: -1.51 semitones (-8%)
# f0 120 -> 100 Hz: -3.16 semitones (-17%)
# f0 220 -> 200 Hz: -1.65 semitones (-9%)
# f0 220 -> 185 Hz: -3.00 semitones (-16%)

程序中三个示意性的声音，共振峰离散度从约 1,020 Hz 到 1,260 Hz，对应的表观声道长度从约 17 厘米到 14 厘米。听众并不能直接「听出」声道长度，但他们对共振峰的整体位置很敏感，而且会把较低、较密的共振峰与较大的身材、较强的支配性联系起来 (Puts et al. 2007)。程序的后半部分把 10–35 Hz 的基频变化换算成半音：约 1.5–3 个半音（8%–17%），这比许多人想象的要小。

注

这些效应有多大，适用于谁。 上述研究中的效应大多是在实验室中，用同一个说话者的录音经过数字处理后比较得到的；它们是平均意义上的效应，个体之间差别很大，而且大部分研究在西方国家进行。降低基频不等于更好：刻意压低声音、偏离自己舒适的音域，可能损伤嗓音，也可能听起来不自然。本书不建议任何人刻意改变自己的基频。

假说 · 尚未验证

渠道一致性假说（尚未确立）。声音对说话者可信度的影响，在内容与声音线索一致时较小，在两者不一致时较大（这正是梅拉比安实验的特殊条件）。可以检验的推论是：在同一段商业陈述中，当文字内容表达确定的事实而韵律表达犹豫时，听众对可信度的评价下降幅度，大于文字与韵律都表达确定时，韵律从「较好」变为「较差」引起的下降。如果两种情况下的下降幅度相近，这一假说就被削弱。

本章小结

「7%-38%-55%」只适用于单个词表达好恶、渠道互相矛盾的实验情形，不是沟通的一般规律。但声音确实影响听众的判断：听到声音比只读文字使评估者给出更高的能力评价；较低的基频和较密的共振峰与支配性判断相关；语速过快和过慢都有代价；同一个韵律特征在不同维度上可能产生相反的判断。下一章转向一个更具体的问题：停顿为什么有力量？

参考文献

Apple, William, Lynn A. Streeter, and Robert M. Krauss. 1979. “Effects of Pitch and Speech Rate on Personal Attributions.” Journal of Personality and Social Psychology 37 (5): 715–27.
Fitch, W. Tecumseh. 1997. “Vocal Tract Length and Formant Frequency Dispersion Correlate with Body Size in Rhesus Macaques.” Journal of the Acoustical Society of America 102 (2): 1213–22.
Klofstad, Casey A., Rindy C. Anderson, and Susan Peters. 2012. “Sounds Like a Winner: Voice Pitch Influences Perception of Leadership Capacity in Both Men and Women.” Proceedings of the Royal Society B 279 (1738): 2698–704.
Mehrabian, Albert. 1971. Silent Messages. Wadsworth.
Mehrabian, Albert, and Susan R. Ferris. 1967. “Inference of Attitudes from Nonverbal Communication in Two Channels.” Journal of Consulting Psychology 31 (3): 248–52.
Mehrabian, Albert, and Morton Wiener. 1967. “Decoding of Inconsistent Communications.” Journal of Personality and Social Psychology 6 (1): 109–14.
Ponsot, Emmanuel, Juan José Burred, Pascal Belin, and Jean-Julien Aucouturier. 2018. “Cracking the Social Code of Speech Prosody Using Reverse Correlation.” Proceedings of the National Academy of Sciences 115 (15): 3972–77.
Puts, David Andrew, Carolyn R. Hodges, Rodrigo A. Cárdenas, and Steven J. C. Gaulin. 2007. “Men’s Voices as Dominance Signals: Vocal Fundamental and Formant Frequencies Influence Dominance Attributions Among Men.” Evolution and Human Behavior 28 (5): 340–44.
Schroeder, Juliana, and Nicholas Epley. 2015. “The Sound of Intellect: Speech Reveals a Thoughtful Mind, Increasing a Job Candidate’s Appeal.” Psychological Science 26 (6): 877–91.

Fan, Y. (2026). Acoustic Persuasion, Prosodic Information Theory and Interpersonal Physiological Synchrony: Pitch Contours, Pause Entropy and Listener Autonomic Coupling in Public Speaking and Leadership [声音说服力、韵律信息论与人际生理同步] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23753267 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).