5D Library › 声音说服力、韵律信息论与人际生理同步 · English
第三章 基频轮廓的动力学：下倾、句末下降与上扬
一句话的音高形状
说一句陈述句时，音高不是一条水平线。它通常在句子开头较高，伴随着重读的词有局部的起伏，整体上逐渐下降，句末再下降到说话者音域的较低处。这种整体的下降叫作下倾（declination），句末额外的下降叫作句末降低。
证据
下倾从哪里来。 下倾长期被解释为呼吸的副产品：一口气说下去，肺内与声门下的气压逐渐降低，声带振动的频率随之下降。但研究发现，说话者会根据句子的长度提前调整起始音高与下降的斜率，长句子的下降更平缓，说明下倾至少部分是有计划的，而不仅仅是生理上的「泄气」(Cohen et al. 1982; Ladd 2008)。
所以，「句末自然下行反映胸腔声门下压平稳释放」这种常见说法只说对了一部分：声门下压的下降确实是下倾的原因之一，但说话者也在主动控制它。
藤崎模型
藤崎与广濑提出了一个被广泛使用的基频轮廓模型：对数基频等于一个基线，加上对「短语指令」（脉冲）的平滑响应和对「重音指令」（阶跃）的平滑响应 (Fujisaki and Hirose 1984)。短语指令产生整句缓慢上升又逐渐下降的骨架，重音指令在重读的词上叠加局部的起伏。
推导
用藤崎模型生成一句 2.4 秒的陈述句（男声，基线 85 Hz）。两个版本完全相同，只是第二个在句末多加了一个上扬的重音指令。
# The Fujisaki model of an f0 contour (Fujisaki & Hirose 1984): log f0 is a baseline plus the
# smoothed responses to phrase commands (impulses) and accent commands (steps):
# ln f0(t) = ln Fb + sum Ap * Gp(t - T0) + sum Aa * [Ga(t - T1) - Ga(t - T2)]
# Gp(t) = alpha^2 t exp(-alpha t) (t >= 0, else 0)
# Ga(t) = min(1 - (1 + beta t) exp(-beta t), gamma) (t >= 0, else 0)
# One 2.4-second declarative sentence, a male voice with Fb = 85 Hz. The two versions differ only in
# the last accent: a falling ending versus a final rise (uptalk). Command values are illustrative.
import math
ALPHA, BETA, GAMMA, FB = 3.0, 20.0, 0.9, 85.0
def Gp(t): return ALPHA * ALPHA * t * math.exp(-ALPHA * t) if t >= 0 else 0.0
def Ga(t): return min(1 - (1 + BETA * t) * math.exp(-BETA * t), GAMMA) if t >= 0 else 0.0
def contour(final_rise, T=2.4, dt=0.01):
phrase = [(0.0, 0.30)]
accents = [(0.15, 0.55, 0.22), (0.95, 1.35, 0.18), (1.70, 2.00, 0.12)]
if final_rise:
accents.append((2.05, 2.40, 0.30)) # boundary rise at the end of the sentence
out = []
for i in range(int(T / dt) + 1):
t = i * dt
lnf = math.log(FB) + sum(a * Gp(t - t0) for t0, a in phrase)
lnf += sum(a * (Ga(t - t1) - Ga(t - t2)) for t1, t2, a in accents)
out.append((t, math.exp(lnf)))
return out
if __name__ == "__main__":
for name, rise in (("falling ending", False), ("final rise (uptalk)", True)):
c = contour(rise)
pts = [f"{f:5.0f}" for t, f in c if abs(t * 10 - round(t * 10)) < 1e-6 and round(t * 10) % 4 == 0]
print(f"{name:20s} f0 (Hz) every 0.4 s: " + " ".join(pts))
# falling ending f0 (Hz) every 0.4 s: 85 143 103 109 88 96 85
# final rise (uptalk) f0 (Hz) every 0.4 s: 85 143 103 109 88 96 112
测量句末走向
推导
用第八章核查表的方法测量这两条轮廓：整句的下倾斜率（以相对 100 Hz 的半音计）、最后 400 毫秒内的句末升幅，以及从最后一个重音峰到句末的降幅。
# Measuring the contours of the previous program the way the Chapter 8 checklist does:
# declination = slope of a straight line fitted to f0 (in semitones re 100 Hz) over the sentence
# final excursion = f0 at the end minus the minimum f0 in the last 400 ms, in semitones
# final fall = f0 at the last accent peak minus f0 at the end, in semitones
# The Fujisaki contours of the previous program, repeated so this one runs on its own.
import math
ALPHA, BETA, GAMMA, FB = 3.0, 20.0, 0.9, 85.0
def Gp(t): return ALPHA * ALPHA * t * math.exp(-ALPHA * t) if t >= 0 else 0.0
def Ga(t): return min(1 - (1 + BETA * t) * math.exp(-BETA * t), GAMMA) if t >= 0 else 0.0
def contour(final_rise, T=2.4, dt=0.01):
phrase = [(0.0, 0.30)]
accents = [(0.15, 0.55, 0.22), (0.95, 1.35, 0.18), (1.70, 2.00, 0.12)]
if final_rise:
accents.append((2.05, 2.40, 0.30)) # boundary rise at the end of the sentence
out = []
for i in range(int(T / dt) + 1):
t = i * dt
lnf = math.log(FB) + sum(a * Gp(t - t0) for t0, a in phrase)
lnf += sum(a * (Ga(t - t1) - Ga(t - t2)) for t1, t2, a in accents)
out.append((t, math.exp(lnf)))
return out
def st(f): return 12 * math.log2(f / 100.0)
def features(c):
ts = [t for t, _ in c]; ys = [st(f) for _, f in c]
n = len(ts); mt = sum(ts) / n; my = sum(ys) / n
slope = sum((t - mt) * (y - my) for t, y in zip(ts, ys)) / sum((t - mt) ** 2 for t in ts)
last = [y for t, y in zip(ts, ys) if t >= ts[-1] - 0.4]
peak = max(y for t, y in zip(ts, ys) if 1.6 <= t <= 2.05)
return slope, ys[-1] - min(last), peak - ys[-1]
for name, rise in (("falling ending", False), ("final rise (uptalk)", True)):
s, exc, fall = features(contour(rise))
kind = "rise" if exc > 1.0 else "fall"
print(f"{name:20s}: declination {s:+.2f} st/s, final excursion {exc:+.2f} st, "
f"fall from last peak {fall:+.2f} st -> classified as final {kind}")
# falling ending : declination -2.93 st/s, final excursion +0.00 st, fall from last peak +2.08 st -> classified as final fall
# final rise (uptalk) : declination -1.77 st/s, final excursion +3.30 st, fall from last peak -2.59 st -> classified as final rise下降结尾的版本从最后一个重音峰下降约 2.1 个半音；上扬版本则在句末上升约 3.3 个半音，从最后一个重音峰算起反而高出约 2.6 个半音。两条轮廓的下倾斜率也因句末不同而不同。这样的测量可以用免费软件（例如 Praat）在自己的录音上完成。
上扬是不是不自信？
常有人说：句末上扬「反映喉部环甲肌紧张与寻求认可的不确定性」。这句话把两件事混在了一起。
第一，生理上，提高音高的主要方式确实是环甲肌收缩，拉长并绷紧声带。但这适用于任何音高的上升，包括疑问句、强调和兴奋，并不特指「紧张」或「寻求认可」。
第二，社会意义上，句末上扬（英语研究中称为 uptalk）的功能比「不确定」复杂得多。
证据
上扬的多种功能。 沃伦对英语中陈述句句末上扬的研究作了系统的综述：它在新西兰、澳大利亚和北美的一些群体中很常见，功能包括确认听者是否跟上、表示话还没有说完、邀请对方回应，以及标示新信息，而不只是表达不确定 (Warren 2016)。汤姆林森与福克斯·特里发现，句末上扬本身并不使听者认为说话者更不确定（拖长音才会），而拖长的上扬使听者更快地察觉下一句中的词；上扬的含义取决于语境 (Tomlinson and Fox Tree 2011)。一项关于单个词的相关发现。 第一章提到，在一项以法语单词 bonjour 为材料的反向相关研究中，被判断为可信的原型在词末上扬，而「支配性」原型在词末下降 (Ponsot et al. 2018)；这能否推广到陈述句句末上扬尚未检验。
所以，更准确的说法是：在需要表现决断与支配性的场合（例如宣布一个决定、陈述一个承诺），句末下降可能更合适；在需要表现亲和、邀请对方参与的场合，适度的上扬并不是弱点。真正可能削弱说服力的，也许不是上扬本身，而是上扬与内容的不一致：用上扬的语调宣布一个本应确定的数字，可能让听者怀疑说话者自己是否相信它。
注
汉语使用者的特殊情况。 普通话是声调语言，每个音节有自己的声调，句子的语调叠加在声调之上；句末的语气词（「吗」「吧」「呢」）也承担了一部分疑问或商量的功能。所以，上面基于英语和法语的研究不能直接搬到普通话或粤语上。用英语演讲的华人说话者，有时会把母语的声调习惯带进英语的句末，这种情形值得专门研究。
假说 · 尚未验证
内容–语调一致假说（尚未确立）。句末上扬对可信度的影响取决于内容：在陈述确定的事实或承诺时，上扬降低听者对可信度和说话者把握程度的评价；在提出邀请或征询意见时，上扬不降低甚至提高可信度评价。可以检验的推论是：在同一段录音中，只改变「确定陈述」句与「邀请」句的句末走向，可信度评价应当出现交互作用。如果上扬在两类句子中的影响相同，这一假说就被削弱。
本章小结
陈述句的音高通常逐渐下倾、句末下降；下倾部分来自声门下压的下降，部分是说话者的计划。藤崎模型可以生成并分解这些轮廓，Praat 等工具可以测量自己录音中的句末走向。句末上扬由环甲肌产生，但它的社会意义并不只是不确定：它可以表示话未说完、标示新信息、邀请回应；在一项关于单个词的研究中，词末上扬还被判断为更可信。下一章转向说话者与听众之间的另一种联系：生理与大脑的同步。
参考文献
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).