M3.02.2pause as punctuation and structure设计研究
停顿承担标点与结构功能
别名: 韵律停顿 · prosodic boundary · 停顿当标点
概念解释
语音没有空格。听者靠停顿（pause）把合成句切成标点和结构：逗号级的间隙分开并列，句号级的间隙分开两件言语行为。车站售票机说「请插卡选择语言」，中间没有边界，人会听成一个动作「插卡选择语言」，而不是先插卡、再选语言。这里的停顿是给句法分析用的空白，不是把数字或地址切成好记的小组，也不是在句末把地板让出去。
机制
听者从无声（或有填充）间隙、边界前拉长、音高重置里恢复句法。大约一百五到三百毫秒的间隙常被当成小句或并列项的边界；更长的间隙被当成新的言语行为开始。TTS 若把 SSML 拼在一起却不写 break，或神经模型习惯性少停，就会产出一口气的连读，解析器把它当成一个成分。名词短语中间插一段过长的静音，则是把一个词切开。停顿的功能是标点在时间上的对应物：少了，两个谓语黏成一件事；乱了，一件事被拆成两句无关的话。
怎么研究
把 SSML 里 break 的时长当成自变量，问听者这句话有几件事、修饰语贴在哪一边。材料用附件歧义（「年老的男人和女人坐下了」在「男人」后停或不停）和双言语行为提示（告知 + 指令）。因变量是结构选择、完型填空在小句边界上的命中，不是 MOS，也不是人是否开口抢话。
听的时候不许看文本。看了稿，逗号已经印在眼睛里，测到的不是听觉标点。现场可以在售票柱上播完立刻问「它让你做几件事」。
边界
体育解说那种密语流，专家听者仍能切——熟悉度在顶替停顿。诗歌、品牌口号另有一套节奏，不能按菜单提示来写。有的语言更多靠虚词而不是静音来标结构。密集的编码串（卡号、门牌）有自己的切分习惯，不和这句话的句法标点混为一谈。把所有停顿都加长，听者会以为系统卡死，那是超时问题，不是标点。
怎么落地
- 写提示时在逗号和句号处显式加 break；不看稿用一倍速听，两个动作是否还黏在一起。
- 一句里若有两件言语行为（先告知、再指令），中间用句号级停顿分开。
- 不要在名词短语内部插长静音去「显得稳重」。
- 验证：不给文本，问「它刚刚让你做几件事」。两件事被听成一件，就是缺了那截标点。