儿童的声学与语法同时偏离成人常态
别名: 儿童语音双偏离 · 声道与句法 · pediatric ASR
概念解释
儿童的话对成人模型来说不是「说得不太清楚」这一件事。它同时离开两条常态：声学——基频更高、共振峰按更短声道缩放、辅音尚未发稳；语法——电报句、自造词、语序和形态都还在发育。成人识别器把成人声学模型与成人语言模型捆在一起。单边偏离已经够伤，两边一起偏离会互相放大。这里要讲的是双重偏离怎么叠，不是「儿童词错误率更高」这句统计，也不是总体指标会把谁藏起来。
机制
声学侧，儿童的声道短，共振峰上移，成人梅尔滤波器组看到的是一套被拉高的音色；未完成的构音（把 /s/ 发成 /θ/、省略复辅音）在成人音素表里没有稳定的对应，解码器只能拿最近的成人音素去填。语法侧，语言模型的先验来自成人书面和口语：它期待「请把楼上的灯打开」，不期待「灯灯上面开开」。声学已经把概率质量推到错误的词格子上时，语言模型不但不往回拉，还会把电报句改写成它熟悉的成人句子，于是出现「听成了另一句完整的大人话」。两条误差不是相加：声学误匹配提高了错误候选的似然，成人语法先验再把那些候选收成合法成人句。五岁和十二岁也不在同一点上——声道和句法都在变，把「儿童」当成一个桶会把双重偏离平均掉。
怎么研究
把适应拆开：只适应声学、只适应语言、两边都适应，在同一批儿童话语上看三类替换——音近成人词、被改写成成人句法的电报句、两头都不靠的崩溃。儿童语料（课堂对话、故事复述，而不是念词表）才能引出语法偏离；念词表只会看到声学。按年龄分层，不要把学龄前和少年并进一个「儿童」平均。
错误分析要听原文，不要只看词错误率。同一句「灯灯上面开开」若被写成「等等上面看看」，那是声学；若被写成「请把上面的灯打开」，那是语言模型在替儿童把句子变成人。两种修法完全不同。
边界
接近变声后的少年，声学偏离缩小，语法可能已经接近成人，双重机制用不上，剩下的更像口音或语速。儿童对设备使用高度公式化的短命令（「打开灯」每天二十次）时，语法偏离被命令词表挡住，主要剩下声学。双语家庭里儿童的语码混用是第三条偏离，不能全部记在「发育中的句法」账上。成人对儿童说话时的娃娃腔，会把成人声学也拉歪，那是输入侧的另一件事。
怎么落地
- 儿童会用的技能，声学模型和语言先验都要有儿童数据；只换一套更高音调的合成音，识别侧的双重偏离还在。
- 对电报句不要用成人完整句去「纠正后执行」。先按儿童句法解析，执行前用他们自己的词复述：「开楼上的灯，对吗？」
- 年龄分段：学龄前、小学、少年分开看失败，不要用一个「儿童模式」覆盖十年发育。
- 验证：抽真实儿童请求，标失败是音近还是被改写成了大人句。后一类占头，就不是「再让孩子说清楚」能修的，是语言模型在改写。