Nature子刊：聽“口音”時，你的大腦在發生什么？

PsyBrain 腦心前沿 | 公眾號 PSY-Brain_Frontier

一鍵關注，點亮星標 ??

不錯過每日前沿資訊

認知神經科學前沿文獻分享

基本信息

Title:Accented speech modulates multiple event-related potential components across multiple levels of language processing

發表時間：2025.12.21

發表期刊:Communications Psychology

獲取原文：

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

當你正在聆聽一位帶有濃重口音的陌生人說話，你的大腦中會發生什么呢？起初，你可能覺得稍顯吃力，但神奇的是，僅僅過了幾分鐘（甚至幾秒鐘），你的大腦似乎就“自動校準”了頻道，不僅能流暢理解對方的意思，甚至能在嘈雜環境中準確捕捉每一個詞匯。

這種日常生活中習以為常的現象，在認知神經科學領域卻引發了一個被稱為“可塑性與穩定性悖論”的深刻難題。一方面，為了理解帶有口音的變異語音，我們的大腦必須具備極高的可塑性，能夠迅速調整對語音特征的預期；另一方面，這種調整必須足夠謹慎，不能破壞我們長期建立的母語語音范疇的穩定性。如果為了適應一個人的口音而徹底重組了我們大腦中的語音數據庫，當我們再聽到標準發音時，豈不是會亂套？

為了解開這個謎題，科學家們提出了兩種可能的假設：一種是“重構說（Restructuring）”，即聽者會完全重寫聲音到類別的映射規則；另一種是“降權說（Downweighting）”，即聽者會選擇性地忽略那些在當前口音中變得不可靠的語音線索，降低其權重。

為了驗證大腦究竟采取了哪種策略，來自德克薩斯大學奧斯汀分校和卡內基梅隆大學的研究團隊，利用高時間分辨率的腦電技術（EEG），通過經典的“beer”與“pier”極小對立詞范式，深入探究了大腦在處理陌生口音時，從感知覺早期到決策晚期的動態神經機制。

Fig. 1 | Baseline categorization block.

研究核心總結

本研究利用事件相關電位（ERP）技術，系統追蹤了聽者在適應人工合成口音（將基頻 F0 與嗓音起始時間 VOT 的相關性反轉）時的神經動態變化。研究結果有力地支持了“線索降權（Cue Downweighting）”機制，并揭示了這一過程是如何在語言處理的多個層級上級聯發生的。

Fig. 2 | Active exposure categorization.

核心發現：大腦并未“重寫”規則，而是“忽略”了干擾

行為學數據顯示，在標準語音（Canonical）條件下，聽者會同時利用 VOT 和 F0 兩個線索來區分單詞；然而在口音（Accented）條件下，聽者并沒有像“重構說”預測的那樣反轉對 F0 的映射規則，而是表現出對 F0 線索的感知依賴性顯著降低。這意味著，面對偏離常態的口音線索，大腦選擇的策略是降低其功能相關性，而非修改底層的語音范疇映射。

Fig. 3 | Neural results for passive exposure.

神經機制：從初級聽覺皮層到高層語義的級聯調整

EEG 結果揭示，這種適應性調整并非發生在單一階段，而是貫穿了從聽覺編碼到語義決策的全過程：

• 亞音素級編碼（N1, ~100ms）： 適應效應在刺激呈現后僅100 毫秒左右的早期聽覺皮層階段即已出現。在標準語境下，F0 差異會引發顯著的 N1 波幅變化；但在口音語境下，這種基于 F0 的亞音素編碼差異被顯著削弱甚至消失。這表明，短期統計規律在極早的感知階段就已開始調節神經編碼的敏感性。

• 音系級加工（MMN, ~200ms）： 在反映前注意階段語音偏離檢測的失匹配負波（MMN）上，研究發現口音語境下的 MMN 波幅顯著減弱。這說明大腦在音系加工階段，通過“神經中和（Neural Neutralization）”機制，抑制了對不可靠聲學線索的自動檢測。

• 詞匯-語義及決策級加工（LN & LPC）： 這種降權效應進一步傳導至晚期的晚期負波（LN）和晚期正成分（LPC）。在口音條件下，F0 差異不再能有效調節這兩個反映詞匯通達和分類決策的成分。值得注意的是，口音條件誘發了整體波幅更高的 LPC，提示雖然大腦通過降權策略維持了穩定性，但在處理模糊語音時仍需通過增加認知負荷和后詞匯處理需求來完成任務。

Fig. 4 | Neural results for active exposure.

總而言之，本研究不僅通過實證數據解決了“適應機制”的理論爭議，更具有重要的理論價值：它證明了人類的聽覺系統通過基于維度的統計學習（Dimension-based Statistical Learning），靈活地調節特定聲學維度的感知權重。這種機制完美地平衡了神經可塑性與表征穩定性：既通過快速忽略不可靠信息適應了當下的陌生口音，又保護了長期建立的母語語音表征不受干擾，從而實現了高效且穩健的跨口音言語識別。

Abstract

Accents are ubiquitous in spoken communication, and while listeners can rapidly adapt to accented speech, the neural mechanisms supporting this flexibility remain poorly understood. Successful adaptation requires developing new sound representations without compromising the stability of long-term speech norms. This delicate balance between plasticity and stability illustrates a fundamental challenge faced by all cognitive systems. To investigate how the brain manages this trade-off, we recorded electroencephalographic activity from 23 native English speakers as they categorized words produced in either canonical American English or an unfamiliar accent. We contrasted two potential mechanisms: one in which listeners fully restructure their sound-to-category mappings to reflect accent-specific pronunciations, and another in which they downweight the functional relevance of sounds that deviate from long-term expectations. Listeners relied on short-term speech regularities to reduce perceptual weighting of acoustic dimensions that did not conform to the canonical norm. Consistent with this perceptual shift, we observed less robust neural encoding of sound differences along the downweighted dimensions. Notably, these adaptive neural adjustments emerged as early as 100 milliseconds, at latencies associated with subphonemic auditory processing, and persisted through later stages linked to phonological and post-phonological processing. These findings indicate that rapid adaptation to unfamiliar accents involves downweighting the functional relevance of sound cues based on short-term input statistics, rather than fully restructuring native sound-to-category mappings. This mechanism enables flexible adjustment to novel speech inputs while preserving long-term linguistic representations, illustrating how the auditory system negotiates the trade-off between plasticity and representational stability.

前沿交流|歡迎加入認知神經科學前沿交流群！

核心圖表、方法細節、統計結果與討論見原文及其拓展數據。

分享人：飯哥

審核：PsyBrain 腦心前沿編輯部