Nature子刊：听“口音”时，你的大脑在发生什么？

PsyBrain 脑心前沿 | 公众号 PSY-Brain_Frontier

一键关注，点亮星标 ⭐️

不错过每日前沿资讯

认知神经科学前沿文献分享

基本信息

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

发表时间：2025.12.21

发表期刊:Communications Psychology

获取原文：

1. 添加小助手:PSY-Brain-Frontier即可获取PDF版本

研究背景

当你正在聆听一位带有浓重口音的陌生人说话，你的大脑中会发生什么呢？起初，你可能觉得稍显吃力，但神奇的是，仅仅过了几分钟（甚至几秒钟），你的大脑似乎就“自动校准”了频道，不仅能流畅理解对方的意思，甚至能在嘈杂环境中准确捕捉每一个词汇。

这种日常生活中习以为常的现象，在认知神经科学领域却引发了一个被称为“可塑性与稳定性悖论”的深刻难题。一方面，为了理解带有口音的变异语音，我们的大脑必须具备极高的可塑性，能够迅速调整对语音特征的预期；另一方面，这种调整必须足够谨慎，不能破坏我们长期建立的母语语音范畴的稳定性。如果为了适应一个人的口音而彻底重组了我们大脑中的语音数据库，当我们再听到标准发音时，岂不是会乱套？

为了解开这个谜题，科学家们提出了两种可能的假设：一种是“重构说（Restructuring）”，即听者会完全重写声音到类别的映射规则；另一种是“降权说（Downweighting）”，即听者会选择性地忽略那些在当前口音中变得不可靠的语音线索，降低其权重。

为了验证大脑究竟采取了哪种策略，来自德克萨斯大学奥斯汀分校和卡内基梅隆大学的研究团队，利用高时间分辨率的脑电技术（EEG），通过经典的“beer”与“pier”极小对立词范式，深入探究了大脑在处理陌生口音时，从感知觉早期到决策晚期的动态神经机制。

Fig. 1 | Baseline categorization block.

研究核心总结

本研究利用事件相关电位（ERP）技术，系统追踪了听者在适应人工合成口音（将基频 F0 与嗓音起始时间 VOT 的相关性反转）时的神经动态变化。研究结果有力地支持了“线索降权（Cue Downweighting）”机制，并揭示了这一过程是如何在语言处理的多个层级上级联发生的。

Fig. 2 | Active exposure categorization.

核心发现：大脑并未“重写”规则，而是“忽略”了干扰

行为学数据显示，在标准语音（Canonical）条件下，听者会同时利用 VOT 和 F0 两个线索来区分单词；然而在口音（Accented）条件下，听者并没有像“重构说”预测的那样反转对 F0 的映射规则，而是表现出对 F0 线索的感知依赖性显著降低。这意味着，面对偏离常态的口音线索，大脑选择的策略是降低其功能相关性，而非修改底层的语音范畴映射。

Fig. 3 | Neural results for passive exposure.

神经机制：从初级听觉皮层到高层语义的级联调整

EEG 结果揭示，这种适应性调整并非发生在单一阶段，而是贯穿了从听觉编码到语义决策的全过程：

• 亚音素级编码（N1, ~100ms）： 适应效应在刺激呈现后仅100 毫秒左右的早期听觉皮层阶段即已出现。在标准语境下，F0 差异会引发显著的 N1 波幅变化；但在口音语境下，这种基于 F0 的亚音素编码差异被显著削弱甚至消失。这表明，短期统计规律在极早的感知阶段就已开始调节神经编码的敏感性。

• 音系级加工（MMN, ~200ms）： 在反映前注意阶段语音偏离检测的失匹配负波（MMN）上，研究发现口音语境下的 MMN 波幅显著减弱。这说明大脑在音系加工阶段，通过“神经中和（Neural Neutralization）”机制，抑制了对不可靠声学线索的自动检测。

• 词汇-语义及决策级加工（LN & LPC）： 这种降权效应进一步传导至晚期的晚期负波（LN）和晚期正成分（LPC）。在口音条件下，F0 差异不再能有效调节这两个反映词汇通达和分类决策的成分。值得注意的是，口音条件诱发了整体波幅更高的 LPC，提示虽然大脑通过降权策略维持了稳定性，但在处理模糊语音时仍需通过增加认知负荷和后词汇处理需求来完成任务。

Fig. 4 | Neural results for active exposure.

总而言之，本研究不仅通过实证数据解决了“适应机制”的理论争议，更具有重要的理论价值：它证明了人类的听觉系统通过基于维度的统计学习（Dimension-based Statistical Learning），灵活地调节特定声学维度的感知权重。这种机制完美地平衡了神经可塑性与表征稳定性：既通过快速忽略不可靠信息适应了当下的陌生口音，又保护了长期建立的母语语音表征不受干扰，从而实现了高效且稳健的跨口音言语识别。

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|欢迎加入认知神经科学前沿交流群！

核心图表、方法细节、统计结果与讨论见原文及其拓展数据。

分享人：饭哥

审核：PsyBrain 脑心前沿编辑部