本文用场景诱导的方式采集了“情愿-不情愿”和“确信-怀疑”两对态度的汉语普通话语料,并用于声学特征分析和跨语言多模态的听辨感知实验。本文的研究思路如下:(1)构建“情愿-不情愿”、“确信-怀疑”的汉语态度语音语料库。每种态度包含12个目标句,每个目标句都由特定的情景引导激发。(2)感知实验招募2组不同文化背景的被试,包括16名中国人和14名韩国人,模态采用纯音频、纯视频、音视频三种。(3)对采集的两对汉语态度语料进行声学分析,提取基频、音强、时长、嗓音16个相关声学参数,并通过主成分与判别分析,考察性别、态度与声学特征之间的对应关系。感知实验结果如下:(1)在语言组上,中国组对两对态度的听辨正确率均高于韩国组;在模态上,音视频正确率均为最高,“情愿-不情愿”纯视频高于纯音频,而“确信-怀疑”纯音频高于纯视频;在态度上,不情愿正确率高于情愿,确信与怀疑之间差异较小。(2)中国组在判断不情愿、确信与怀疑时仅依靠声音信息就可以取得较高的正确率,判断情愿时仅依靠面部表情就可以取得较高的正确率;韩国组在判断情愿、不情愿与怀疑时仅依靠面部表情就可以取得较高的正确率,判断确信时仅依靠声音信息就可以取得较高的正确率。两国文化差异主要体现在不情愿与怀疑上,中国人更多依靠声音信息,而韩国人更加依靠面部表情。声学分析结果如下:(1)方差分析结果显示,发音人表达情愿时会使用较高的基频、较快的语速,而表达不情愿时则为较低的基频、较快的语速、较小的基频抖动、较大的振幅抖动;发音人表达确信时会使用较低的基频,而表达怀疑时则为较高的基频、较快的语速、较小的基频抖动和振幅抖动、较大的谐噪比。(2)对两对态度语料提取的16个声学相关参数进行主成分分析,发现两对态度的前四个公共因子(嗓音因子、基频因子、音强因子、时长因子)可以包含73.1%(情愿-不情愿)、75.0%(确信-怀疑)的信息。(3)在判别分析中,情愿-不情愿(81.2%vs 79.3%vs 87.1%)、确信-怀疑(80.9%vs 79.7%vs 91.1%)得到的声学判断正确率与韩国组主观判断正确率相接近,却显著低于中国组。说明韩国组在主观判断时绝大部分参考声学参数,而中国组会同时结合自己的其他认知来判断。