Phonetic and semantic analyses of spoken corpora of Beijing and Taiwan Mandarin indicate that the neutral tone is a lexical tone

Resumo Técnico: Análises Fonéticas e Semânticas de Corpora Falados de Mandarim de Pequim e de Taiwan

Problema
O tom neutro (ou "flutuante") no mandarim chinês (T5) é tradicionalmente descrito como um tom reduzido e dependente do contexto que carece de um alvo lexical fixo, aparecendo frequentemente apenas na segunda sílaba de palavras dissilábicas. No entanto, seu status como um tom lexical distinto permanece em debate. Embora estudos recentes sobre o mandarim de Taiwan tenham identificado assinaturas de pitch específicas de cada palavra, vinculadas à semântica para tons lexicais, não está claro se o tom neutro exibe propriedades semelhantes. Além disso, existem diferenças dialetais significativas entre o mandarim de Pequim e o de Taiwan quanto à prevalência e realização do tom neutro. Este estudo aborda quatro questões centrais:

1. O tom neutro possui seu próprio alvo e padrão tonal distinto, ou é meramente uma redução dependente do contexto?
2. Como os contornos de pitch dos padrões de tom neutro diferem entre o mandarim de Pequim e o de Taiwan?
3. Palavras dissilábicas com um tom neutro exibem assinaturas de pitch específicas da palavra em ambos os dialetos?
4. Essas assinaturas específicas da palavra podem ser previstas a partir de embeddings semânticos contextualizados e as diferenças dialetais na realização decorrem de diferenças no significado das palavras?

Metodologia
O estudo utiliza corpora de fala conversacional espontânea de duas variedades: mandarim de Pequim (50 falantes) e mandarim de Taiwan (55 falantes).

• Seleção de Dados: Os autores extraíram palavras dissilábicas onde a primeira sílaba carrega um tom lexical (T1–T4) e a segunda sílaba é um tom neutro (T5), baseando-se em dicionários autoritários (Xiandai Hanyu Cidian para Pequim e o Dicionário do Ministério da Educação para Taiwan). Uma categoria específica "Outros" foi criada para os dados de Taiwan, onde palavras listadas como T5 em Pequim são listadas com tons lexicais completos em Taiwan.
• Processamento Acústico: A frequência fundamental (F0) foi extraída usando o Praat ao longo de toda a sílaba. Os dados foram limpos para remover erros de rastreamento e voz creaky.
• Modelagem Estatística: Os autores empregaram Modelos Aditivos Generalizados (GAMs) usando o pacote mgcv no R. A variável de resposta foi o F0 transformado logaritmicamente ao longo do tempo normalizado. Os modelos decomporam os contornos de pitch em componentes aditivos ligados a preditores: tempo normalizado, padrão de tom, identidade da palavra, falante, contexto tonal (tons precedentes/seguintes), posição da palavra, duração e probabilidades de bigrama. Um processo AR(1) foi incluído para considerar a autocorrelação na série temporal de pitch.
• Análise Semântica: Para investigar a ligação entre significado e pitch, os autores utilizaram embeddings contextualizados (CEs) derivados do modelo de linguagem de grande escala Qwen-2.5. Os tokens das palavras foram mapeados para vetores de 896 dimensões. Um mapeamento linear foi treinado para projetar esses vetores semânticos sobre as assinaturas de pitch específicas da palavra, que foram limpas (denoised) e extraídas dos GAMs. O desempenho foi avaliado via classificação de vizinho mais próximo contra uma linha de base de permutação.

Resultos Principais

1. Natureza do Tom Neutro: A análise de GAM revela que o tom neutro possui um alvo tonal sistemático e distinto (pitch final de médio a baixo) que varia dependendo do tom lexical precedente. Crucialmente, cada padrão de tom (ex: T1-T5, T2-T5) exibe um componente de contorno de pitch único que não pode ser reduzido a uma regra geral de sandhi. Isso sugere que o tom neutro funciona como um tom lexical com seus próprios padrões subjacentes.
2. Diferenças Dialetais:
   • Mandarim de Pequim: Apresenta uma subida inicial nos padrões T1-T5 e T4-T5. O padrão T2-T5 exibe uma subida.
   • Mandarim de Taiwan: T1-T5 e T4-T5 carecem da subida inicial vista em Pequim. O T2-T5 é realizado como um tom quase constante. O T3-T5 é o mais semelhante entre os dialetos, assemelhando-se a um tom descendente prolongado.
   • Variabilidade: O mandarim de Taiwan exibe maior variabilidade na realização dos padrões de tom neutro em comparação ao mandarim de Pequim.
3. Assinaturas Específicas da Palavra: Encontrou-se evidência forte para assinaturas de pitch específicas da palavra em ambos os dialetos. De fato, a importância da variável de identidade da "palavra" foi maior no conjunto de dados de Pequim do que no de Taiwan. Essas assinaturas persistem mesmo após o controle de padrões de tom, fatores prosódicos e contexto tonal.
4. Previsibilidade Semântica: Os embeddings contextualizados previram com sucesso as assinaturas de pitch específicas da palavra com precisão significativamente acima do acaso (Pequim: ~24% de acurácia de teste; Taiwan: ~20% de acurácia de teste, contra baselines de ~10%). Além disso, os "significados prototípicos" (centroides dos CEs) para os padrões de tom previram contornos de pitch que coincidiram de perto com os contornos observados pelos GAMs. Isso sugere que as diferenças dialetais na realização do pitch podem advir, em parte, de diferenças nos significados contextualizados das palavras nos dois corpora.

Significância e Alegações
O artigo argumenta que o tom neutro, tanto no mandarim de Pequim quanto no de Taiwan, deve ser classificado como um tom lexical. Ele possui um alvo tonal específico, exibe variação sistemática baseada nos tons precedentes e carrega assinaturas de pitch específicas da palavra que são parcialmente previsíveis a partir do contexto semântico.

Os autores alegam que a variabilidade observada no tom neutro não é exclusiva dele, mas é uma característica compartilhada com outros tons lexicais, desafiando a visão do tom neutro como meramente um elemento "reduzido" ou "sem tom". O estudo demonstra que o princípio do Modelo de Léxico Discriminativo — que a forma fonética está ligada ao significado — estende-se ao tom neutro. Adicionalmente, a pesquisa destaca que as diferenças dialetais na realização fonética podem ser rastreadas, ao menos em parte, para as diferenças no uso semântico (significados contextualizados) das palavras no discurso espontâneo, conforme capturado pelos embeddings de modelos de linguagem de grande escala.

O estudo conclui que, embora o tom neutro seja restrito à segunda sílaba em palavras dissilábicas, seu comportamento fonético e semântico espelha o dos quatro tons lexicais canônicos, justificando seu tratamento como uma categoria lexical distinta em ambas as variedades.