《跨越世纪的回声：波斯诗人的语音签名》技术总结

1. 研究问题 (Problem)

本文旨在解决波斯诗歌研究中的一个核心难题：如何将“语音质感”（phonetic texture）视为一个独立的文学 - 历史研究对象，而非仅仅是格律（meter）的副产品或分类的辅助特征。

• 核心挑战：波斯语书写通常省略短元音，导致纯图形（graphemic）比较不足以分析诗歌声音。同时，波斯诗歌中的格律（Aruz）是构成性的制度，深刻影响词汇选择和节奏结构。
• 研究缺口：现有的数字人文研究多关注作者归属、主题或宏观风格，缺乏在严格控制格律、诗体形式和行长的前提下，对语音纹理进行解释性分析的研究。
• 研究目标：
  1. 在控制格律、形式和行长机会后，诗人层面的语音差异是否仍可测量？
  2. 这些差异是如何在多维风格场域中组织的，而非简单的“硬 - 软”单一轴？
  3. 语音指标随世纪变化的重新分布（redistribution）揭示了怎样的文学历史？
  4. 如何将定量特征转化为对具体诗人（如菲尔多西、哈菲兹等）的历史可信解读？

2. 方法论 (Methodology)

2.1 语料库构建与数据筛选

• 数据来源：基于大型波斯诗歌档案（如 Ganjoor 平台），初始包含 2,892,576 个半行（mesra）。
• 推断群体（Inferential Cohort）：为了进行受控比较，研究将分析范围严格限制在**5 种经典阿拉伯 - 波斯格律（Aruz）**中：Mutaqarib, Hazaj, Ramal, Mujtass, Muzari'。
• 筛选标准：
  • 仅保留具有可用格律/形式元数据的半行。
  • 每个“诗人 - 格律”单元（poet-meter cell）至少包含 2,000 个半行，以确保统计可信度。
  • 最终规模：1,116,306 个半行，来自 31,988 首诗，涵盖 83 位诗人。
• 预处理：进行正字法归一化（统一 ya/kaf 变体等），保留半行边界，并标准化诗人身份。

2.2 语音表征 (Phonetic Representation)

由于波斯语书写省略短元音，研究采用了**图素到音素（Grapheme-to-Phoneme, G2P）**的转换层，将每个半行转换为有序的原子符号流。

• 特征映射：每个符号被赋予以下特征：
  • 硬度 (Hardness)：基于发音部位和阻塞程度的不对称加权（元音最低，软腭/小舌塞音最高）。
  • 响度 (Sonority)：基于标准响度层级（元音最高，塞音最低）。
  • 擦音性 (Sibilance)：咝音辅音在辅音中的比例。
• 分析单元：以“半行”（mesra）为基本分析单位，平衡了局部语音纹理与诗歌形式的关系。

2.3 统计模型

• 核心指标：硬度、响度、擦音性作为主要建模结果；元音比率、辅音簇比率、音素熵作为描述性指标。
• 控制变量模型：
  $$Y_i = \alpha + C(poet_i) + C(meter_i) + C(form_i) + \lambda_1 symbols_i + \lambda_2 tokens_i + \epsilon_i$$
  其中 $Y$ 为语音指标。模型明确控制了格律（行级定量模式）、诗体（如 ghazal, masnavi 等）和行长（符号数/词数），以区分诗人特质与形式约束。
• 分析策略：
  • 嵌套模型：评估格律、形式和诗人身份对变异的增量解释力。
  • 世纪趋势：通过降权回归和自举（bootstrap）估计，分析历史重新分布而非断裂。
  • 格律内模型：在五种主导格律内分别拟合，以观察同一格律框架下的诗人差异。

3. 主要贡献 (Key Contributions)

1. 建立了波斯诗歌的语料库级语音框架：利用 G2P 表示法，在半行分辨率上实现了大规模文学比较。
2. 开发了受控的诗人差异估计方法：在明确控制格律、形式和行长机会的同时，将内部格律代码转化为可阅读的经典阿鲁兹（Aruz）名称，使格律在分析中保持“可读性”。
3. 提出了多维风格聚类模型：将波斯诗歌声音建模为围绕“开放性、硬度、轮廓、熵”组织的多维风格场，而非单一的硬 - 软连续体。
4. 展示了计算语音学与文学史解读的融合：通过历史案例研究，证明计算指标可以 sharpen（锐化）对史诗、苏菲神秘主义、宫廷修辞等风格的解读，而不会将诗歌简化为单纯的语音数据。

4. 研究结果 (Results)

4.1 全局模式与受控对比

• 形式控制的重要性：格律和形式解释了语音变异的大量结构，但诗人身份在控制这些变量后仍具有显著的独立解释力。这表明风格是“共享制度内的受限分化”，而非纯粹的作者本质或格律残留。
• 诗人差异：例如，Shah Nematollah Vali 表现出最强的负硬度（低硬度，高响度），而 Saadi 则表现出清晰的正硬度（高硬度，低响度）。

4.2 世纪历史重新分布

• 10-11 世纪：硬度最高，熵较低，符合早期史诗和宫廷巩固的特征。
• 13-15 世纪：响度上升，达到 15 世纪峰值，与 Ghazal（抒情诗）和神秘主义诗歌的兴起相关。但这并非简单的“变软”，而是特定行架构（如 Ramal）对开放性和吟唱性的支持。
• 16-17 世纪：熵和混合压力变得显著，反映了 Indo-Persian（印度 - 波斯）风格的复杂性、概念转折和词汇异质性（如 Bidel Dehlavi）。
• 19 世纪：擦音性（Sibilance）和响度回升，对应复兴主义修辞、说教性公共演讲和苏菲劝诫风格。

4.3 语音风格空间与聚类

研究识别出四个主要风格区域：

1. 高响度抒情区（Shah Nematollah Vali, Jahan Malek Khatun）：高元音比率，低辅音簇压力。
2. 高硬度修辞区（Ferdowsi, Saadi）：高硬度，辅音闭合强，适合史诗和格言。
3. 擦音神秘/修辞区（Safi Alishah, Khaqani）：高擦音性，通过轮廓而非最大压力产生锐度。
4. 高熵复杂区（Bidel Dehlavi, Ashofteh Shirazi）：高熵，内部异质性强，象征多样性。

4.4 格律作为制度

格律不仅仅是控制变量，更是塑造语音期望的机构。

• Mutaqarib：最硬、最不响，适合史诗叙事。
• Hazaj：较软，适合浪漫叙事和宗教吟唱。
• Ramal：熵最高，适合神秘主义和沉思。
• Mujtass：高响度与高擦音性结合，适合明亮的抒情。
• Muzari'：高硬度与高轮廓，适合修辞性晚期古典风格。

4.5 案例研究洞察

• Ferdowsi：史诗的硬度来自辅音的稳定性，而非咝音。
• Hafez：结合了高响度和高擦音性，实现了“可唱的模糊性”（singable ambiguity）。
• Bidel Dehlavi：其“困难”风格源于内部的高熵和快速交替，而非单纯的粗糙。
• Shahriar（现代）：展示了现代抒情诗中元音扩展和辅音密度降低的趋势。

5. 意义与影响 (Significance)

• 方法论创新：本文展示了数字人文学科如何在不牺牲解释力的情况下进行大规模量化分析。它证明了“测量”与“解释”并非对立，而是可以相互促进。
• 文学史修正：挑战了将波斯诗歌风格简化为单一维度（如“硬”或“软”）的传统观点，揭示了风格是特定历史时期、格律制度和诗人策略共同作用下的多维配置。
• 语音与形式的辩证关系：证实了格律（Meter）是语音风格生成的“中介制度”，诗人是在格律提供的有限机会空间内进行风格创新，而非完全自由地创造声音。
• 可复现性：提供了一个明确的、受控的、可复现的波斯诗歌语音分析工作流程，为未来的风格学、作者归属和文学历史研究奠定了基础。

总结：该研究通过严谨的数据筛选、G2P 语音转换和受控统计建模，成功地将波斯诗歌的“声音”转化为可量化的历史数据，揭示了在共享的格律制度下，诗人如何通过硬度、响度、擦音性和熵等维度进行独特的风格表达，并描绘了这些语音特征随文学史演变的动态图景。