谁在说话？ 内隐和外显的自我及其他语音识别

Michela Candini a,1 , Elisa Zamagni a,1 , Angela Nuzzo a , Francesco Ruotolo b , Tina Iachini b, Francesca Frassinetti a,c,uArr;

摘要：在自我识别领域，语音是自我/其他差异的重要特征。 这项研究的目的是探讨人们是否对自己的声音有内在和/或外在的了解。 一组健康的参与者接受了隐式和显式的自我语音识别任务。 他们听熟悉的或不熟悉的人自己说出的一对预先录制的听觉刺激（单词或伪单词）。 然后，在“隐式任务”中，参与者必须判断该对刺激是由相同或不同的说话者发音的； 在“明确任务”中，他们必须确定刺激之一是否是他们自己的声音。

结果表明，内隐和外显任务之间存在差异，因为参与者的内隐准确度比外显的自我语音识别准确。 此外，在“内隐”任务中，参与者必须判断自己或他人的声音发出的刺激时具有相同的准确度，而当需要明确的语音识别时，他们对自己的准确性不如他人的语音。

关键词：自我 他人 声音 隐式识别 外显识别

1 引言

识别是人类的基本生物学功能。为了支持此功能，在日常生活中，我们通常使用基于多感官（例如视觉，听觉等）的复杂的、多通道的识别系统。具体来说，语音信号会携带不同类型的信息，例如，当我们听到语音时，就会同时得知语言信息和说话者的个人特征（例如性别，年龄和身份）。关于后一种情况，当说话者的视觉特征不可用时，例如，当我们接听电话或当听某人讲话时，语音作为传达讲话者身份的“渠道”就变得非常重要。在这种情况下，至少涉及两种不同的认知能力：语音特征的处理和对熟悉语音的识别。第一种认知能力使我们能够区分声音和非声音（例如，与自然声音或动物啼哭有关的单词），而第二种识别能力则使我们能够识别其他声音。

就语音的特征处理而言，fMRI的研究表明，人类的大脑中存在“时空语音区域”（TVA）。该区域位于上颞回两侧，比起非语音声音，其参与处理的声音要多得多(Belin，Bestelmeyer， Latinus, amp; Watson，2011； Belin，Zatorre，Lafaille，Ahad, amp; Pike，2000； Ethofer，Van De Ville，Scherer, amp; Vuilleumier，2009； Gervais等，2004； Linden等，2011)。 最近，Bestelmeyer，等人的研究表明，将rTMS应用于颞上颌窦（STS）的右上岸时，与控制部位的刺激是右上颌上回相比，语音/非语音辨别能力会受到损害（SMG）(Bestelmeyer，Belin, amp; Grosbras, 2011年) 。 此外，在参与者必须判断不同声音的响度的控制任务中未观察到这种效果。 在后一项任务中，rTMS在两个刺激位点均不会影响性能。 其他研究表明，上颞沟（STS）的不同区域参与了语音处理的不同方面（Andics等, 2010 ; Blank, Anwander, amp; von Kriegstein, 2011； von Kriegstein, Eger, Kleinschmidt, amp; Giraud, 2003; von Kriegstein, amp; Giraud, 2004）。有研究者进行了一项功能磁共振成像研究，受试者必须识别目标说话者或熟悉和不熟悉的说话者所讲句子中的口头内容。结果表明，STS的后部区域更多地参与言语内容任务，而前部区域对语音识别做出响应(von Kriegstein et al. , 2003)。

关于语音识别，使用不同方法的研究表明，语音识别与身份的其他方面（例如面部识别）是分离的(Gainotti, 2011; Gainotti, 2013)。神经心理学证据表明，右梭状回主要参与人脸识别（Gauthier et al., 2000; Kanwisher, McDermott, amp; Chun, 1997），而右颞上回主要参与语音识别（Belin, 2006; Belin et al., 2000）。

此外，现有研究还发现，可以将语音识别与不熟悉的语音识别区分开。对脑损伤患者的研究表明，右后侧肩周周围病变的患者在著名的语音识别方面受损，而双侧颞叶病变的患者在不熟悉的语音识别方面受损(Van Lancker, Cummings, Kreiman, amp; Dobkin, 1988; Van Lancker, Kreiman, amp; Cummings, 1989)。因此，神经衰老数据支持这样的观念，即大脑中处理熟悉和不熟悉的声音的区域是不一样的，这表明，相比于陌生的声音，右上颞沟（STS）的前部更能被激活熟悉的声音(Belin, amp; Zatorre, 2003; von Kriegstein, amp; Giraud, 2004; von Kriegstein et al., 2003)。在一项宠物研究中，研究者进行了熟悉/不熟悉的决定任务(包括朋友的声音或陌生人的声音)，在识别熟悉的声音时，发现右颞叶和左额叶、内嗅皮层和左楔前叶的活动更高(Nakamura et al., 2001)。

尽管大多数研究提供了有关熟悉/不熟悉的语音识别的证据，但很少有神经影像学和神经生理学研究自我声音识别。而Allen等人从神经影像学角度，Graux等人从神经生理学角度对自我声音识别进行了研究。这些研究报告说，与其他人的语音识别相比，不同的大脑区域均参与了自我识别(Allen et al., 2005； Kaplan, Aziz-Zadeh, Uddin, amp; Iacoboni, 2008; Nakamura等, 2001; Rosa, Lassonde, Pinard, Keenan, amp; Belin, 2008; Graux et al., 2013)。

Allen等人在一项功能磁共振成像研究中发现，听自生单词与左下额额叶和右前扣带回皮层的更多激活有关，而听别人产生的单词更多地与侧颞叶皮层的参与有关(Allen et al., 2005)。类似地，在事件相关电位（ERP）研究中，当参与者被动听到三声自己录音的声音时（相对于两声时的声音），发现失配负值（MMN）有所不同(Graux et al., 2013)。

总体而言，这些现有的发现表明，自己的，熟悉的和不熟悉的声音被作为不同的信息处理，并被不同的大脑区域所包围。但是，值得注意的是，除了Graux等人的ERP研究之外，所有提及的研究都只使用显式的自我声音识别的范式。

这一点特别相关，因为在自我识别领域，有大量证据表明内隐和外显自我处理之间存在分离。在这方面，最近证明了隐性和显性自我身体识别之间的一种有趣的分离。有趣的一点是，在视觉匹配任务中隐式识别代表身体部位的图像的参与者在需要显式识别人体图像时失败了。确实，当参与者必须指出两个垂直对齐的图像（高或低）中的哪一个与中央目标刺激相匹配时，相比于其他人的身体部位他们更容易判断出自己的身体部位。相比之下，当要求参与者明确判断上部或下部图像是否与自己的身体相对应时，他们往往不能如此轻易地判断（Ferri, Frassinetti, Cosantini, amp; Gallese, 2011; Frassinetti, Ferri, Maini, Benassi, amp; Gallese, 2011）。

根据这一证据，作者提出了不同机制的显式和隐式的双向的自我识别的存在。事实上，感觉运动身体表征参与了对自己身体部位的内隐而非外显的认知(Ferri, Frassinett, Ardizzi, Cosantini, amp; Gallese, 2012)。因此，本研究的目的是验证语音是否也在隐性和显性自我声音识别之间出现了分离。

为了这个目的，一组健康的被试接受了隐式和显式的自我语音识别任务。在这两个任务中，参与者都听了成对的听觉刺激(单词或伪单词)。对于这两种刺激，说话者的声音分别属于：参与者，熟悉或不熟悉的人。在隐式任务中，参与者必须判断刺激是由同一说话者还是由不同的说话者发音，而在显式任务中，参与者必须确定刺激中是否有自己的声音。

与先前的证据一致，我们假定与隐式的自我身体识别类似，对自己的声音的隐式识别依赖于感觉网络，而对自己的声音的显式识别则基于认知机制。因此，显式处理可能比隐式处理更容易出现失误（Berti, amp; Rizzolatti, 1992; Tranel, amp; Damasio, 1985）。根据这一结论，我们假设：在隐式任务中，存在自我声音识别的优势，而在显式任务中则没有这种优势。这将证明内隐和外显的自我语音加工具有不同的机制。相反，如果内隐和外显的自我语音处理是基于相同的机制，那么这两个任务应该不会出现差异。

2材料和方法

2.1 被试

参与者为六十二名右撇子，健康（21名男性，平均年龄= 43.2plusmn;15.1岁，41名女性，平均年龄= 37.6plusmn;14.7岁； Mann–Whitney U检验p = .10），没有听觉或神经病理学上的疾病。在研究中，所有参与者均为意大利语讲者，并且不知道研究的目的。所有参与者均已获得书面知情同意。

该研究得到当地伦理委员会的批准，所有程序均与2008年《赫尔辛基宣言》一致。

2.2 材料

在第一次会议中，在一个安静的房间中，与会者朗读在纸上（A4格式）显示的意大利语单词和伪单词时，实验者会使用录音机（Panasonic RR-XS420）录制他们的声音。录音机与参与者的躯干保持固定距离(60厘米)。 朗读过程中，要求他们保持平坦的语气，并尽可能清晰地发音。如果实验人员认为所记录的项目不容易辨别，请让参与者将其重复，直到它们被辨认为止。单词是双音节和高频刺激(意大利语：cane，foca，lupo，alce，rana e topo；英语：dog, seal, wolf, elk, frog, mouse)，属于同一语义类别（动物）。 通过替换两个字母（cona，faco，lusa，leca，tupi e rona）从单词中获得伪单词。 随后，每个声音刺激都以44,100 Hz，16位，立体声模态进行了数字化，并使用专用软件（WavePad Sound Editor）对其进行了细化，以调节总体声压并平衡音量。 每个刺激的平均持续时间为663.18 ms（SD = 100.36；范围= 451–894 ms）。

每个刺激可能代表参与者的声音（A刺激），熟悉的其他人的声音（B刺激）或陌生的其他人的声音（C刺激）。 每个参与者都被要求携带他们每天遇到的具有相同种族和性别的人。即他们的熟人。

2.3程序

每个试验均以中央固定点（250 ms的持续时间）开始，然后依次进行一对声带刺激（500 ms ISI）。参与者做出回应后，该试验即暂停。判断的间隔时间固定为1000毫秒。代表性试验的时间结构如图1a和b所示。

在每个试验中，两种刺激可能属于同一个人(同一试验)，也可能属于不同的人(不同试验)(见图1a和b)。此外，刺激可能属于参与者(A)，熟悉的其他人(B)或陌生的其他人(C)。因此，提出了“相同”刺激的三种组合(AA，BB和CC)和“不同”刺激的三种组合(AB，AC和BC)。 声音匹配了性别和区域性口音。 最后，在“相同”和“不同”的试验中，有一半刺激是相同的(即，甘蔗/蔗糖或cona / cona)，而另一半则不是(例如，甘蔗/ foca或cona / faco)。在这六个组合下，“相同”和“不同”的判断之间的每个单词/伪单词的呈现方式都达到了平衡。

这样，可以控制由于材料引起的可能的杂散效应。 单词和伪单词在两个单独的块中显示。 在每个区块中，根据声音所有者（AA–BB–CC–AC–AB–BC）的每种刺激组合进行了4次试验，总共进行了24次试验。 试验之间的出现顺序和刺激类型（相同和不同）和所有者因子（AA–BB–CC–AC–AB–BC）的顺序是随机的，而两个区域（单词和假单词）是平衡的。

参与者坐在屏幕前约60厘米的距离处，并被要求按两个先前分配的响应键，一个为肯定（YES），一个为否定（NO）。 参与者之间的响应按钮保持平衡。 刺激通过耳机传递，并通过双耳呈现。 刺激的呈现和随机化是通过在PC机上运行的E-Prime 2.0（心理学软件工具1996–2012）进行控制的。 记录按键RT和响应精度。

在隐式任务中，要求参与者判断两种声音是“相同”（一半参与者）还是“不同”（一半参与者）。在“显式”任务中，要求所有参与者明确判断两个声音中是否至少有一个是他们自己的声音。所有参与者在一次实验中完成了两项识别任务，并在主要实验之前进行了八次实践试验。

为了避免在“相同/不同”任务中明确识别自己的声音的干扰效果，隐式任务始终在显式任务之前执行。 整个实验耗时约半小时。

3结果

3.1隐式和显式任务之间的比较

首先，为了验证隐式/显式处理自己的声音是否有优势，我们根据先前研究中所采用的“自我”和“其他”的定义比较了自我和其他条件（Frassinetti，Maini， Romualdi，Galante和Avanzi

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[593885]，资料为PDF文档或Word文档，PDF文档可免费转换为Word