当我们听别人说话时，大脑面对的并不是一个个彼此孤立的声音，而是一条连续不断的“声音河流”。我们需要从中识别音节、组合词语，并进一步理解句子。那么，人类究竟如何跟上语言的节奏？不同的人是否会采用不同的方式？近日，6776永利集团陆灵犀研究员团队与北京体育大学罗路副教授合作，在国际知名认知科学期刊《Cognition》发表题为“Multiple motor systems spontaneously track speech structures at distinct levels with individual variability”的研究论文。研究发现，人在跟随言语节奏时，发音运动和眼动会自发追踪不同层级的时间结构，自主神经系统调控的心脏活动也会随言语结构发生细微变化；这些反应呈现出不同的时间特征，并表现出显著的个体差异。

自然语言具有丰富的层级结构。以汉语为例，音节可以组成词语，词语又进一步构成句子。不同层级对应不同的时间尺度：音节变化较快，词语和句子的组织则相对较慢。

过去的研究表明，大脑活动能够追踪这些不同层级的语言节奏。与此同时，即使人们只是在聆听言语，与发音有关的运动脑区也可能被激活，显示言语加工并非纯粹的听觉过程。然而，运动系统对言语的追踪究竟发生在哪些时间尺度？个体之间的听觉-运动耦合差异又会怎样影响这一过程？这些问题此前尚未得到系统回答。

研究团队招募了58名以汉语为母语的青年参与者，采用经过改进的“言语-言语同步”（speech-to-speech synchronization, SSS）任务，让参与者一边听语音，一边轻声重复“te”，尽可能与听到的音节保持同步。

为了区分不同层级的言语节奏，研究人员设置了三种语音材料。第一种是随机排列的音节，只保留每秒4个音节的快速节奏；第二种由双音节词组成，在音节节奏之外增加了每秒2个词语的节奏；第三种由两个双音节词组成四音节句子，在音节和词语节奏之上，又增加了每秒1个句子的更慢节奏。参与者只需跟随音节节奏，并未被要求关注其中的词语或句子结构。每段声音结束后，他们还需要在没有外部提示的情况下，将刚才的节奏继续保持10秒。

实验过程中，研究人员同步记录了参与者的发音、眼部电活动和心电活动，由此考察发音与眼动系统如何追踪言语节奏，以及自主神经系统调控的心脏活动是否会随言语结构发生变化。

根据言语同步表现，参与者呈现出明显的双峰分布，可分为高同步组和低同步组。这种差异不能简单用年龄、性别、焦虑、疲劳或日常运动水平解释，而是反映了听觉-运动耦合方式的个体差异。

与低同步组相比，高同步组能够更稳定地跟随音节节奏。当语音中加入词语和句子结构时，他们受到的干扰更小；即使声音停止，也能更好地依靠内部节奏继续发音。

更有意思的是，参与者虽然只被要求跟随音节，高同步组的发音却自发呈现出对双音节词节奏的追踪。当语音包含词语或句子结构时，他们的发音时间还会相对提前。这表明其发音运动系统并非只是被动跟随，而可能利用较高层级的语言结构，预测下一个音节出现的时间。