说 a cup of tea，of 不是 /ɒv/。它很短，而且它的元音挪到了口腔中部。这两件事里，只有前半件在这个分辨率下量得出来。
英语把语法装在很小的一批封闭词类里 —— 冠词、介词、代词、助动词、连词。这些词单独拿出来几乎不承载信息，所以说话人可以自由压缩它们。实词不行：cup 一缩就不再是 cup。
下面量到的就是这个不对称。我们把句中每个词的时长，除以同一句里所有词的中位时长，得到时长比。实词聚在 1.2–1.8；被压过的功能词掉到 0.3–0.5 —— 常常只有 60–80ms，也就是三到四个分析帧。
比值在句内归一化是故意的。说得慢的人每个词都拖长；除以本句自己的中位，就把语速因素消掉了，剩下的只有相对压缩 —— 而那才是要紧的东西。
时长，在它自己那句里量
60 句、981 个已测词，其中功能词 455 个。这 455 个里有 169 处测得的时长比低于 0.5，对应 23 个不同的词。下面按比值从低到高排 16 个。
波形里染色的那一段，是对齐器给这个词标注的时间区间。下面的柱子把这个词的时长和同一句里的中位词作比较 —— 比值说的就是这一件事，没有更多。
页面上那串音标不是转写
每条示例都列出「字形转音素」模型给这个词产出的音素序列。那是喂给对齐器的输入，不是从这段录音里反推出来的。别把它读成「他就是这么说的」。
而且这个模型对弱化的处理并不一致：有的词它直接给弱化形式（for → f ɚ、an → ə n、was → w ə z），有的词给的是带重音符号的完整形式（he → h ˈi、his → h ˈɪ z）。下面两种都有。这种不一致是词典的性质，不是关于说话人的证据。
为什么量时长，不量元音音质
要展示弱读，最直觉的办法是量元音：中央元音有居中的共振峰模式，那就测 F1、F2 画出来。我们试了，在 16kHz 的对话录音上撑不住。用 Praat 量 12 个元音，5 个明显离谱 —— tell 量出 F1 1031 / F2 1235 Hz，而合理值大约 600 / 1800 Hz。在 20ms 一帧的尺度上，音高信息不足以做可靠的共振峰估计。
时长在同样条件下是稳的，因为它不依赖频谱细节。所以我们就报时长，并把这件事写明白 —— 而不是画一张看起来很权威、其实不可靠的共振峰图。