Continuous magnitude estimation and continuous cross-modality matching with line length can efficiently track the momentary loudness of time-varying sounds in behavioural experiments. These methods are known to be prone to systematic biases but may be checked for consistency using their counterpart, magnitude production. Thus, in Experiment 1, we performed such an evaluation for time-varying sounds. Twenty participants produced continuous cross-modality matches to assess the momentary loudness of fourteen songs by continuously adjusting the length of a line. In Experiment 2, the resulting temporal line length profile for each excerpt was played back like a video together with the given song and participants were asked to continuously adjust the volume to match the momentary line length. The recorded temporal line length profile, however, was manipulated for segments with durations between 7 to 12 s by eight factors between 0.5 and 2, corresponding to expected differences in adjusted level of -10, -6, -3, -1, 1, 3, 6 and 10 dB according to Stevens’s power law for loudness. The average adjustments 5 s after the onset of the change were -3.3, -2.4, -1.0, -0.2, 0.2, 1.4, 2.4 and 4.4 dB. Smaller adjustments than predicted by the power law are in line with magnitude-production results by Stevens and co-workers due to ‘regression effects’. Continuous cross-modality matches of line length turned out to be consistent with current loudness models, and by passing the consistency check with cross-modal productions, demonstrate that the method is suited to track the momentary loudness of time-varying sounds.

中文翻译：

---

响度的连续幅度产生

连续幅度估计和与行长的连续交叉模态匹配可以有效地跟踪行为实验中时变声音的瞬时响度。众所周知，这些方法容易产生系统性偏差，但可以使用其对应的量产来检查其一致性。因此，在实验1中，我们对随时间变化的声音进行了这种评估。二十名参与者进行了连续的跨模态匹配，以通过连续调整线的长度来评估十四首歌曲的瞬时响度。在实验2中，每个摘录的结果时间线长度轮廓都像视频一样与给定的歌曲一起播放，并且要求参与者不断调整音量以匹配瞬时线长度。但是，记录的时间线长度轮廓 根据史蒂文斯（Stevens's）的方法，对持续时间在7到12 s之间的段进行了处理，乘以0.5到2之间的八个因子，这对应于-10，-6，-3，-1、1、3、6和10 dB的调整电平的预期差异响度的幂律。变化开始后5 s的平均调整为-3.3，-2.4，-1.0，-0.2、0.2、1.4、2.4和4.4 dB。由于“回归效应”，调整幅度比幂定律所预测的小，这与史蒂文斯及其同事的量产结果相符。线长度的连续交叉模态匹配被证明与当前的响度模型一致，并且通过与交叉模态产生的一致性检查，表明该方法适合于跟踪随时间变化的声音的瞬时响度。对应于根据史蒂文斯的响度功率定律，调整后的-10，-6，-3，-1、1、3、6和10 dB电平的预期差异。变化开始后5 s的平均调整为-3.3，-2.4，-1.0，-0.2、0.2、1.4、2.4和4.4 dB。由于“回归效应”，调整幅度比幂定律所预测的小，这与史蒂文斯及其同事的量产结果相符。线长度的连续交叉模态匹配被证明与当前的响度模型一致，并且通过与交叉模态产生的一致性检查，表明该方法适合于跟踪随时间变化的声音的瞬时响度。对应于根据史蒂文斯的响度功率定律，调整后的-10，-6，-3，-1、1、3、6和10 dB电平的预期差异。变化开始后5 s的平均调整为-3.3，-2.4，-1.0，-0.2、0.2、1.4、2.4和4.4 dB。由于“回归效应”，调整幅度比幂定律所预测的小，这与史蒂文斯及其同事的量产结果相符。线长度的连续交叉模态匹配被证明与当前的响度模型一致，并且通过与交叉模态产生的一致性检查，表明该方法适合于跟踪随时间变化的声音的瞬时响度。变化开始后5 s的平均调整为-3.3，-2.4，-1.0，-0.2、0.2、1.4、2.4和4.4 dB。由于“回归效应”，调整幅度比幂定律所预测的小，这与史蒂文斯及其同事的量产结果相符。线长度的连续交叉模态匹配被证明与当前的响度模型一致，并且通过与交叉模态产生的一致性检查，表明该方法适合于跟踪随时间变化的声音的瞬时响度。变化开始后5 s的平均调整为-3.3，-2.4，-1.0，-0.2、0.2、1.4、2.4和4.4 dB。由于“回归效应”，调整幅度比幂定律所预测的小，这与史蒂文斯及其同事的量产结果相符。线长度的连续交叉模态匹配被证明与当前的响度模型一致，并且通过与交叉模态产生的一致性检查，表明该方法适合于跟踪随时间变化的声音的瞬时响度。