우리는 국소적 운율 역동성(local prosodic dynamics)과 발화 수준의 감정 기준선(utterance-level emotional baseline) 사이의 불일치, 즉 시간적 운율 불일치(temporal prosodic incongruity)를 모델링하여 비꼬기(sarcasm)를 탐지하는 오디오 전용 프레임워크인 ProSarc를 제시합니다. 이중 인코딩 경로인 전역 감정 인코더(Global Emotion Encoder)와 시간적 운율 인코더(Temporal Prosody Encoder; BiLSTM + multi-head attention)는 분류를 위한 스칼라 불일치 점수(scalar incongruity score)를 생성하는 운율 불일치 분석기(Prosodic Incongruity Analyzer)에 입력됩니다. Monte Carlo dropout은 불확실성 추정치(uncertainty estimates)를 제공하며, 어텐션 기반 메커니즘(attention-based mechanism)은 프레임 수준의 레이블 없이도 비꼬기의 시작점(sarcastic onset)을 국소화합니다. ProSarc는 MUStARD++ 데이터셋에서 기존의 오디오 전용 방식보다 뛰어난 성능(F1=75.3)을 보였으며, 자발적 발화(PodSarc, F1=62.9) 및 교차 언어 발화(MuSaG, F1=65.6)로도 일반화됩니다. 10회 실행 검증(Ten-run validation)을 통해 불일치 모델링의 기여도를 확인했습니다(Wilcoxon p=0.002, Cohen's d=1.51). 인간 평가 결과, 모델의 불확실성은 지각적 모호성(perceptual ambiguity)을 추적하며, 예측된 시작점은 인간이 주석을 단 시간적 창(temporal windows)과 일치함을 보여주었습니다.