引题
在提取数据的工作中,提取基频这是最重要的一部分,基频也可以称为Pitch
, F0
。它跟我们感知到的声调,语调是相关的,所以通常用来描述声调语言的声调,以及语调走势等。有关于相关的理论在此不展开,请查阅其它资料。以下图例从论文中摘出。
上图针对的声调语言的声调研究,在通过大量的数据提取平均值之后,画出来4
个声调调类的基频走势。上图是原始值,下图是归一化到5度
的值。描述方法是一样的。从这样的图,我们能够大概知道研究对象的声调趋势情况。
同样的道理,我们想研究一句话的语调,也是同样作出类似的基频图,如上图,通过这一句话对比美国发音人
和中国学生
的语调区别。
提取基频
虽然本站主要在介绍如何使用Praat脚本
,其实提取基频远不止使用Praat脚本
这一条路,其它常用的工具或者工具包,有Straight, Reaper, Python,Matlab, R
等。有的人经常会困于这样的纠结中,认为Praat脚本
必须是比较低级的学习者才用的工具,而我的论文,我的课题要体现出优越感,要体现出高大上,随即转向去用其它办法来提取,我觉得大可不必有这样的胡思乱想,小编比较过使用Praat
提取的基频和其它的方法提取的差异,这真的是可以忽略不计的,因为频率的计算自然就是通过对N个采样点使用数学公式,差别只是在于小数点后面几位的大小吧,而真正描述我们的语音现象,使用Praat
提取的基频是足够有说服力的。
操作解释
我们举一个例子说明Praat
对基频的一些操作,如图所示。这是一句中文的标注。请关注中间的频谱部分有一些蓝色的线,这些线就是基频线,当鼠标点在频谱某一个位置时,在窗口的右侧,这个数值就是这一点的基频值,是312.2Hz
,单位是赫兹。这个汉字“梯”
明显是声调为1
,高平调,很明显这一小段的基频线也是几乎是一条直线,而且它的位置很高,或者说数值都比较大,相对其它声调的基频数值来说。
我们提取基频是不是就意味着点点鼠标,将这些值记录下来呢?确实如此。不过如果使用脚本,我们是可以批量提取的。而且因为展示在计算机上的声波或者频谱都是经过N个采样点显示的,我们该使用多少个点来描述基频呢?这个也要因研究而异。有的地方的语言声调没有时长的变化,每一种声调类型取10个点就可以了,比如上面的“梯”字,取浊音部分时长分10份,每一份取一个值就好了,用这10个点来来出基频曲线,在这里,就代表这个字的声调。Praat
有一个操作可以让我们得到一串数字。
首先将鼠标点到需要提取基频的“梯”
字的韵母部分,即i1
这个位置,然后点击菜单上的Pitch
里的Pitch listing
这里我们得到以下的数值,第一列是时间点,它是每隔0.005秒
提取一个数值的,而第二列就是基频值。最后两个点由于在浊音的尾巴部分,这个地方并没有算出来基频值,这种情况发生在清音段。
Time_s F0_Hz
2.195000 312.571904
2.205000 307.672618
2.215000 307.210382
2.225000 308.833792
2.235000 310.290384
2.245000 311.272558
2.255000 312.534089
2.265000 314.228055
2.275000 316.011664
2.285000 317.721282
2.295000 319.152261
2.305000 319.941487
2.315000 320.963075
2.325000 322.201205
2.335000 323.185139
2.345000 324.748366
2.355000 326.452091
2.365000 326.797606
2.375000 324.231642
2.385000 --undefined--
2.395000 --undefined--
我们将这些数值放在Excel表格
里,即可画出基频曲线图。
运行脚本
本文的代码下载地址见下文(获取脚本部分)是09-get_duration_and_pitch/Get_Duration_and_Pitch.Praat
。脚本里有我的邮箱,有任何问题都可以来信咨询。
打开Praat
之后,选择Praat
,Open Praat Script...
,打开这个脚本,然后在脚本窗口选择Run
,Run
,或者直接使用快捷键Ctrl+R
,在弹出来的对话框里,设置以下几个地方:
- 设置你的
wav
所在的目录
,这里因为是在Windows系统
,所以路径斜线是\
,如果你是在Mac
使用,将这个斜线方向反一下就好。本文示例是放在E盘的Biaobei_Demo
目录里。自己没有数据的可以参考本公众号里的一篇文章,开源的中文英文数据库,就是这些示例,是已经标注过的; - 同样的方法设置下面的
PitchTier
目录和TextGrid
目录,请注意,如果没有自己修过的基频目录,PitchTier目录
可以置空; - 接着设置你要提取的一般是音素层,它是第几层,这里在第
1
层; - 设置提取出来的结果文件的路径。
设置完毕,点击OK
,运行脚本,结果可以到结果文件里查看。
结果是这样的,首先是文件名,其次是这个音素的名称
,再后面是音素的时长
,以及后面的10个点的基频值
。
由于这是中文数据,我们看一下在说话的过程中我们所说的上声,具体表现是什么样的呢?我们从上面的数据里将3声调
的数值都提出来在Excel里做一下平均,再画图。我们得到了这样的一个曲线,很明显,这个3声
和我们想象的单念的时候差别很大,我们在单念的时候需要一个很夸张的末尾上扬
,在实际说话中这个并不明显。有兴趣的同学可自己单念几个上声字检查这个声调图。
获取脚本
https://github.com/feelins/Praat_Scripts
本站所有Praat脚本
都可以在上述github的项目目录
里找到,如果日常对代码、脚本操作比较熟练的可通过下载、安装、配置github for windows
在自己的电脑上通过git clone
将代码下载到本机,这样的好处是可以跟主站及时更新代码。
不想费如此脑筋,可以通过点击如下图Code位置所示,下载整站的代码,可直接使用。
关注
关于对本站脚本的使用咨询,以及功能修改,增加等,都可以扫QQ咨询群,私信群主。
版权说明
1、版权归本公众号“极地语音工作室”,原名“语音处理小站”所有;
2、未经本站或者作者允许, 不得任意转载本文内容,否则将视为侵权;
3、转载或者引用本文内容请注明来源及原作者;
4、对于不遵守此声明或者其他违法使用本站内容者,本人依法保留追究权等。