降噪测试过程中，测试语音选择的思考

最近一直在测试降噪效果，也花了很多时间，借鉴同事以及资料，自己通过测试比较，有一些感悟，分享出来，希望音频算法的同行一起讨论。

降噪效果测试，正常情况我们会更多注重在噪声分类上面，往往忽略了语音音素的选择，这里我分享下，其实音素在降噪效果的比较中，我们应该要重视起来，以下我先来谈谈一些音素的区别以及降噪的影响：

1、几种音素的分类：

浊音：指发音时声带有震动的音素,比如au,o。

清音：与浊音相反，主要是通过通过气流来发音，声带不震动，比如：s,p。

元音：发音过程中由气流通过口腔而不受阻碍发出的音，分类有双元音，半元音。

辅音：与元音相对，气流在口腔或咽头受到阻碍而形成的音，分类有鼻音，鼻塞音，摩擦音等。

2、降噪主观测试序列音素的选择：

在降噪过程，如果条件合适，我们的测试训练需要包括所有的音素，并且需要保持3倍以上的量，当然，正常情况下，我们肯定很难做到这么多的测试序列一遍一遍的听，根据我的感受，我们至少需要包含以下几种：

中文测试：中文发音，语音的持续时间比较长，很多降噪算法对音素的损伤偏小，但是我们还是需要确保我们的测试序列中包含足够多的清音，比如：4，7，10，服等。

英文测试：相对于中文，英文每一个音素的发音延续时长就要短很多，清音出现的概率也更大，所以对英文测试时，我们就需要包含更多的音素，而且需要包含重读、轻读的单词，比如s 发音在单词前面，中间以及后面。还需要特别注意闭塞音：浊闭音：发音时长往往特别短10～20ms,能量往往还比较低，在做瞬时噪声处理时，把握不好就会损伤严重，清闭塞音：40～100ms,这个时间相对也比较短，而且频谱上往往就是一根竖线，在噪声处理时也很容易造成损伤。另外就是摩擦音，由于能量强度低，频谱平坦，即使一些对平稳噪声降噪的方法，也会很容易对这部分发音损伤。

snr: 语音测试训练，不同信噪比的带噪语音，对测试失真也很重要。

欢迎大家加音频算法分享讨论群：153268894 （作者 zeark）。