抛弃Praat脚本？—— 使用 Parselmouth 实现语音数据处理

极地语音工作室

于 2025-04-10 11:53:33 发布

阅读量780

点赞数 16

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/shaopengfei/article/details/146704671

Praat 同时被 2 个专栏收录

55 篇文章

订阅专栏

Python

16 篇文章

订阅专栏

使用 Parselmouth 配合 Praat 实现语音数据处理

引言

在语音信号处理领域，Praat 是一个功能强大的工具，广泛用于语音录制、分析、标注和可视化。然而，Praat 的脚本语言虽然灵活，但对于习惯使用 Python 的开发者来说，可能不够直观和高效。能够使用Praat脚本处理数据的同学应该有此感悟，在处理的过程中，包括对文件，文本，字符串的一些操作，显然有很大的局限性。尤其如果对于一个习惯了使用Python等编程语言的小伙伴们，假定现在告诉你，有某某操作必须要用到这个Praat脚本，这个调研，调用的过程中无疑是痛苦的！

那么问题来了！ 我们能够抛弃Praat脚本去处理语音数据吗？ 当然，很多站队Praat的同学，要有此怀疑：最好还要处理的数据是我用Praat一样一样的！相信很多人尝试用librosa, pyworld, 之类的语音包，在一些数据的细节上，还是有很大的差异的。请注意，刚才提到的一些语音包没什么问题，但是如果说 要保证和Praat提取的参数一模一样？！ 这可能是有一些难度的，因为语音采样点是有一些随机性的，不同的方案去计算如共振峰，基频，肯定是有所差异的。当然，严格意义上来说，有一些计算的差异，实际上是没有太大影响的。

那么，本文要介绍的Parselmouth 是一个 Python 库，它提供了对 Praat 功能的直接访问，使得在 Python 环境中处理语音数据变得更加方便和强大。是的！你没有听错！它是直接去访问Praat的，在它的编译包里，是有Praat完整源代码的。该库包在github上的访问量已经有1.1K，考虑到Praat比较小众的保用人群，说明该项目还是比较受关注的。

本篇推荐Parselmouth另外一个重点是，Praat 的脚本语言虽然强大，但在处理复杂任务或与其他工具集成时可能显得不够灵活。Parselmouth 是一个 Python 库，它提供了对 Praat 功能的直接访问，使得用户可以在 Python 环境中使用 Praat 的强大功能，同时利用 Python 的灵活性和丰富的生态系统。

本文将介绍如何使用 Parselmouth 处理语音数据，并展示其比 Praat 脚本更方便、功能更强大的地方。我们将重点讨论声音读取、写入、分段、声音参数（如采样率）展示，以及提取基频、共振峰、音强、时长、MFCC 等主要参数。

警告!!!：学习使用本篇，必然要有一定的Python使用基础，最起码要知道Python程序如何使用。

1. Parselmouth 简介

在这里插入图片描述

Parselmouth 是一个 Python 库，它将 Praat 的功能封装为 Python 接口。通过 Parselmouth，你可以在 Python 中直接调用 Praat 的函数，而无需编写 Praat 脚本。Parselmouth 的优势包括：

易用性：Python 语法简洁直观，适合快速开发和调试。Python 语法比 Praat 脚本更易读和易写。
Python 生态系统的支持：结合 Python 生态系统的强大功能（如 NumPy、SciPy、Matplotlib 等），可以轻松实现复杂的数据处理和分析。
高效性：直接在 Python 中调用 Praat 函数，避免了频繁切换工具。
灵活性：可以轻松集成到现有的 Python 项目中。

2. 项目地址：

github地址：https://github.com/YannickJadoul/Parselmouth
文档地址：https://parselmouth.readthedocs.io/en/stable/

3. 安装 Parselmouth

首先，需要安装 Parselmouth 库。可以通过 pip 安装，包只有4-5M左右，很小：

pip install praat-parselmouth

后续会推出一些Python的系列学习课程，敬请期待。如上安装可能是一种比较“无序”的工作方式，希望自己工作流更清晰的同学，可自行了解一些安装conda管理虚拟环境，以及配置一个专门处理praat数据的虚拟环境，再使用上面的安装，这样做到任何绑定环境，互不干涉。

4. 基本用法

4.1 加载音频文件

使用 Parselmouth 加载音频文件非常简单，如下所示，音频文件读取到sound对象之后，包括了音频基本的一些属性，采样率，通道数，时长，等；在写音频文件时，可以指定多种格式，与Praat保存音频时的选项同步；

# 加载音频文件
sound = parselmouth.Sound(r'input_data\000001.wav')
# 获取音频信息
print("采样率:", sound.sampling_frequency)
print("时长:", sound.duration)
print("声道数:", sound.number_of_channels)
# 输出：
# 采样率: 48000.0
# 时长: 2.66
# 声道数: 1

# 保存为新的WAV文件
output_path = r"output_data\output_000001.wav"
sound.save(output_path, parselmouth.SoundFileFormat.WAV)  # WAV格式

4.2 提取音频特征

Parselmouth 提供了许多 Praat 中的功能，例如提取音频的基频（pitch）、强度（intensity）、共振峰（Formant)、梅尔谱（MFCC）等。下面的例子演示如何提取基频。

# 加载音频文件
sound = parselmouth.Sound(r'input_data\000001.wav')
# 提取基频（Pitch）
pitch = sound.to_pitch()

start_time = 0.4
end_time = 0.5

cur_pitch = parselmouth.praat.call(pitch, "Get value at time", 0.45, "Hertz", "linear")
min_pitch = parselmouth.praat.call(pitch, "Get minimum", start_time, end_time, "Hertz", "Parabolic")
max_pitch = parselmouth.praat.call(pitch, "Get maximum", start_time, end_time, "Hertz", "Parabolic")
mean_pitch = parselmouth.praat.call(pitch, "Get mean", start_time, end_time, "Hertz")
std_pitch = parselmouth.praat.call(pitch, "Get standard deviation", start_time, end_time, "Hertz")
print('基频：' + str(cur_pitch))
print('最小基频：' + str(min_pitch))
print('最大基频：' + str(max_pitch))
print('平均基频：' + str(mean_pitch))
print('基频标准差：' + str(std_pitch))
# 输出：
# 基频：264.3713282356899
# 最小基频：261.291939898309
# 最大基频：287.63474257443977
# 平均基频：269.15842989505103
# 基频标准差：8.733570821295842

pitch_values = pitch.selected_array['frequency']
print(pitch_values)

说明：加载了音频之后，通过sound.to_pitch() 这句命令实现将声音转换为pitch对象。这之后的操作，比如提取某一点的基频，提取最大，最小，平均等，细心的你应该会发现，这，真的和使用Praat脚本来操作是完全类似的！

我们来对比一下使用Praat脚本提取以上几个基频相关的数值的比较，当我们采用raw autocorrelation方法提取基频时，细心的你再次发现，使用Parselmouth提取的数值和Praat脚本几乎是一样的（可能不排除有小数精度的区别）。

Read from file: "input_data\000001.wav"
To Pitch (raw autocorrelation): 0, 75, 600, 15, "no", 0.03, 0.45, 0.01, 0.35, 0.14
Get value at time: 0.45, "Hertz", "linear"
# 264.3713282356899 Hz
Get minimum: 0.4, 0.5, "Hertz", "parabolic"
# 261.291939898309 Hz
Get maximum: 0.4, 0.5, "Hertz", "parabolic"
# 287.63474257443977 Hz
Get mean: 0.4, 0.5, "Hertz"
# 269.158429895051 Hz

至此，你应该完全确信，Parselmouth这个库，是完全调用的Praat的核心的计算函数的。至于提取音强，共振峰等其它参数，我们不再赘述。在本篇稍后公布的git仓库里，会陆续投放相应的程序代码。

补充说明一下，上面的Python代码里的这句，pitch_values = pitch.selected_array['frequency']，相当于将pitch提取为一个独立的数组，可以直接保存为文件，或者变量在工程上去大规模处理或者训练模型。

4.3 可视化

Parselmouth 还支持将 Praat 的可视化功能集成到 Python 中：

import matplotlib.pyplot as plt
import numpy as np
import parselmouth

# 加载音频文件
sound = parselmouth.Sound(r'input_data\000001.wav')
# 提取基频（Pitch）
pitch = sound.to_pitch()
pitch_values = pitch.selected_array['frequency']

# 绘制波形图
plt.figure()
plt.plot(sound.xs(), sound.values.T)
plt.title("Waveform")
plt.xlabel("Time [s]")
plt.ylabel("Amplitude")
plt.show()

# 绘制基频图
plt.figure()
plt.plot(pitch.xs(), pitch_values, 'o', markersize=2)
plt.title("Pitch")
plt.xlabel("Time [s]")
plt.ylabel("Pitch [Hz]")
plt.show()

以上两段代码的作图结果为，具体的作图细节，以及如何使用Python里的matplotlib这个丰富的作图库，在此不展开。

在这里插入图片描述

5. 高级用法

5.1 批量处理文件

熟练使用Python的伙伴们，对于Python在批量处理文件的便利毋须多言。通过与Parselmouth的结合，可以方便地批量处理多个音频文件，以下这段代码读取一个目录所有的音频，将它们的基频文件批量保存：

import os
import numpy as np
import parselmouth

# 定义音频文件目录
audio_dir = "input_data"

# 遍历目录中的音频文件
for filename in os.listdir(audio_dir):
    if filename.endswith(".wav"):
        filepath = os.path.join(audio_dir, filename)
        sound = parselmouth.Sound(filepath)

        # 进行一些处理，例如提取基频
        pitch = sound.to_pitch()
        pitch_values = pitch.selected_array['frequency']

        # 保存结果
        output_path = os.path.join("output", f"{filename}_pitch.txt")
        np.savetxt(output_path, pitch_values, fmt='%.9f')

5.2 标注文件TextGrid的批量处理

同样的道理，既然Parselmouth能方便的直接处理音频，也可以直接处理我们的标注文件，TextGrid，以下是一个例子，读取一个目录里所有TextGrid文件，提取第一层（音素层）的所有音素信息，以及时长：

import os
import parselmouth
import pandas as pd

input_data_dir = r"input_data"
output_result_file = r'result.csv'

results = []
for filename in os.listdir(input_data_dir):
    if filename.endswith(".TextGrid"):
        logger.info(filename)
        textgrid_path = os.path.join(input_data_dir, filename.replace(".wav", ".TextGrid"))
        textgrid = parselmouth.praat.call("Read from file", textgrid_path)
        num_intervals = parselmouth.praat.call(textgrid, "Get number of intervals", 1)
        
        # 遍历每个音素
        for interval in range(1, num_intervals + 1):
            phoneme = parselmouth.praat.call(textgrid, "Get label of interval", 1, interval).strip()
            start_time = parselmouth.praat.call(textgrid, "Get start point", 1, interval)
            end_time = parselmouth.praat.call(textgrid, "Get end point", 1, interval)
            duration = end_time - start_time
            
            results.append({
                "file_name": filename,
                "phoneme": phoneme,
                "duration": '{:.3f}'.format(duration)
            })

# 将结果保存到CSV文件
input_data = pd.DataFrame(results)
input_data.to_csv(output_result_file, index=False)

运行之后，我们得到以下结果：
在这里插入图片描述

很清楚，在实际处理TextGrid的过程中，并没有引入新的函数，或者自定义的一些操作，就是直接调用了Praat里使用的如Read from file、Get label of interval、Get start point等；

在这个脚本中，有意结合了pandas处理了结果，这也是Python在数据分析处理上的巨大优势。比如我们想对上面的操作加一个条件：如果我只想提取元音部分的音素信息，假如这个条件在Praat脚本上实现，在匹配元音的时候，有用过的伙伴应该记得，将音素与元音列表循环验证，这真的不是Praat脚本擅长的。现在在这个例子中，由于使用了pandas，只需要一句话，即可以完成这个操作。

补充后的脚本为：

import os
import parselmouth
import pandas as pd

input_data_dir = r"input_data"
output_result_file = r'result.csv'

vowels = ['a', 'e', 'ai', 'ei'] # 定义元音列表，可通过读文件实现

results = []
for filename in os.listdir(input_data_dir):
    if filename.endswith(".TextGrid"):
        logger.info(filename)
        textgrid_path = os.path.join(input_data_dir, filename.replace(".wav", ".TextGrid"))
        textgrid = parselmouth.praat.call("Read from file", textgrid_path)
        num_intervals = parselmouth.praat.call(textgrid, "Get number of intervals", 1)
        
        # 遍历每个音素
        for interval in range(1, num_intervals + 1):
            phoneme = parselmouth.praat.call(textgrid, "Get label of interval", 1, interval).strip()
            start_time = parselmouth.praat.call(textgrid, "Get start point", 1, interval)
            end_time = parselmouth.praat.call(textgrid, "Get end point", 1, interval)
            duration = end_time - start_time
            
            results.append({
                "file_name": filename,
                "phoneme": phoneme,
                "duration": '{:.3f}'.format(duration)
            })

# 将结果保存到CSV文件
input_data = pd.DataFrame(results)
input_data = input_data[input_data['phoneme'].str.replace(r'\d+$', '', regex=True).isin(vowels)] # 过滤元音，考虑到了声调
input_data.to_csv(output_result_file, index=False)

为了演示，只是定义了几个元音。运行之后，结果如下：
在这里插入图片描述

5.3 与 Praat 脚本集成

看到这里，相信对于我们计划结合praat去处理的工作都可以开展。但是如果我们考虑这样的情况，在前期Praat脚本已经积累了比较多的工作，包括可能比较复杂的脚本，我们用Python全部重新写一遍，这可能也会增加额外的工作量，是否在原来工作的基础上，由Parselmouth直接调用呢？答案是肯定的。

Parselmouth 允许直接调用 Praat 脚本，从而实现更复杂的功能。而且调用的方式也非常简单。我们以我们公众号之前的一个脚本为例Praat脚本-010 | 提取时长和共振峰。我们直接调用这个脚本。当然要注意到这个脚本有4个参数，分别是：输入音频目录，输入TextGrid目录，输入TextGrid要提取层级，输出的结果。那么我们在Parselmouth调用的时候，要传输这4个参数给Praat脚本。以下是程序片段示例：

# 定义参数
input_wav_dir = r"input_data/"  # WAV 文件目录（确保以 / 或 \ 结尾）
input_textgrid_dir = r"input_data/"  # TextGrid 文件目录
reference_tier = 1  # 目标 Tier 编号
output_file = "result_duration_formant.txt"  # 输出文件路径

# 调用 Praat 脚本
result = parselmouth.praat.run_file("Get_Duration_and_Formant.Praat", input_wav_dir, input_textgrid_dir, str(reference_tier), output_file)

说明：为了显示的知道运行的情况，我们在Praat脚本里加了一句， writeInfoLine: fileName$，非常丝滑的是，当你在Python运行这个脚本的时候，终端里也会显示运行文件的列表，如下图。美中不足的是，虽然脚本正常运行了，但是最后仍然会显示有一个PraatError，并且提示脚本没有正确运行，笔者查看了一下，无妨大碍。结果是正常显示的。这个可能是Parselmouth的一个bug。
在这里插入图片描述

5.4 Python生态系统便利

以上几个示例程序中，笔者也有意结合了如pandas, numpy等非常强大和优秀的Python 的数据处理库，可以轻松实现自定义分析。总之，能够从Python直接去调用Praat处理，并且不需要引入第3方的工具，或者接口，这对于结合Praat标注，处理，工程批量的同学，将是一个非常大的便利。

6. 相关代码地址

本文所提及所有脚本、代码均可到项目， Python-Data-Innovation学习系列获取。建立通过 git clone的方式将项目整体拉取下来。本文所在的项目目录是： https://github.com/feelins/Python-Data-Innovation/tree/main/Part-05/P05_008_parselmouth，欢迎下载使用，和交流。

7. 总结

Parselmouth 为 Python 用户提供了一个强大的工具，使得他们可以在 Python 环境中利用 Praat 的功能进行语音数据处理，使得语音数据处理更加方便和高效。通过 Parselmouth，用户可以轻松地加载音频文件、提取特征、可视化数据，以及提取基频、共振峰、音强、时长、MFCC 等主要参数。并与 Praat 脚本集成，实现复杂的语音分析任务。无论是批量处理文件还是自定义分析，Parselmouth 都提供了灵活且高效的解决方案。