Praat脚本提取时长及基频并示例如何绘制声调图

极地语音工作室

已于 2022-03-14 20:28:28 修改

阅读量3.3w

点赞数 30

CC 4.0 BY-SA版权

分类专栏： Praat 文章标签： Praat 脚本声调图汉字声调五度值

于 2016-03-29 17:21:04 首次发布

本文链接：https://blog.youkuaiyun.com/shaopengfei/article/details/51007530

Praat 专栏收录该内容

55 篇文章

订阅专栏

本文详细介绍了使用Praat脚本批量提取语音文件中的时长、基频等参数，并以绘制汉字声调图为例，展示了如何应用此脚本进行简单操作。此外，还提供了提取结果文件在Excel中绘制声调图的方法，以及时长归一化与声调归一化的解释。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

[更新日期：2020年04月20日本站所有Praat脚本都不再提供更新，请大家移步https://github.com/feelins/Praat_Scripts下载最新的代码，可以采用git clone到本地的方法(具体操作要熟悉github相关操作)，也可以点击页面的Clone or download，然后选择Download Zip下载整个Praat脚本目录到本地直接打开使用。]

Praat脚本具有强大的功能，对语音文件标注完成后，下面的任务就是把成百上千的语音文件中的参数提取出来，最基本的就是时长，和基频，其它还有元音可能要提取共振峰，如果对这些文件全部手工提取，工作量可想而知，而使用Praat脚本即可以批量提取，便于统一整理。这里先介绍如何提取时长和基频的脚本，随后以如何绘制汉字声调图为例，说明一个小的应用。

1. 基本的读文件以及文件名操作（略）

2. 基频处理

if fileReadable(pitchtierFileName$)
  Read from file: pitchtierFileName$
else
  To Pitch: 0, 75, 600
  Interpolate
  Smooth: 10
  Down to PitchTier
  selectObject: "Pitch " + simpleName$
  Remove
  selectObject: "Pitch " + simpleName$
  Remove
  selectObject: "Pitch " + simpleName$
  Remove
endif

解释：这部分是针对基频的提取处理，如果有修正好的基频文件，这里是需要使用Praat保存的格式*.PitchTier格式。所谓的修基频是需要通过Praat生成一个Pitch文件，然后对里面的清、浊出错比较明显的位置给予修正。如果不修基频，最后的结果难免有很多数值点影响整体效果。如果没有提供修正的基频文件，脚本会自动创建一个基频文件。如上面代码里的To Pitch这一部分。

3. 提取音素所在的单词

   intervalWordTier = Get interval at time: word_tier, sTime

   sTimeWord = Get start point: word_tier, intervalWordTier
   eTimeWord = Get end point: word_tier, intervalWordTier
   durationWord = eTimeWord - sTimeWord
   labelOfIntervalWord$ = Get label of interval: word_tier, intervalWordTier

解释：这一段是为了提取该音素所在的单词，因为整个脚本是以音素层为参考，然后提取每个音素所在的单词，所以这里的代码是为了提取这个音素所在的单词。

5. 测试的文件如下图。

语音文件使用的是http://www.phonetics.ucla.edu/course/contents.html页面上的声音。标注文件是随手标的，请忽略不准确，或者错误。

6. 生成的文件

在result.txt，如下面的格式：

7. 举例：

下面以一个小的例子，即如何绘制汉字普通话的声调图，说明如何应用这个脚本进行一些简单的操作。同样的应用可以用到如何提取汉语普通话的连读变调图，以及未知方言的声调提取，以及句子单位的语调提取都是同样的道理。

该示例请在如下地址下载，包括两个汉字的标注示例，提取脚本，提取出来的结果文件，以及在Excel绘制的声调图。积分会在评论后返还，欢迎下载后评论，谢谢：

示例说明：

1. 标注的时候如图，只给了简单的两层，注意韵母a的标注，我刻意没有保留结尾的那段，因为为了描述大概的声调走向，只保留了比较稳定的一段，其它使用者在实际标注时可根据自己的需要确定如何标注。

2. 标注好之后，使用上述的脚本，即可提取出结果result.txt，脚本运行的时候，音段层为2，单词层是1，文件所在的目录是data，然后输入一个结果文件的正确路径和名称。

3.将结果文件都拷贝到excel里，只保留跟要绘制声调相关的韵母那些行，这样只保留了a相关的数据行，这里只是为了演示，只有两个字的数据，实际操作时，每一个韵母的每一类声调都可能有N多的数据，这样就可以放到一块，进行一下平均，平均的时候是对基频10个点分别平均，这样保证得到的是10个点的基频。这样的操作也称为对时长的归一化。如下图所示，当提取两个韵母的基频时，因为每一个情况下的发音时长是肯定不同的，即使是同一个人，在发同一个韵母的时候，也不能保证时长是相同的，在这样的情况下，只能做一个时长归一化，保证都是10个点的时长，大概的描述这个发音的时长，而归一化的方式，就是把整体时长比如平均分9份，每隔一份的间隔提取一个值，这样无论在什么情况下，每一个样本都提取10个值，这就是时长归一化。当然同样的道理，你也可以选择提取15个值，5个值。。。但是其实就稳定的发音段来说，无论多少值，都区别不大。建议在标注的时候尽量保留稳定段，而且要尽量多的数据平均，这样绘制出来的图像是更有普遍意义的。

4.最终当前这两个字的声调图如下：

5.目前学术研究上流行五度值描述汉语的声调，这样相当于又是一个归一化的过程，相当于把不同的人，不同的性别的人，不同地区的人，任何的差异都抹掉，全部都归一化到1-5的范围内来描述声调，这样适合于进行一个汉语方言区的调查，而条件是必须有足够多的数据，优点是更直观，描述起来大家都容易接受，缺点就是看不到个体的差异。现在比较公认是采用以下的公式进行归一化：

Value =5* (log(x)-log(min))/(log(max)-log(min))

5是归一化到1-5的范围内，而对每一个基频取log值，则是因为有学术研究表现在log域上更接受于人的听感，而max，min代表是样本整体的最大值，最小值，x是指当前原始值。

还是上述数据，经过归一化计算之后，得到如下的声调图。那么我们可以描述，阴平调为55，阳平调为15（其它地方可能描述为25，35，原因是这里只有一个字，很难代表整体，有兴趣的朋友可以多找一些样例平均）

# 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。

![在这里插入图片描述](https://img-blog.csdnimg.cn/35877f190a774dc6a7d17cb720382d9c.PNG?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NoYW9wZW5nZmVp,size_16,color_FFFFFF,t_70#pic_center)
# 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。