孫宇欣 姚權(quán) Kim HaKyung,,4 許文飛 王文清 孫靖雯

1 華東師范大學(xué)教育學(xué)部康復(fù)科學(xué)系(上海 200062); 2 上海市普陀區(qū)啟星學(xué)校; 3 上海市第十人民醫(yī)院耳鼻咽喉科； 4 上海交通大學(xué)醫(yī)學(xué)院附屬第九人民醫(yī)院耳鼻咽喉頭頸外科； 5 杭州市楊凌子學(xué)校； 6 上海市寶山區(qū)培智學(xué)校

嗓音功能評(píng)估中聲學(xué)測(cè)量是獲得嗓音相關(guān)指標(biāo)最流行和最可靠的方法之一。常用的聲學(xué)分析軟件有Praat Dr. Speech多維嗓音分析(MDVP)和計(jì)算機(jī)化言語實(shí)驗(yàn)室(CSL)等。但大多數(shù)專業(yè)嗓音分析設(shè)備較為昂貴，并且難以移動(dòng)，且由于經(jīng)濟(jì)發(fā)展存在地域差異，專業(yè)的言語治療師和醫(yī)院主要分布在一些大城市，部分職業(yè)用嗓者以及嗓音障礙患者很難接受到專業(yè)的嗓音評(píng)估。

隨著數(shù)字媒體技術(shù)的迅猛發(fā)展，智能手機(jī)能夠?qū)崿F(xiàn)通過無損音頻格式對(duì)語音信號(hào)進(jìn)行存儲(chǔ)，可以擴(kuò)展智能手機(jī)用于數(shù)字語音記錄的功能。國(guó)外的幾項(xiàng)研究已經(jīng)探討了將智能手機(jī)語音記錄功能用于嗓音聲學(xué)分析的可能性，Lin等[1]使用iPhone進(jìn)行錄音并與使用嗓音聲學(xué)分析設(shè)備的結(jié)果，如：基頻(F0)、基頻微擾(jitter)、振幅微擾(shimmer)等進(jìn)行對(duì)比，兩者具有高度的相關(guān)性，同時(shí)iPhone也可以有效地跟蹤聲帶外科手術(shù)前后的嗓音變化。Yun等[2]使用Samsung Galaxy智能手機(jī)和CSL對(duì)30例正常說話者進(jìn)行聲學(xué)對(duì)比測(cè)試，兩種設(shè)備之間無明顯差異。Uloza等[3]比較三星Galaxy Note 3智能手機(jī)和麥克風(fēng)錄制的118例受試者(34例正常和84例病理嗓音)的嗓音信號(hào)，并分析了F0、jitter、shimmer和歸一化噪聲能量等，結(jié)果顯示兩種麥克風(fēng)獲取的聲學(xué)指標(biāo)有強(qiáng)相關(guān)性，在區(qū)分正常和病理嗓音時(shí)有較高的正確性和較低的錯(cuò)誤率。然而，目前使用國(guó)產(chǎn)智能手機(jī)用于嗓音聲學(xué)分析的可能性尚未得到檢驗(yàn)，因此，本研究選擇兩種最常用的國(guó)產(chǎn)智能手機(jī)進(jìn)行研究，以比jitter和shimmer等變量更穩(wěn)定的F0作為因變量，分析并探討國(guó)產(chǎn)智能手機(jī)測(cè)試F0的可能性及其影響因素。

1 資料與方法

1.1研究對(duì)象 本研究招募38例嗓音正常女性，均來自華東師范大學(xué)的本科生或研究生，均自愿參加本研究；年齡19～25歲，平均22.3±2.8歲。入選標(biāo)準(zhǔn)：①身體健康，無吸煙酗酒嗜好，無慢性咽喉疾病病史或其他長(zhǎng)期嗓音障礙；②無言語或聽力障礙；③測(cè)試期間無感冒、發(fā)熱、咽喉疼痛、上呼吸道感染等癥狀。本研究通過倫理委員會(huì)批準(zhǔn)，參與者均簽署知情同意書。

1.2測(cè)試材料 使用兩種測(cè)試語料進(jìn)行錄音，語料1是以舒適的音調(diào)和響度持續(xù)發(fā)單元音/ɑ/，要求持續(xù)5秒以上；語料2是以受試者習(xí)慣的音調(diào)說句子：“我叫XXX，今年大三啦”。

1.3錄音手法 在隔聲室內(nèi)用華為 G7 Plus智能手機(jī)、Vivo X6智能手機(jī)與運(yùn)行Praat軟件的Acer 筆記本電腦 (ES1-421-239N)連接的 Shure-SV100C 動(dòng)態(tài)麥克風(fēng)(Shure Incorporate, Evanston, IL)同時(shí)進(jìn)行錄音，通過Switch Sound Converter For Mac4.94進(jìn)行音頻格式轉(zhuǎn)換。

在背景噪聲低于26 dB A的隔聲室中完成錄音，要求研究對(duì)象上半身保持直立放松，兩款智能手機(jī)和Shure-SV100C動(dòng)態(tài)麥克風(fēng)平行放置于口前，這三個(gè)裝置保持2 cm的水平距離;兩種智能手機(jī)分別被隨機(jī)放置在三個(gè)角度(0°、45°和90°)和四個(gè)距離(距口唇5、10、15、20 cm)，而用Praat錄音的Shure-SV100C動(dòng)態(tài)麥克風(fēng)保持在45°角度和距離口唇15 cm以獲得標(biāo)準(zhǔn)參考數(shù)據(jù)。

使用Shure-SV100C動(dòng)態(tài)麥克風(fēng)錄制的語音材料以wave(.wav)格式保存，Praat軟件采樣頻率時(shí)44 100 Hz和16 bits。通過智能手機(jī)錄制的語音材料傳述到Acer筆記本電腦中，使用Switch Sound Converter For Mac4.94轉(zhuǎn)換為 .wav格式。每例對(duì)象均有24個(gè)語音樣本(2種語料×4個(gè)距離×3個(gè)角度)，使用Praat軟件分析所有語音信號(hào)的F0。

1.4統(tǒng)計(jì)學(xué)方法 采用SPSS16.0進(jìn)行統(tǒng)計(jì)分析。通過四因素重復(fù)實(shí)驗(yàn)分析設(shè)備、語料、距離和角度對(duì)于F0測(cè)試可能存在的影響；采用3(設(shè)備)×2(材料)× 4(距離)× 3(角度)多元方差分析(MANOVA)，檢驗(yàn)設(shè)備、距離、角度和材料的主效應(yīng)及其交互效應(yīng)。必要時(shí)，通過LSD (Least-Significant Difference) (none)對(duì)兩個(gè)以上水平的自變量進(jìn)行兩兩比較，交互效應(yīng)采用SIDAK方法進(jìn)行簡(jiǎn)單效應(yīng)檢驗(yàn)，P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

不同角度、距離和設(shè)備測(cè)得的受試者持續(xù)元音和句子F0分別見表1和表2。MANOVA結(jié)果顯示設(shè)備、語料、距離和角度主效應(yīng)均不顯著(P>0.05)，交互作用結(jié)果無統(tǒng)計(jì)學(xué)意義(P>0.05)，設(shè)備×語料交互作用有統(tǒng)計(jì)學(xué)意義[F(2,36)=7.016,P=0.003<0.01]，設(shè)備×語料交互作用的簡(jiǎn)單效應(yīng)試驗(yàn)結(jié)果顯示，Vivo手機(jī)和Praat測(cè)得的兩種測(cè)試語料F0差異均有統(tǒng)計(jì)學(xué)意義(/a:/：P=0.014<0.05;句子：P=0.028<0.05)。而華為手機(jī)與Praat測(cè)得的F0差異不顯著(P>0.05)。

表1 不同角度、設(shè)備、距離測(cè)得持續(xù)元音/a/的

表2 不同角度、設(shè)備、距離測(cè)得句子的

3 討論

本研究結(jié)果顯示，無論使用哪種智能手機(jī)，麥克風(fēng)距口唇5～20 cm的距離對(duì)F0測(cè)試無顯著影響，更遠(yuǎn)的距離是否會(huì)對(duì)錄音產(chǎn)生顯著影響還有待進(jìn)一步研究。對(duì)于兩種智能手機(jī)，錄音角度的主效應(yīng)不明顯，與角度相關(guān)的交互效應(yīng)均不顯著；說明錄音角度對(duì)華為和Vivo兩種智能手機(jī)的F0測(cè)試無顯著影響。Titze(1993)探究了麥克風(fēng)類型和放置位置對(duì)語音擾動(dòng)測(cè)量(如：jitter)的影響，結(jié)果表明麥克風(fēng)的敏感度和具體位置顯著影響語音擾動(dòng)的測(cè)試，距離越近越有助于獲取更穩(wěn)定的結(jié)果，而距離較遠(yuǎn)時(shí)角度對(duì)錄音也有一定的影響。此外，不同類型麥克風(fēng)之間的相位差或許會(huì)對(duì)擾動(dòng)算法的提取有顯著影響，在本研究中，F(xiàn)0作為因變量，被認(rèn)為是與錄音設(shè)備和分析軟件相關(guān)的一項(xiàng)十分穩(wěn)定的聲學(xué)評(píng)估指標(biāo)[4]。以上研究結(jié)果僅表明不同軟件和系統(tǒng)之間的F0具有高度相關(guān)性且具有統(tǒng)計(jì)學(xué)意義，然而麥克風(fēng)的放置位置是否會(huì)影響F0測(cè)量仍待探索。

本研究的語料主效應(yīng)和交互效應(yīng)均無統(tǒng)計(jì)學(xué)意義，表明持續(xù)元音/a/和句子作為語料的F0測(cè)試結(jié)果相似。由于持續(xù)元音/a/簡(jiǎn)單(即獨(dú)立于語言)和可靠的聲學(xué)特性被認(rèn)為是聲學(xué)測(cè)量的合適語料(即反映基本的發(fā)聲功能)(Henriquez等，2009)。然而持續(xù)元音并不代表實(shí)時(shí)發(fā)聲，因此在聲學(xué)分析中也需要加入運(yùn)動(dòng)時(shí)的言語聲，后者與自然發(fā)聲更為接近[5,6]。本研究結(jié)果顯示兩種語料之間的F0無統(tǒng)計(jì)學(xué)差異；然而Kim[7]的一項(xiàng)研究表明，18 ～22歲的中國(guó)女性在發(fā)/a/音和從一篇文章中提取的句子時(shí)其F0具有顯著差異，表明句子的發(fā)音可能會(huì)對(duì)持續(xù)元音有一定影響，此外，Kim使用的句子語料比本研究長(zhǎng)，這可能導(dǎo)致聲調(diào)和音高對(duì)F0產(chǎn)生更多的影響。

從文中結(jié)果看，Vivo手機(jī)與Praat測(cè)得的F0差異顯著，而華為手機(jī)與Praat測(cè)得的F0差異不顯著，表明不同品牌的手機(jī)在錄音上存在差異。本研究結(jié)果與其他幾項(xiàng)研究結(jié)果不同，Manfredi等[8]使用兩種型號(hào)的智能手機(jī)(HTC One和 Wiko)，結(jié)果發(fā)現(xiàn)兩者的jitter和shimmer存在高度相關(guān)。Uloza等[3]通過比較兩種麥克風(fēng)(oral AKG Perception 220和SP Samsung Galaxy Note 3)的聲學(xué)指標(biāo)驗(yàn)證了使用三星Galaxy Note 3麥克風(fēng)用于自動(dòng)語音和篩選的適用性。本研究結(jié)果僅表明華為G7 Plus和Vivo X6智能手機(jī)可用于聲學(xué)分析的語音錄制，這一結(jié)果有利于推動(dòng)臨床便攜式語音評(píng)估的發(fā)展。

由此可見，智能手機(jī)的放置位置(距口唇的距離和角度)和不同的語料(持續(xù)元音/a/和句子)對(duì)F0測(cè)試無影響；與Praat測(cè)試結(jié)果相比，Vivo X6手機(jī)測(cè)得的F0值有顯著差異，而華為G7 plus手機(jī)測(cè)得的F0值無顯著差異，提示，智能手機(jī)可以作為F0測(cè)量的一個(gè)便攜式設(shè)備，但并不是所有類型的手機(jī)都適用。當(dāng)使用華為G7 Plus手機(jī)進(jìn)行F0測(cè)試時(shí)，錄音距離和角度分別為5～20cm和0°～90°；持續(xù)元音/a/和句子均可作為評(píng)估語料。

本研究的不足在于只使用了華為G7 Plus和Vivo X6兩種智能手機(jī)，未來可以對(duì)在中國(guó)熱銷的多種智能手機(jī)進(jìn)行研究；另一個(gè)不足是背景噪聲未得到控制，未來應(yīng)探索背景噪聲對(duì)智能手機(jī)錄音可能存在的影響。