模块六

声音体检

歌唱状态 / 嗓音问题 · 医用专业检测 · 四大核心指标

← 返回总览

为什么是这四个指标

四大指标对齐国际主流嗓音检测临床系统的核心口径:

四大核心指标图解

① DSI 嗓音障碍严重度指数

公式:DSI = 0.13×MPT + 0.0053×F0max − 0.26×SPLmin − 12×Jitter% + 12.4

Gonnermann 分级:≥4.2 正常 | 1.8~4.2 轻度 | −1.2~1.8 中度 | <−1.2 重度;健康人典型 ≥ +5

用法:引导式测试(最长音/最高音/最轻声/持续元音),课前测一次课后测一次,DSI 掉了多少 = 这节课嗓音负荷。

② VEM 声音延展度

(XION/Caffier 2017,唯一专为「歌唱机能」设计)

③ GNE 声门噪声激励比

(Michaelis 1997 哥廷根,专测漏气/气声,0~1)

④ CSID 嗓音障碍倒谱指数

(Awan 2009/2016,KayPENTAX ADSV 核心)

四大核心指标图解(可编辑文字版)

图 3-1 · DSI 嗓音障碍严重度指数图解
① DSI · Wuyts 2000 · DiVAS/LingWAVES 共用
DSI = 0.13×MPT + 0.0053×F0max − 0.26×SPLmin − 1.18×Jitter% + 12.4

四个成分:MPT 最长声明 + F0max 最高音 + SPLmin 最轻声 − Jitter% 周期微扰

<−1.2 重度
−1.2~1.8 中度
1.8~4.2 轻度
≥4.2 正常
Gonnermann 分级 | 健康人典型 ≥ +5
图 3-2 · VEM 声音延展度(声域图 VRP)图解
② VEM · Caffier 2017 · XION · 唯一专为歌唱机能设计 VEM 声音延展度声域图

VEM = VRP 面积 × 圆形度(得分 0~120);横轴音高、纵轴声压级,两边界围出可用疆域

图 3-3 · GNE 声门噪声激励比图解
③ GNE · Michaelis 1997 · 哥廷根 · 专测漏气/气声 GNE 声门噪声激励比图解

信号经 6 个带通频带 → 各频带对零延迟互相关取最大 → 归一化 = GNE(0~1,越接近 1 越清亮)

图 3-4 · CSID 嗓音障碍倒谱指数图解
④ CSID · Awan 2009/2016 · KayPENTAX ADSV 核心
CSID = 154.59 − 10.39×CPP − 1.08×L/H − 3.71×σL/H

0~100 越高越严重 | CPP 倒谱峰突出度:无需找声门周期边界 | L/H 低频/高频能量比 + 波动 σ
整首歌/连续语句都能算 · 第一批落地

四指标横向对比

四指标详细计算方法

纯 DSP,无神经网络:jitter / shimmer / HNR / CPPS / CSID / GNE 全部自研实现(两样本对比方向已实测验证);四大临床指标公式全部公开发表。

① DSI —— 嗓音障碍严重度指数

公式(Wuyts 2000,DiVAS/LingWAVES 共用临床标准):

DSI = 0.13×MPT + 0.0053×F0max − 0.26×SPLmin − 1.18×Jitter% + 12.4

四个成分,全部从录音自动估测(不靠用户手动量表):

成分含义本机怎么估
MPT最长发声时取录音中最长连续有声段(帧距 0.01s)
F0max最高基频窄轨音高 99.5 百分位为基线,再用双轨追踪+自相关验证抓真高音
SPLmin最轻声强有声帧声强 1 百分位(抗毛刺)
Jitter%频率微扰Praat Get jitter (local),值越小音越稳

评级(Gonnermann 分级):≥4.2 正常 | 1.8~4.2 轻度 | −1.2~1.8 中度 | < −1.2 重度。

⚠️ 话筒没经声级计校准,SPLmin 是相对值,所以 DSI 绝对分值仅供同设备前后对比。

② CSID —— 嗓音障碍倒谱指数

公式(Awan 2009/2016,KayPENTAX ADSV 核心指标):

CSID = 154.59 − 10.39×CPPS − 1.08×(L/H) − 3.71×σ(L/H)

其中:

范围 0~100,越低越清晰。优点:能直接分析连续语句 / 整段演唱,不受录音环境限制。

③ VEM —— 声音延展度

公式(Caffier 2017 / XION,歌唱机能专用):

VEM = 声域图(VRP)面积 × 圆形度

圆形度 = 等面积圆周长 ÷ 实际周长

本机做法:

④ GNE —— 声门噪声激励比

公式(Michaelis 1997,LingWAVES Vospector):

原理:正常发声时谐波节律一致 → 频带间互相关高、GNE 接近 1;漏气湍流是随机噪声 → 各频段分散、GNE 低。范围 0~1,越接近 1 越清晰。

完整检测流水线(analyze 入口)

读音频 → 提取音高 → Jitter → Shimmer → HNR → CPPS → L/H+CSID → GNE → DSI/VEM 成分

全部用 Praat(parselmouth) + scipy/numpy 计算,最后自动落盘成 检测报告_*.txt(含四项核心 + 基础参数 + 综合评价)。

防错机制(算法再往里挖)

DSI · F0max 怎么防「八度锁错」

宽轨抓高音时会锁到 2 倍频(八度误差),若直接采信会使 F0max 虚高。代码用两道防线把关:

VEM · 面积与圆形度六步流水线

  1. 逐帧音高转半音格(A0=27.5Hz 基准):st = round(12×log2(f/27.5))。
  2. 每半音格取声强 2%~98% 百分位为软/响边界(样本 <5 帧用 min/max 兜底)。
  3. 内部空洞按相邻 bin 线性插值,补齐未唱到的音高。
  4. 边界做 ±4 半音中值 + 5 点均值平滑,并保证下边界 ≤ 上边界——防逐帧抖动把边缘打成锯齿、虚增周长压低圆形度。
  5. 算面积(每格 = 1 半音 × 2dB),折成临床口径 area_oct_db = a_u × 2 / 12。
  6. 算圆形度 circ = 4π·a_u / p_u²(圆度标准式,圆形=1),最终 VEM = area_oct_db × circ。

CSID · L/H 逐帧算法

L/H 不是整段平均,是逐帧算:加窗(hanning 2048) → FFT → 低频(50~4000Hz)/高频(4000~12000Hz) 能量比 → 10·log10(低频/高频),只取有声帧。然后取 mean 与 std 分别进 CSID 公式。

GNE · 频带与帧设置

6 个 Butterworth 3 阶带通(中心 500~3000Hz,带宽 ±250Hz,低端下限保护到 40Hz);帧 50ms、步进 25ms(半帧重叠)。每帧 6 频带两两组合(C(6,2)=15 对)取最大互相关系数,全曲取均值。取「两两最大」可抗个别频带被噪声污染。

四指标 vs 临床标准 差异对照

核心一句话:四个指标公式都照临床原样、没乱改;真正的差异不在公式,而在「录音是否按临床标准动作录、话筒有没有声级计校准」。

使用说明

使用流程

首页「歌唱状态/嗓音问题 专业检测」→ 四大核心指标导语 + 系统依据 → 选择音频文件(wav/mp3/flac/m4a/aac/ogg/aiff)→ 开始检测(QThread 后台线程不卡界面)→ 中文检测报告显示在下方(可选中复制)→ 状态条实时进度。

【参数补充】四参数详细方法(来自参数.txt)

① DSI —— 嗓音障碍严重度指数

公式(Wuyts 2000,DiVAS/LingWAVES 共用临床标准):

DSI = 0.13×MPT + 0.0053×F0max − 0.26×SPLmin − 1.18×Jitter% + 12.4

四个成分,全部从录音自动估测(不靠用户手动量表):

成分含义本机怎么估
MPT最长发声时取录音中最长连续有声段(帧距 0.01s)
F0max最高基频窄轨音高 99.5 百分位为基线,再用双轨追踪+自相关验证抓真高音
SPLmin最轻声强有声帧声强1 百分位(抗毛刺)
Jitter%频率微扰Praat Get jitter (local),值越小音越稳

评级(Gonnermann 分级): ≥4.2 正常|1.8~4.2 轻度|-1.2~1.8 中度|< -1.2 重度。

⚠️ 代码里还专门写了:话筒没经声级计校准,SPLmin 是相对值,所以 DSI 绝对分值仅供同设备前后对比。

② CSID —— 嗓音障碍倒谱指数

公式(Awan 2009/2016,KayPENTAX ADSV 核心指标):

CSID = 154.59 − 10.39×CPPS − 1.08×(L/H) − 3.71×σ(L/H)

其中:

范围 0~100,越低越清晰。 优点:能直接分析连续语句/整段演唱,不受录音环境限制。

③ VEM —— 声音延展度

公式(Caffier 2017 / XION,歌唱机能专用):

VEM = 声域图(VRP)面积 × 圆形度

圆形度 = 等面积圆周长 ÷ 实际周长

本机做法:

④ GNE —— 声门噪声激励比

公式(Michaelis 1997,LingWAVES Vospector):

原理: 正常发声时谐波节律一致 → 频带间互相关高、GNE 接近 1;漏气湍流是随机噪声 → 各频段分散、GNE 低。范围 0~1,越接近 1 越清晰。

完整检测流水线(analyze 入口)

读音频 → 提取音高 → Jitter → Shimmer → HNR → CPPS → L/H+CSID → GNE → DSI/VEM 成分

全部用 Praat(parselmouth) + scipy/numpy 算,最后自动落盘成 检测报告_*.txt(含四项核心 + 基础参数 + 综合评价)。

检测算法(纯 DSP,无神经网络)

jitter / shimmer / HNR / CPPS / CSID / GNE 全部自研实现(两样本对比方向已实测验证);四大临床指标公式全部公开发表。

使用说明

功能说明

主页标题「歌唱状态/嗓音问题 专业检测」→ 四大核心指标导语 + 系统依据(KayPENTAX / LingWAVES / DiVAS 三大临床系统)→ 选择音频文件(wav/mp3/flac/m4a/aac/ogg/aiff)→ 开始检测(QThread 后台线程不卡界面)→ 中文检测报告显示在下方(可选中复制)→ 状态条实时进度。

操作步骤

  1. 选择音频文件
  2. 开始检测
  3. 等待数秒 ~ 数十秒,报告自动生成

录音要求

报告阅读顺序

  1. 先看四项核心指标
  2. 再看综合评价
  3. 最后看基础指标(供医生参考)

注意事项

⚠️ 含混响或伴奏残留时 GNE 易偏低,以干净干声为准。

关于页

此页所有代码和数据以及图片版权归吴亮迪软件工程小组所有,未经许可不得转载使用。

声音体检模块

声音体检 —— 歌唱状态 / 嗓音问题,医用专业检测,四大临床指标。