歌唱状态 / 嗓音问题 · 医用专业检测 · 四大核心指标
四大指标对齐国际主流嗓音检测临床系统的核心口径:
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。
(XION/Caffier 2017,唯一专为「歌唱机能」设计)
(Michaelis 1997 哥廷根,专测漏气/气声,0~1)
(Awan 2009/2016,KayPENTAX ADSV 核心)
四个成分:MPT 最长声明 + F0max 最高音 + SPLmin 最轻声 − Jitter% 周期微扰
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
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)
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
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。
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。
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。
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:
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。
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)。
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:
_f0_true:真 F0=fc 时 lag=1/fc 处自相关为全局峰;2 倍频锁错(真 F0=fc/2)时 lag=2/fc 处才是峰。判真 = (r1 ≥ r2) 且 (r1 > 0.5),其中 r1>0.5 专挡齿音/气声准噪声段。_spectral_harmonic_ok:取 80~3000Hz 最强峰,必须为 fc 的整数倍谐波(k×fc,k=1~8,±8%),挡掉锁到 4~7 倍谐波的滑音/过渡段。st = round(12×log2(f/27.5))。area_oct_db = a_u × 2 / 12。circ = 4π·a_u / p_u²(圆度标准式,圆形=1),最终 VEM = area_oct_db × circ。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。
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。
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」。
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。
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。
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。
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:
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。
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)。
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。
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。
⚠️ 含混响或伴奏残留时 GNE 易偏低,以干净干声为准。
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 —— 歌唱状态 / 嗓音问题,医用专业检测,四大临床指标。