praat中文说明.docx

1、praat中文说明中文說明-PRAAT软件的使用方法Praat-1401 使用說明(2004/01/020)一 錄音、存語音信號文件（New）(1) 錄音：主功能表(Objects)上選擇“New”;-“Record sound”此時選擇“Sample-rate”,擊Record 開始發音，然後擊stop去停止錄音；選擇Play 聽已錄語音，不滿意，重錄； 選擇Left to List，在主功能表的空白處就出現一個文件Sound Left, 你可選擇Rename去修改語音檔案名，但 Sound是文件格式標記，不能改； 注意：當你不能利用New來錄音時，可選用你Windows中的“錄音機”功能來

2、錄音並保存爲WAV格式:開始程式附件娛樂錄音機；錄音機文件屬性：11K 16位 單聲道 OK! 按紅色鈕開始錄音，按黑色鈕停止錄音；文件保存（指定路徑和檔案名） （2）在Praat中保存語音文件： 左框主功能表中（Objects），選擇 write 中任意中格式，但通用格式爲 WAV ; 指定路徑和檔案名。二 語音標注（Label&segment-analysis）(1) 用左框主功能表中的 read 來調出信號文件；(2) 左框主功能表中右手邊功能表，選擇 Edit, 就會出現一個图形窗（1），上部爲波形，下部爲语图，在此窗中的主功能表View，可加選pitch, formant, ener

3、gy；(3) 图形窗（）中的Edit, 可以編輯選擇部分信號並存文件；(4) 左框主功能表中右手邊功能表，選擇 Label&segment-analyse,(5) 出現一個需要選擇的文字框，選擇to TextGrid, 填入tier name, point tier;就會産生一個TextGrid的新文件，擊右手邊的Edit,就會出現一個文本框，然後與波形窗對齊，在文本框内，用滑鼠選擇音節段，或聲母，韻母就可用音標符號標注。(6) 標注完成後，在此框中的主功能表filewrite textgrid to text file,選擇你存入的地址和名字，就完成了。此text file可以在Praat

4、環境中,using “edit” to display plotter出來, and open this file on Microsoft Word to display digital text. 三音高（Pitch）分析(包括三維语图和共振峰歷程分析)：（1） 調出已保存語音文件：Read-Read from file(Sound xxx),使用edit 去畫出三維语图（show spectrogram)和音高曲線(show pitch), 記錄下要取消的部分(在後面的excel 中)的起點和終點時間;（2） 第一種比較複雜然而比較多用途的方法如下： 修正基音標記：先用praat標記周期

5、（periodicity- to pointprocess），此時出現一個PointProcess文件1，使用Edit, 出現一個基音周期調整框。若需要的話, 可人工檢查修正這些標記， 方法是：用滑鼠去框住不要（亂的）部分，在子功能表上選擇Point-Remove point； 完成以後用praat把周期文件轉化成音高文件(to pitchtier)（，此時在object列表框空白處出現一個 PitchTier 的文件。這個文件可使用 Edit 命令畫出一個音高（Pitch）隨時間變化的图形, F0(t)。也能用滑鼠去圈定一段不要的基頻，Pointremove就能取消這些點；可滑動滑鼠去讀出每

6、個样点上的音高數值； 然後返回到功能表（object）去保存一個文字檔案：Write-to headless spreadsheet file。 音高文件本身是一個文字檔案（F0資料），可以用Excel打開這個文件，首先按照先前記錄下的待取消部分的時間,將其時間和數據”清除”,這樣就能使音節之間有效的音高曲綫得到分離; 然後把基頻（F0）數據全部換算成半音或五度制。最後用Excel作成图表; 辦法是: 1 五度制转换：激活 C1(EXCEL 表中第C列,第一行, 這是假定在B列中存放了 F0数据,計算結果將放在C列的第一行), 調出函數log10, 在下面空白處打入 B1/f1, f1可設為當

7、前F0的最低值；按一下 enter, 將鼠標放到公式結尾處，打入 *16.61, 按一下鍵盤上的enter 鍵，在C1格内就出現五度值； * B1是存放音高數據的列的第一行數據2 copy C1, 再激活全部 C列，點 paste, C 列 就全部置換成五度值了。3 激活 C 列，點“制图”，選“折线”，“下一步”，到“4步驟3”，點“數據表”，再選中“顯示數據表”，點一下“完成”。 主表object中選擇 Down to table of real, 主表中出現一個同名的文件, 然後, Draw, 在副表中會顯示全部音高值(爲此,先在副表中用鼠標畫出一個窗,以便容納全部音高數據), 使用 c

8、opy to clipboard, 將數據貼到word 文當中去.(3 ) 另一種是分析音高的簡單方法： 在調出語音文件後，Praat 使用Edit畫出既有語音波形，又有三維语图、音高曲線、共振峰和音強等，這些語音聲學特性是否需要顯示在图上，可有自己選擇：啟動 Show ，就可選中或關閉某項聲學特性。 爲了突出語音部分，可以先整理波形，剪切掉無用部分； 只显示語圖和音高曲線（show spectrogram; show pitch）; 選擇语图中音高曲線與母音重叠部分，用滑鼠測量曲線的起始點音高值、拐點（如有必要的話）和終點； 將每個音節的音高值填入 EXCEL 表，每個音節兩個或三個F0,

9、從上而下排列，音節之間空一格；（建議測量三點） 如需要的話，在 EXCEL 表上將F0轉換成半音或五度值；然後就可以作图。辦法如下：1 五度制轉換：激活 C1(EXCEL 表中第C列,第一行)（假定將計算結果放入C1）, 調出函數 log10(插入函數三角函數log10), 在下面空白處打入 B1/f1, f1可設為當前F0的最低值（或任意值）；按一下 enter, 將鼠標放到公式結尾處，打入 *16.61, 按一下鍵盤上的enter 鍵，在C1格内就出現五度值； * B1是存放音高數據的列的第一行2 copy C1, 激活全部 C列，點 paste, C 列 就全部置換成五度值了。3 激活

10、C 列，點“製圖”，選“折線”，“下一步”，到“4步驟3”，點“數據表”，再選中“顯示數據表”，點一下“完成”。請你分析声调： 專麻古五對大第百 白四.语图分析和元音共振峰數據提取:1.在主表(objective)中讀出(read)一個聲音文件(sound file); 並聽語音回放play;2.在主表中選擇formant, 副表設置一View,主表選擇DrawSpeckle; 3.在主表中選擇”Down to formant tier”; next to “Down to Table of real”.此時主表中顯示一”Table of real (file name)”, 接著在副表中設一

11、View;4.在主表中選擇 Draw-Draw as number-free, 此時在View中列出全部有效的共振峰數據;5.可以在 Excel 中打開Table of real 作爲一個被儲存的PostScript文件;6.副表中的共振峰數據即可以 Write to Clipboad, 也可以打印(Print)出數據;7.讀出光標點四個共振峰數據: 在子表的三維語圖上選擇一個時刻(Target Point), 然後選擇FormantFormant report, 即可得到所要的共振峰讀數;8.二維功率譜: 在子表的三維語圖上選擇一個時刻(Target Point), 然後選擇 spectru

12、m-view spectral slice.请问，为什么要 *16.61？5 / LOG(2) = 16.6096404744368那是把每倍频程看成是 5 度的算法。12 / LOG(2) = 39.8631371386483那是把每倍频程看成是 12 半音的算法。建议使用半音的算法。D = 5 lg ( f / fr ) / lg 2st = 12 lg ( f / fr ) / lg 2式中 fr 是参考频率。那个 D 式，包括 16.61 的始作俑者是本人。那是 1970-1980 年代的需要。北大 80 周年校庆中文系学术论坛上我首次提出 D 式（1979）。对于国际交流来说，还是用

13、 st （半音，semitone）更好。如何求得基音同步标记在PSOLA中基音同步标记的求取是很重要的步骤，我想请问各位高手：应该如何求取基音同步标记。能否提供一些可行的算法。哪里能够下载可参考的程序。谢谢！The following is a summary I wrote in another place. Just copy it here, hope its helpful.QUOTE:You are right about the importance of pitch marks. When I build a TTS corpus, I did the following:1)

14、Prepare texts for recording. You have to transcribe the text into phonetic symbols (such as pinyin), considering the phoneme coverage and balance, the prosodic coverage,2) Record sound pressure and laryngograph signals simultaneously for the texts. The laryngograph signal is optional, but it helps t

15、o determine the GCI (glottal closure instant) of the speech.3) Force the speech signal to be aligned with phonetic transcriptions. Alignment errors have to be checked and corrected. Maybe some sentences have to be re-recorded.4) Generate pitch marks. Pitch marks are usually assigned at each GCI dete

16、cted from the signal by certain algrithm. The marks might need to be mannually checked and corrected in case the GCI detection algrithm doesnt work well. The unvoice segements in the speech also need false pitch marks in order to make PSOLA work.5) Generate the TTS inventory. The speech signals, pit

17、ch marks, and phonetic transcriptions are indexed and stored in some database. The synthesizer will retrieve the database and concatenate segments into sentences.*Note: PSOLA is a patent of France Tlcom. You could make a PSOLA-like synthesizer, but couldnt use the PSOLA algrithm for free.用PRAATSCRIP

18、T语言实现等时间比例提取基频值(./index.htm./index.htmdispbbs.asp?boardid=1&rootid=41975&id=41975) -作者：清凉山人-发布时间：2005-12-20 20:32:53-讨论用PRAATSCRIPT语言实现等时间比例提取基频值用PRAAT SCRIPT 语言实现等时间比例提取基频值 看到有人问起如何用Praat软件实现等时间比例来提取不定时长音节的基频值，如将不同时长的每个音节都提取出10个等距离的基频值来。我特写下如下Script语言以供参考：-# name$表示声音文件名，请首先选择您要分析的声音name$= selected

19、$ (Sound)#注释：以下分析基频，可以修改音域上限f0Max和音域下限f0Minf0Max=250f0Min=50select Sound name$To Pitch. 0.01 f0Min f0Max#注释：以下暂停以等待使用者进行基频修改，如果不需要修改，直接按continue即可，如果修改则等到修改好并将Pitch 窗口关闭之后按continue即可，pause 是否需要调整基频数据？#打开Pitch窗口供您选择您要采点的区间select Pitch name$Editeditor Pitch name$pause 请选择待提取的基频数据区间：a= Get begin of sel

20、ectionb= Get end of selection# dianNum表示在选定的区间内基频采样点的数目，可以自己改变。dianNum= 10c=(b-a)/(dianNum-1)tempposition= a# newfilename$表示文件名，该文件用来存放提取出来的数据，可以自己更改。newfilename$=c:/temp.txtfiledelete newfilename$#以下是数据采样过程，提取出来基频数据及其时间点的数据保存在临时文件（c:/temp.txt）中。for i from 1 to dianNumMove cursor to. temppositionpit

21、chvalue = Get pitchfileappend newfilename$ temppositionfileappend newfilename$ ,fileappend newfilename$ pitchvaluefileappend newfilename$ ；tempposition=tempposition+cendforendeditor-使用说明：1、打开Praat程序，新建一个Script文件，将上段语句拷贝进去；2、从Praat Object主窗口中选择一个声音文件；3、从Script窗口中按Run加以运行；4、按照提示进行接下来的操作；5、从数据文件中获得您需要的

22、数据，默认条件下为“c:/temp.txt”文件。以上是我从网上下载来的。 -作者：清凉山人-发布时间：2005-12-20 21:23:54-我们对它略作改动： # name$表示声音文件名，请首先选择您要分析的声音name$= selected$ (Sound)#注释：以下分析基频，可以修改音域上限f0Max和音域下限f0Minf0Max=250f0Min=50select Sound name$To Pitch. 0.01 f0Min f0Max#注释：以下暂停以等待使用者进行基频修改，如果不需要修改，直接按continue即可，如果修改则等到修改好并将Pitch 窗口关闭之后按cont

23、inue即可，pause 是否需要调整基频数据？#打开Pitch窗口供您选择您要采点的区间select Pitch name$Editeditor Pitch name$pause 请选择待提取的基频数据区间：a= Get begin of selectionb= Get end of selection# dianNum表示在选定的区间内基频采样点的数目，可以自己改变。dianNum= 21c=(b-a)/(dianNum-1)tempposition= a# newfilename$表示文件名，该文件用来存放提取出来的数据，可以自己更改。newfilename$=c:/temp.txtfi

24、ledelete newfilename$#以下是数据采样过程，提取出来基频数据及其时间点的数据保存在临时文件（c:/temp.txt）中。for i from 1 to dianNumMove cursor to. temppositionpitchvalue = Get pitch#fileappend newfilename$ tempposition#fileappend newfilename$ ,fileappend newfilename$ pitchvaluefileappend newfilename$ ；tempposition=tempposition+cendforen

25、deditor这是一个praat的user group入门教程 3.2. 定制三维语图 使用Spectrogram(三维语图)选单下的Spectrogram settings.(三维语图设置)命令，可以设定三维语图的计算方法和显示方式。这些设定在整个Praat会话期间都将保留。所有设定都有其标准值（所谓“出厂设定”），只要按一下Standards(标准设定)按钮就会完全恢复。View range(显示范围) (Hz) 要显示的频率范围。标准值是底部0 Hz而顶部5000 Hz。如果最高频率高于声音的Nyquist频率（即其采样频率的一半），则三维语图中会有部分数值为0，高出的频率上将是一片空白

26、。用44100 Hz的采样频率录一段声音并将显示范围设为0 Hz至25000 Hz就能看到这种现象。 Window length(时窗长度) 分析时窗的长度。如果设为0.005秒（标准值），Praat将取每一帧中点前后各0.0025秒间的一段作那一帧的时窗长度（对于Gaussian(高斯型)时窗，Praat实际上是要多取的）。时窗长度决定声谱分析的带宽简单正弦波的三维语图中水平线的宽度（如下）。对于Gaussian时窗，-3 dB上的带宽等于2*sqrt(6*ln(2)/(*时窗长度)，即1.2982804 / 时窗长度。想要得到“宽带”三维语图（带宽260 Hz）的话，只要保留5毫秒的时窗长

27、度标准值就好；而要得到“窄带”三维语图（带宽43 Hz）的话，请将其设为30毫秒（0.03秒）。其他时窗形状，取值略作调整即可。 Dynamic range(动态范围) (dB) 所有比从最大值向下减去动态范围dB数之后的值还要低的值（可能经过了动态压缩，参见Advanced spectrogram settings.(高级三维语图设置)）都将绘制为空白。范围当中的值则为相应的灰色斑纹。这就是说，如果三维语图最高峰的高度在30 dB/Hz，而动态范围是50 dB（即标准值），那么凡低于-20 dB/Hz的值都将绘制为空白，同时-20 dB/Hz与30 dB/Hz之间的便都将绘制为不同的灰色斑纹

28、。 带宽想要了解时窗长度如何影响带宽的话，请先创建一条1000 Hz的正弦波使用Create Sound.(创建声音)命令，输入Formula(算式)：1/2 * sin (2*pi*1000*x)，并单击Edit(编辑)按钮。三维语图上有一条水平方向的黑带。然后改变三维语图设置中时窗长度一项，可以看到线条的粗细怎样变化：时窗长度越大，线条越细。显然，分析时窗包含的波的周期越多，三维语图对波的频率的分辨就越精确。如果特别想看清这里的差异，只要创建一条由1000和1200 Hz正弦波叠加成的波。算式为：1/4 * sin (2*pi*1000*x) + 1/4 * sin (2*pi*1200*

29、x)。您将在编辑器中看到，如果是较短的分析时窗（5毫秒），就是单独一条粗带，而如果是较长的分析时窗（30毫秒），则分成两条带呈现。显然，分析时窗越长，频率的解析度越高。既然如此，为什么不总是用长的分析时窗就得了呢？答案很简单：长时窗的时间解析度太糟了。想要认识这一点，只要创建一段由两条正弦波和两个很短的“咔嗒”噪声复合成的声音。算式为：0.02*(sin(2*pi*1000*x)+sin(2*pi*1200*x) + (col=10000)+(col=10200)。只要查看这段声音就能发现，长的分析时窗会让那两声“咔嗒”恰好重叠，而短的分析时窗会让那两条正弦波重叠。显而易见，时间解析度和频率解

30、析度之间存在一个平衡。不可能取得时间和频率两方面同时精确。高级设置请使用Spectrum(声谱)选单中的Advanced spectrogram settings.(高级三维语图设置)命令。入门教程 8.1. 音高的变换 想要修改现存Sound(声音)对象的音高曲线，只要选中这段声音并单击To Manipulation(生成变换)按钮（译者注：该命令按钮上的文字实际为To Manipulation.，原文遗漏了.）。列表中将出现一个Manipulation(变换)对象。然后单击Edit(编辑)按钮打开ManipulationEditor(变换编辑器)，在这里，音高曲线（实际是PitchTier(音高层叠)对象）表示为一系列粗圆点。如果需要减少圆点数目，请执行Pitch