关于语言清晰度（可理解性）的深入洞察（一）

在日常交流中，面对面交谈的语音清晰度往往令人感到自然而毫不费力。然而，一旦涉及到扩声，保持这种清晰度就变得颇具挑战性。本文旨在深入探讨语言清晰度(可理解性)的关键要素，并分享一些实用的技巧，以确保在各种场景下都能维持高质量的语音清晰度。

　　核心要点概述

　　语言来自口头表达。因此在对语音进行扩声时，您应该始终考虑如何保持语言的清晰度(可理解性)。

　　语音的产生：声音是通过声带的振动而产生，音量和音高均可通过声带的控制来变化。声音频谱的过滤则受到咽、口、鼻等腔体的影响。

　　录音技巧：改变声音的力度可以改变声音的音量和频谱。甚至声音的音高也会随着发声的力度而变化。例如大喊大叫听起来就明显不同于正常说话。因此在录音时，确保捕捉语音信号的峰值至关重要，因为它们在RMS或平均音量之上可能显著升高。同样对于出现在500hz以上的频率范围内辅音(k, p, s, t等)，特别是位于2kHz - 4kHz频率范围内的辅音，对于非声调语言的清晰度至关重要。

　　距离与位置：距离说话者大约一米时，语音的清晰度和自然度通常达到最佳，我们会觉得他的声音是自然的，站在人的旁边或后面会降低自然度和清晰度(可理解性)。不同的位置(如侧面或后方)可能会影响声音的感知。实际上，除了我们用耳朵或麦克风靠近发言人的时候，几乎在任何其他位置都能听到清晰的声音。

　　音色与频率：头部、胸部或身体的不同位置会赋予声音独特的音色。例如，胸部位置的语音频谱可能缺乏2kHz-4kHz范围内的关键频率，这会导致语音清晰度降低。如果麦克风不能补偿这一点，你应该用均衡器进行校正。

　　语音作为声源

　　语音不仅是交流的工具，更是一种复杂的声学信号。虽然语言本身具有普遍性，但每个人的声音特征和音质都是独一无二的。了解这些差异对于确保录音和扩声中的清晰度至关重要。

　　声级

　　因为人们在发声时用力的程度不同，从轻声低语到大声喊叫，语音的音量变化范围极大，所以很难给语音音量指定一个固定的数字。下表中的值表示成年人的平均A加权语音音量。值得注意的是，当语音音量对应于1米距离处的正常语音水平时，理解语音的能力是最佳的。换言之，大约55-65 dB的声压级为20μPa。

（在这种情况下，参考是可听到的最弱声压级）

作为收听/录音距离的函数的平均语音水平。正常讲话和叫喊之间有将近20分贝的差异。

　　峰值

　　同时要注意峰值因素——即峰值电平与RMS电平之间的比率，这对于避免录音或拾音的失真至关重要。

　　上表中显示的每个电平都是平均RMS电平，而不是峰值电平。通常，峰值比RMS电平高出20-23dB。峰值电平和RMS电平之间的比率称为峰值因子。当在电声系统中记录或再现语音时，该因素是一个重要参数。另请注意：在嘴唇处测量的大声歌唱可以达到130 dB (参考20μPa RMS)的电平，峰值水平超过150 dB(参考20μPa RMS)。

​

　　男声，正常讲话(时长18秒)。平均RMS：-21.5 dBFS，峰值：-0.5 dBFS。波峰系数11(21 dB)。红色虚线表示RMS电平。

　　实用建议

　　选择合适的麦克风：针对特定应用场景选择合适的麦克风，确保捕捉高音频细节。

　　善用均衡器：针对录音环境或麦克风位置导致的频率缺失，使用均衡器进行补偿。

　　优化录音环境：尽量避免背景噪音和回声，在空间内使用吸声材料或采取其他声学处理措施。

　　注意距离与位置：保持与发言者的适当距离和位置，最大化语音的清晰度和自然度。

　　遵循这些建议，深入了解语音产生的原理，您将在各种场合下轻松确保高质量的语音清晰度。让我们期待下一期，继续探索语言清晰度的更多奥秘!

　　本文转载自DSP同创音频微信公众号