基于心理声学的中频带限制提高了经典声学测量对嗓音障碍的诊断效用

嗓音的声音为何重要

当某人的声音变得嘶哑、粗糙或带有气息时，这可能表明从简单疲劳到严重疾病等多种情况。临床医师会仔细聆听，但人的判断并不完美，且不同听者之间可能存在差异。本研究探讨了对基于计算机的语音分析做出一个简单调整，能使这些测量结果更符合我们实际感知嘶哑和气息的方式，尤其是在较轻的病情和日常连贯语音中。关键思路是集中分析人耳最敏感的那一段频带。

医生与计算机如何评估嗓音

为诊断嗓音问题，专家依赖经过训练的听觉量表来评定总体嘶哑度、气息感和粗糙度。与此同时，软件会测量音高和响度中的微小不规则性以及清晰音色与背景噪声之间的平衡。这些传统指标在长且平稳的元音上表现相当良好，但在语音更自然流动或问题较轻微时常常力不从心。因此，计算得分并不总与专家听评一致，限制了它们在日常诊所和远程医疗中的实用性。

耳朵的“敏感带”

人类的听觉对各个频率并非同等敏感。我们对大约2到4千赫之间的一段频率带最为敏感，在那里声音组成的细微变化格外突出。然而，日常语音记录通常由低频部分主导，这些低频携带大部分能量，会掩盖中频区域的细微变化。研究者提出了一个直接的问题：如果我们有意去除大量低频和极高频内容，只分析这一中频“敏感带”，传统的嗓音测量能否更好地反映听者的感知？

简单滤波带来的显著影响

研究团队分析了455段日语语音记录，包括持续元音和标准朗读段，涵盖从正常嗓音到各类嗓音障碍的广泛情况。对每个样本，他们制作了两个版本：原始的全频带声音和通过带通滤波器仅保留2–4 kHz区域的版本。从两个版本中计算出常用的声学指标，并将其与专家对总体嘶哑度（等级）、气息感和粗糙度的评分进行比较。统计工具用于检验每个指标区分正常与异常嗓音的能力以及这些数值与严重度评分的相关性。

更清晰的嘶哑和气息信号

将声音限制在中频带后，若干测量在区分健康与异常嗓音时，其能力持续增强，尤其是在评估总体嘶哑和气息感时。无论是简单元音还是连贯语音，这一方法均有效，对难以察觉的轻度病例尤为有益。例如，基于微小周期间波动的指标以及度量音色与噪声平衡的指标在抑制主导低频后变得更敏感。该滤波有效地“去掩蔽”了携带关于气息和总体嗓音质量关键信息的高阶谐波与湍流噪声。

何时有益——何时有害

相同的方法对粗糙度并无帮助，因为粗糙感往往源自较慢的、低频的非规则性以及主要位于2 kHz以下的附加音调。由于滤波会移除大量低频结构，粗糙度相关的信息被削弱，区分正常与粗糙嗓音的能力以及与听者评分的一致性要么停滞要么下降。研究还发现，某一指标在区分大类时的改善并不总是与在整个严重度量表上逐步匹配的增强并行，这强调了没有单一数值能涵盖复杂嗓音障碍的所有方面。

对实际嗓音护理的意义

通过在最初步骤上应用心理声学知识——即如何滤波录音——这项工作表明现有、易于计算的嗓音指标可以在无需新设备或复杂模型的情况下变得更具临床价值。一条简单的2–4 kHz带限音轨，与全频带声音并用，可为门诊和远程评估中判断嘶哑和气息提供更明确的线索，而低频信息仍对粗糙度至关重要。在实际应用层面，这一滤波策略可以作为一种低成本、与设备无关的增强功能被集成到现有软件中，从而支持在任何录音场景下更可靠的嗓音筛查与监测。

引用: Hosokawa, K., Kitayama, I., Iwaki, S. et al. Psychoacoustically guided midfrequency band-limiting improves the diagnostic utility of classical acoustic measures in dysphonia. Sci Rep 16, 13554 (2026). https://doi.org/10.1038/s41598-026-44010-9

关键词: 语音障碍, 嗓音障碍, 心理声学, 嘶哑, 声学语音分析