中国 MiniSpeechLab 桌上语音工作室 V2.0
Mini Speech Lab桌上语音工作室是多位知名教授合作研制的计算机语音教学和研究的专家系统。有多种语音分析、测算、作图的功能，可以用各种声学图形和统计数据表现语音的特征。
仪器信息
| 品牌 | MiniSpeechLab |
|---|---|
| 型号 | V2.0 |
| 分类 | 桌上语音工作室 |
| 仪器编码 | 中国 MiniSpeechLab 桌上语音工作室 V2.0 |
| 在售状态 | 在售 |
| 地区来源 | 中国 |
| 更新时间 | 2026-10-10 |
| 研究领域 | 实验语音学、言语感知、汉语二语习得、汉语韵律与语调 |
技术参数
共 52 条规格记录
| 系统类型 | 计算机语音教学和研究的专家系统 |
|---|---|
| 研制者 | 南开大学朱思俞教授与石锋教授合作研发 |
| 产品版本构成 | 分为专业版和教学版 |
| 抗噪音校正功能 | 仅专业版具备（版本区分：专业版功能描述含抗噪音校正，教学版功能描述不含该项） |
| 放音方式 | 全部放音、局部放音、局部倒放 |
| 语音文件存取 | 支持 |
| 语音波形显示 | 支持 |
| 音高曲线显示 | 支持 |
| 语图显示类型 | 宽带语图、窄带语图 |
| 参照语音与训练语音图显示 | 支持 |
| 语音编辑功能 | 支持 |
| 录音方式 | 自动、手动两种方式 |
| 波形图与频谱图同时提取 | 支持 |
| 共振峰频率测量 | 支持 |
| 音高数据测量 | 支持 |
| 时长数据测量 | 支持 |
| 音量数据测量 | 支持 |
| 声调格局分析 | 支持，可自动或手动进行数据测算和统计作图 |
| 元音格局分析 | 支持，可自动或手动进行数据测算和统计作图 |
| 辅音格局分析 | 支持，可自动或手动进行数据测算和统计作图 |
| 塞音格局制作 | 支持 |
| 擦音格局制作 | 支持 |
| 语调格局原始数据测量 | 支持 |
| 韵律格局原始数据测量 | 支持 |
| 语音合成功能 | 支持 |
| 图形复制功能 | 支持 |
| 图形打印功能 | 支持 |
| 语言学分析统计能力 | 可对语音进行语言学所需要的分析统计并得出结果 |
| 运行平台 | Windows |
| 操作系统版本要求 | 中文 Windows 98、Windows 2000 或 Windows XP（软件使用说明书（专业版）列明的软件运行环境） |
| Mac 与 OS 系统支持 | 不支持 |
| 显示颜色深度要求 | 增强色（16 位）以上；256 色下不能正常工作（软件使用说明书（专业版）列明的软件运行环境） |
| 最低显示分辨率 | 800×600（软件使用说明书（专业版）列明的显卡要求） |
| 推荐显示分辨率 | 1024×768 或 800×600（说明书建议值；更高分辨率下显示不能充满屏幕） |
| 主机配置要求 | 一般主流 PC 均可使用（软件使用说明书（专业版）列明的硬件环境） |
| 声卡配置要求 | 需配备声卡（软件使用说明书（专业版）列明的硬件环境） |
| 放音设备要求 | 需配备放音设备（音箱等）（软件使用说明书（专业版）列明的硬件环境） |
| 话筒要求 | 需配备话筒；动圈式话筒音质较好，一般耳唛也可使用（软件使用说明书（专业版）列明的硬件环境） |
| 录音输入方式 | 话筒输入，也可使用线路输入（软件使用说明书（专业版）列明的声卡输入设置） |
| 采样准确性影响因素 | 取决于声卡和话筒的频率响应，要求高时宜使用高档产品 |
| 常驻软件使用限制 | 使用本软件时应暂时关闭占用显示资源的常驻软件（软件使用说明书（专业版）列明的软件环境要求） |
| 录音采样率 | 11025 Hz（元音格局实验教学资料给出的实验录音设置，非厂商型号级规格） |
| 录音量化位数 | 16 位（元音格局实验教学资料给出的实验录音设置，非厂商型号级规格） |
| 录音声道数 | 单声道（元音格局实验教学资料给出的实验录音设置，非厂商型号级规格） |
| 声音文件格式 | .wav |
| 元音图数据文件格式 | *.vch |
| 所整合的仪器功能 | 把进口的语图仪和可见音高仪等仪器的功能结合在一起 |
| 适用学科领域 | 汉语、外语、对外汉语以及教育学、心理学、法学、医学等有关专业多种学科的教学和研究 |
| 典型应用方向 | 言语特性研究、临床医学研究、歌唱发音研究 |
| 适用人群 | 适合文科背景的语言研究者使用 |
| 产品形态 | 软件 |
| 产品销售状态 | 在售，现行产品目录中列有该型号 |
相关实验室
以下机构来自本仪器关联论文的作者署名，不代表已确认采购或持有该仪器。
印度尼西亚坤甸共同希望语言学院
地区：印度尼西亚
署名作者：赫妮
研究方向：汉语陈述句、印尼学习者、语调格局、音强
关联论文 1 篇
北京大学
地区：中国
署名作者：刘雅琦、余俊毅
研究方向：感知混淆、辅音声母、声学特征、普通话
关联论文 1 篇
实验方法
研究方向：噪声条件下普通话辅音声母的声学特征与感知混淆、擦音与送气段的临界带谱重心测量、二语学习者汉语陈述句语调格局习得、韵律分析中的音高、音长、音强参数提取
基于临界带分析的普通话辅音声母谱重心测量与感知混淆实验
方法说明：以普通话母语者和广州话母语者为被试，在安静及多种信噪比白噪声条件下对普通话辅元结构语音刺激中的辅音进行辨认，构建感知混淆矩阵；同时利用桌上语音工作室（MiniSpeechLab）内置的 Svantesson 临界带测量方法，对擦音及送气段的频谱进行快速傅里叶变换并转换为 24 个临界带值，求得谱重心与分散度，并与 Praat 非滤波法测得的谱重心（Hz）对照，从声学特征角度解释辅音感知混淆的成因。
实验仪器：桌上语音工作室 MiniSpeechLab；Praat 语音分析软件 Praat；Adobe Audition 音频处理软件 Adobe Audition；Matlab 数值计算软件 Matlab；PsychoPy 心理学实验程序 PsychoPy；头戴式耳机
实验步骤
- 实验刺激录制与处理
说明：由一名持普通话一级乙等证书的北京男性发音人在专业录音室朗读 20 个音节（辅音与 /a/ 或 /ia/ 搭配，阴平调）各三遍，挑选最佳一遍后用 Adobe Audition 降噪、按 ITU-R BS.1770-3 标准归一化响度、切分并前后各留 250 ms 静音，再用 Matlab 叠加白噪声生成 0、-4、-8、-12、-16 dB SNR 的刺激。
关键点：刺激响度归一化与信噪比分级控制，保证不同条件下刺激可比
- 感知辨认实验
说明：13 名广州话被试与 22 名普通话被试在安静实验室内佩戴头戴式耳机，通过 PsychoPy 程序呈现刺激并在屏幕拼音选项中点击作答；每个模块内每个刺激随机播放 4 次，共 6 个听音条件，整个实验约 90 分钟。
关键点：选项位置随机化、多次重复取平均正确率，采用混淆矩阵记录辨认结果
- MiniSpeechLab 临界带谱重心测量
说明：在桌上语音工作室（MiniSpeechLab）中选取擦音段或送气段中段的某点频谱进行快速傅里叶变换，软件将 0~10010 Hz 分为 24 个临界频带，计算每个临界带内的平均强度分贝值，求出最强频率集中区域即谱重心（以临界带个数表示）及分散度。
关键点：利用软件内置 Svantesson 方法将声学数值转换为符合人耳听觉感知的临界带数值
- Praat 非滤波法谱重心测量与对照
说明：用 Praat 在擦音段或送气段中段选点，采用非滤波法直接测量谱重心和分散度（单位 Hz），与 MiniSpeechLab 临界带测量结果对照，比较 [s]、[ʂ]、[ɕ]、[x] 及同部位送气塞擦音、送气塞音的谱重心差值。
关键点：两种测量方法互相印证，考察听觉尺度下谱重心差值与感知混淆率的对应关系
- 统计分析与声学解释
说明：对感知正确率做重复测量方差分析（方言背景为组间变量、听音条件为组内变量），计算各辅音的变异系数评估抗噪能力，结合频谱、过渡音征、音长等声学参数解释混淆模式。
关键点：从声学特征而非仅发音部位/发音方法的音系范畴解释噪声下的感知混淆
实验数据
辅音感知正确率与混淆矩阵
数据来源：两组被试在安静及 0、-4、-8、-12、-16 dB SNR 白噪声条件下的辨认结果
实验样本：普通话母语组安静条件平均正确率 99.32%±1.62，-16 dB SNR 时 24.89%±6.12；广州话母语组分别为 94.62%±9.18 与 20.77%±3.41
数据呈现：正确率均值与标准差表、20×20 辅音感知混淆矩阵表、变异系数柱状图
擦音与送气段谱重心（临界带法）
数据来源：桌上语音工作室（MiniSpeechLab）对安静条件下擦音及送气段频谱的临界带测量
实验样本：[s] 谱重心 20.40 个临界带、分散度 2.96；[tsʰ] 17.64、3.52；[ʂ] 18.56、2.24；[tʂʰ] 16.03、2.75；[ɕ] 19.90、2.89；[tɕʰ] 19.70、3.11；[x] 17.34、2.80；[kʰ] 16.65、4.45
数据呈现：Praat 非滤波法测量值与 MiniSpeechLab 临界带测量值并列的对照表
擦音与送气段谱重心（Praat 非滤波法）
数据来源：Praat 对同一语音样本擦音段或送气段中段某点频谱的直接测量
实验样本：[s] 谱重心 8509 Hz、分散度 1405；[tsʰ] 3727 Hz、1243；[ʂ] 4096 Hz、1128；[tʂʰ] 2598 Hz、1531；[ɕ] 5909 Hz、1441；[tɕʰ] 4763 Hz、1862
数据呈现：谱重心数值表、擦音在不同噪声条件下的瞬时二维频谱图（bark 频率-响度）
塞音过渡音征与辅音时长
数据来源：不同噪声条件下 [p]、[t]、[k] 的共振峰模式图及 Praat 测得的辅音时长
实验样本：[tʂ] 音长 84 ms，[l] 79 ms，[ts] 114 ms，[tɕ] 98 ms，[m] 36 ms，[n] 57 ms，[ʂ] 237 ms
数据呈现：共振峰随时间变化散点图、语图、音长表
方法关联论文：声学特征与普通话辅音声母的感知混淆
基于语调格局理论的汉语陈述句语调声学参数提取与分析实验
方法说明：以印尼非华族汉语学习者为发音人，录制四句自然焦点陈述句（分别以阴平、阳平、上声、去声结尾），使用桌上语音工作室（Mini-Speech-Lab）提取每个字音的音高（Hz）、音长（ms）和音强（幅度积）原始数据，再借助 Excel 计算起伏度、停延率和音量比三项量化指标，绘制字调域/词调域图、停延率图和音量比图，并与汉语母语者对比，揭示学习者陈述句语调在音高、音长、音强三个维度上的表现特征。
实验仪器：桌上语音工作室 Mini-Speech-Lab；Praat 语音分析软件 Praat；笔记本电脑；外置麦克风；Excel 电子表格软件 Excel
实验步骤
- 实验语料设计
说明：参考沈炯（1985）和石锋（2009）设计四句自然焦点陈述句（如“张山天天喝咖啡”），每句 7 个音节，分为句首韵律词（1-2 字）、句中韵律词（3-4 字）、单音动词（第 5 字）和句末韵律词（6-7 字）三个韵律单元，句末字分别为阴平、阳平、上声、去声。
关键点：语料涵盖四个声调，句法结构与韵律单元划分一致，便于横向对比
- 语音录制
说明：在相对安静环境下用笔记本电脑和外置麦克风录音，录音软件为 Praat 与 Mini-Speech-Lab，采样率 11025 Hz、16 位、单声道；发音人熟悉语料后以自然平稳语速朗读，每句读 3 至 5 遍、句间隔 3 秒，选取最稳定的 3 次作为分析样本，共 9×4×3=108 个样品，保存为 wav 格式。
关键点：自然语速、无语义强调、多遍录音取稳定样本
- Mini-Speech-Lab 声学参数提取
说明：以“桌上语音工作室”（Mini-Speech-Lab）为工具，提取语料中每个字音的音高（Hz）、音长（ms）和音强（幅度积）原始数据。
关键点：幅度积由软件自动得出，作为音强的原始量化指标
- 量化指标计算
说明：借助 Excel 将赫兹音高转换为半音（St=12×lg(f/fr)/lg2，男性参考频率 55 Hz、女性 64 Hz），按 K=100×(G−Smin)/(Smax+Smin) 计算调域百分比得到起伏度；按 Dx=Sx/S# 计算停延率；按后字幅度积/前字幅度积或某字幅度积/本句平均幅度积计算音量比。
关键点：归一化处理消除发音人个体差异，使音高、音长、音强具有可比性
- 作图与对比分析
说明：按性别分组绘制起伏度图（字调域、词调域上下线）、停延率柱状图和音量比柱状图，并选取一位非华族女性学习者与汉语母语者对比，归纳学习者陈述句在音高、音长、音强分布模式上的特点。
关键点：以韵律单元为单位比较句首、句中、句末的调域扩展、音段延长和音强增减
实验数据
字调域与词调域起伏度
数据来源：Mini-Speech-Lab 提取的音高数据经半音转换与调域百分比计算
实验样本：非华族男性 1 句首词末字调域跨度 74%，非华族男性 2 句末首字 92%；非华族女性 1 句末末字 88%，女性 2 句中首字 98%；以句首词调域为基准，非华族男性 1 句末词调域上线和下线起伏度分别为 12% 和 26%，女性 2 为 -3% 和 4%
数据呈现：起伏度图（小框为单字调域、大框为词调域，标注上下线百分比）
停延率
数据来源：Mini-Speech-Lab 提取的各字音音长（ms）与句子平均音节时长之比
实验样本：非华族男性 2 句末字“啡”停延率 1.50，非华族女性 1 句末字 1.09，汉语母语者句末字 0.98、句首词末字 1.06
数据呈现：停延率柱状图（按韵律边界以虚线分隔）
音量比
数据来源：Mini-Speech-Lab 自动得出的幅度积经比值计算
实验样本：非华族男性 1 句首字音量比 1.39，句末字 0.76；非华族女性 2 句首字 1.27、句末字 0.68；汉语母语者句首字 1.53、句末字 0.83
数据呈现：音量比柱状图
方法关联论文：印尼非华族学习者汉语陈述句语调的实验分析
主要部件
计算机主机（PC）
类型：硬件
说明：运行桌上语音工作室软件的载体，说明书指出一般主流 PC 都可以使用。由用户自备，不随软件提供。
声卡
类型：硬件
说明：承担语音信号的模数转换与放音输出，是软件录音与放音的必备部件；说明书指出声卡的频率响应影响采样的准确性。由用户自备，不随软件提供。
话筒
类型：硬件
说明：语音采集输入设备，接入声卡的话筒输入口；说明书指出动圈式话筒音质较好，一般的耳唛也可以使用，其频率响应影响采样准确性。由用户自备，不随软件提供。
放音设备（音箱等）
类型：硬件
说明：用于全部放音、局部放音与局部倒放时的试听回放，是运行环境要求的必备外设。由用户自备，不随软件提供。
相关论文
共 2 篇；当前显示第 1 页
声学特征与普通话辅音声母的感知混淆
发表年份：2024
作者：刘雅琦；王韫佳；余俊毅
刊源：声学学报
DOI 10.12395/0371-0025.2024128查看论文摘要与书目信息
摘要 · 中文整理：针对不同信噪比条件下广州话与普通话母语者对普通话辅音声母的感知混淆，在重点探讨辅音声学特征与感知混淆关系的基础上兼论母语背景和信噪比对普通话辅音声母感知结果的影响。使用混淆矩阵方法，要求 13 名广州话被试和 22 名普通话被试对经不同信噪比处理的辅元结构语音刺激中的辅音进行辨认。重复测量方差分析的结果表明，两组母语不同的被试对普通话辅音的感知能力有显著差异，且白噪声会降低两组被试的感知能力。共同的感知结果如下：（1）响辅音具有较好的抗噪性；（2）具有突出频谱峰的擦音和频谱较为平坦的擦音之间不容易发生感知混淆；（3）白噪声对过渡音征以及塞音除阻脉冲的掩蔽作用增加了不送气塞音之间以及送气塞音和送气塞擦音与擦音之间的感知混淆；（4）后接元音的舌位对辅音感知混淆结果有一定程度的影响。以上结果表明，发音生理层面的发音部位、发音方法和清浊分类并不能完全预测噪声背景下普通话辅音声母的感知混淆现象，而使用频谱和音长等声学参数可以更好地解释感知混淆的结果，声学特征对辅音感知混淆的作用有时会超越音系的作用。
原文摘要：针对不同信噪比条件下广州话与普通话母语者对普通话辅音声母的感知混淆, 在重点探讨辅音声学特征与感知混淆关系的基础上兼论母语背景和信噪比对普通话辅音声母感知结果的影响。使用混淆矩阵方法, 要求 13 名广州话被试和 22 名普通话被试对经不同信噪比处理的辅元结构语音刺激中的辅音进行辨认。重复测量方差分析的结果表明, 两组母语不同的被试对普通话辅音的感知能力有显著差异, 且白噪声会降低两组被试的感知能力。共同的感知结果如下: (1) 响辅音具有较好的抗噪性; (2) 具有突出频谱峰的擦音和频谱较为平坦的擦音之间不容易发生感知混淆; (3) 白噪声对过渡音征以及塞音除阻脉冲的掩蔽作用增加了不送气塞音之间以及送气塞音和送气塞擦音与擦音之间感知混淆; (4) 后接元音的舌位对辅音感知混淆结果有一定程度的影响。以上结果表明, 发音生理层面 (或语言学理论层面) 发音部位、发音方法和清浊的分类并不能完全预测噪声背景下普通话辅音声母的感知混淆现象, 而使用频谱和音长等声学参数可以更好地解释感知混淆的结果, 声学特征对辅音感知混淆的作用有时会超越音系的作用。
关键词：感知混淆、辅音声母、声学特征、普通话、广州话
研究目标：探明在不同信噪比白噪声条件下，广州话母语者与普通话母语者对普通话辅音声母的感知混淆模式，并回答辅音的声学特征（频谱、过渡音征、音长）能否比发音部位、发音方法、清浊等音系范畴更好地解释感知混淆现象。
主要结论：不同母语背景被试的辅音辨识能力存在显著差异，普通话母语者在多数噪声条件下的混淆率低于广州话母语者；两组被试的混淆模式高度相似，说明白噪声条件下声学因素对感知混淆的影响会在一定程度上超越母语音系的作用；抗噪能力最强的是 [m n l] 等响辅音及频谱具有明显能量集中区的 [s ʂ]；送气塞音或送气塞擦音的送气段频谱与某擦音相似时易被听成该擦音；白噪声会改变塞音过渡音征导致不送气塞音之间的混淆；辅音声母的混淆感知无法从单一的语言学分类预测，其直接因素是频谱相似度。
创新点：（1）同时比较普通话母语者与方言（广州话）母语者的辅音感知混淆，用共性结果验证声学特征的作用；（2）将 Praat 非滤波法谱重心与 MiniSpeechLab 临界带谱重心两种测量方式对照，把声学数值转换为听觉尺度以更贴近感知；（3）从频谱能量集中区、过渡音征稳定性和音长等多维声学参数解释混淆矩阵中的不对称混淆现象。
后续建议：扩展后接元音类型（如 /i/、/u/ 等）以考察元音环境对辅音感知混淆的系统影响；增加语音型噪声等其他噪声类型，比较不同噪声掩蔽对各声学特征的作用差异；纳入更多方言背景（如吴语、闽语）被试，检验混淆模式共性的普遍性；结合听觉模型或神经网络模拟，对临界带谱重心与感知混淆率进行定量建模；将研究结果应用于语音识别系统的抗噪声学特征设计与方言区普通话教学
APA 引文：刘雅琦, 王韫佳, 余俊毅. (2024). 声学特征与普通话辅音声母的感知混淆. 声学学报, 49(6), 1284-1296. https://doi.org/10.12395/0371-0025.2024128
仪器引用：表中第五至七列的数据则是通过桌上语音工作室 (MiniSpeechLab) 软件得到的, 这一软件置入了 Svantesson[14] 的测量方法, 简而言之这一方法将 0~10010 Hz 的频率范围分为 24 个临界频带 (critical bands), 对擦音或送气段的某点频谱进行快速傅里叶变换; 然后将变换后的频谱转换为 24 个临界带值, 在每个临界带内计算出该带内的平均强度的分贝数值[15]; 而后求出所有临界带内最强频率的集中区域, 即谱重心。
使用资料与操作视频
“桌上语音工作室” (Mini-Speech-Lab)
发布时间：2024-03-26T09:16:50Z