Praat的声谱图设置
声谱图就是图4.3中的灰色的地带。这里有个“Spectrum”选项，点击它，如果勾选了“show Spectrogram”这个选项，则会在声音编辑的界面看到这个所谓的背景图。反之，则消失。
点击这个如图5.1的选项，则出现语图显示设置。如下图5.2所示。
Praat的基频曲线设置
基频曲线图就是图4.3中的蓝色线。这里有个“Pitch”选项，点击它，如果勾选了“show Pitch”这个选项，则会在声音编辑的界面看到这个所谓的蓝色线。反之，则消失。
点击这个如图5.3的选项，则出现基频曲线显示设置。如下图5.4所示。
Praat的强度曲线设置
强度曲线图就是图4.3中的黄色线。这里有个“Intensity”选项，点击它，如果勾选了“show Intensity”这个选项，则会在声音编辑的界面看到这个所谓的黄色线。反之，则消失。
点击这个如图5.5的选项，则出现强度曲线显示设置。如下图5.6所示。
Praat的共振峰曲线设置
共振峰曲线图就是图4.3中的红色线。这里有个“Format”选项，点击它，如果勾选了“show Format”这个选项，则会在声音编辑的界面看到这个所谓的红色线。反之，则消失。
点击这个如图5.7的选项，则出现共振峰曲线显示设置。如下图5.8所示。
不懂的可以关注我的公众号，里面有你想要的（有问题公众号留言必回答）
https://mp.weixin.qq.com/s?__biz=MzIyOTM4MDMxNw==&mid=2247483836&idx=6&sn=649cafd57bb22d4c895cfa56cb0a8ffc&chksm=e842d80edf355118083f7e74525c4a2b4a4679a00ceb161282c6d009dd6cd538f5d79a8cfe9c&token=374662546&lang=zh_CN#rd
录音文件，可以选择new-record sound.也可以open下选择已经录好的文件。
重点进行标记的说明
首先点击录音文件在新窗口中选择annotate选项下的to textgrid.设置分层标记名称，如果之分一层（假设是py)，可以只写分层的名称，point tiers 省略不写。如果分多层，一般pointertier
Praat
使用及语音信号处理算法基础任务一：声学参数任务二：发音与听觉感知
利用
Praat
完成如下任务，熟悉
Praat
的基本操作，利用
Praat
对语音信号的基频、时长、谱参数等进行分析，对语音信号的基频、时长、谱参数等有进一步理解。
任务一：声学参数
加载“GuoL/40004.wav”音频，在此基础上进行以下操作并回答如下问题：
显示和查看波形waveform、语谱
图
spectrogram、音强intensity、基音轮廓pitch contour、共振峰 forman
在提取数据的工作中，提取基频这是最重要的一部分，基频也可以称为Pitch, F0。
我们在做音频标注的过程中，经常遇到需要批量修改某个地方，比如最开始标的发音aa，后来对数据整体的
认识
变了，想把所有的aa都变成读音ae；再比如，我们标注了所有的元音，辅音等，想利用节奏CV的计算方式，将所标的数据全部批量转化为C, V的格式；还有我们在认真标完了之后，由于不可抗拒的原因，要将所有数据以指定的体系标注，比如你原来就是用普通的
目录引题提取基频操作解释运行脚本获取脚本关注
与提取基频的工作类似，提取共振峰也是很常用的一个数据提取操作，共振峰在物理学上称为共振谐波，最典型的例子是我们扔石子到水里，看到的一条一条有规律的水波慢慢展开来，在语谱
图
上，周期性的浊音，也会产生谐波共振，通过语
图
上的采样点的描述，我们不但可以清楚的看到这些共振的
图
形，而且可以通过比较准确的数值来描述出来。共振峰也可以称为Formant。通过第一，第二，第三共振峰可以得到不同元音的分类。通常称为声学元音
图
。以下来自维基百科。
我们如果有足够多的语料，调查
测量基频F0的方法具体方法就不展开讲了，看我的其他博客。下
图
我选了0.03s的浊音音频，可以看到是短时周期的，那么基频就是1s内有多少个这样的周期。比如这个正弦信号，1秒有2个相同波形，所以基频是2Hz。注：自相关的错误，还得后面三种方法再检查一下。
[更新日期：20161027 以前的资源里竟然没有脚本，抱歉下载过的朋友，我重新更新了一下资源，欢迎提出修改建议，不断更新。咨询邮件feipengshao@163.com，请务必附件样例以及有问题脚本，出错提示等，否则不予回复]]
Praat
脚本具有强大的功能，对语音文件标注完成后，下面的任务就是把成百上千的语音文件中的参数提取出来，最基本的就是时长，和基频，其它还有元音可能要提取共振峰，如果...
这里写目录标题使用背景如何做使用说明获取脚本关注公众号咨询
QQ
群关注版权说明
我们已经知道如何利用
Praat
脚本提取基频，如果对使用
Praat
提取的基频是不是可用有疑问的可查看这篇文章（）， 而如果不知道如何提取基频的可查看这篇文章（）。今天我们来定义一个小小的应用，我们引进一个曲线距离的概念，来比较一下基频值，而基频值是直接反映声调或者语调的参考，那么我们研究一下是否通过曲线距离这个概念，能够对声调有所区分，可以定义为一个简单的声调分类器。
作为尝试，我们使用的是中文普通话的数据，但是这样的参考
什么是语谱
图
什么是语谱
图
？最通常的，就是语音短时傅里叶变换STFT的幅度画出的2D
图
。之所以是通常的，是因为可以不是傅里叶变换。STFT时横轴时间，纵轴频率，每格颜色深浅代表信号能量功率大小。
窄带语谱
图
“窄带”，顾名思义，频率带宽小，短时窗长，窄带语谱
图
就是长窗条件下画出的语谱
图
。
窄带语谱
图
的带宽窄，那么在频率上就“分得开，更细致”，即能将语音各次谐波“看得很清楚”，即表现为“横线”。“横”就体现出了频率分辨率高。分辨率可以直观的看做“分开能力”。“频率分辨率”高就是在频率上将各次谐波分开的能力高，
http://blog.csdn.net/shaopengfei/article/details/51363464近期更新了几篇
Praat
脚本从标注的TextGrid里提取数据一些脚本，发现有一些朋友会问到更细节的问题，于是有一个想法把结合
Praat
进行一个语音学上常用的实验研究的步骤都整理出来，希望对需要的朋友有所帮助。其实从事语音研究的可能大部分是语言学专业，对一些软件，脚本的使用可能不如工科...
