移动端嗓音监测应用软件的研发和初步应用

陈飞帆 肖永涛 黄美佳

作者单位：浙江中医药大学医学技术学院 杭州 310053

职业用嗓者是指以嗓音为核心工作工具的人，该群体用嗓强度高，加上个体对自身嗓音状况认识不一，往往是嗓音疾病的高发人群[1]。正常人嗓音疾病的患病率为6%～9%，而教师患病率为52.86%[2]；营销人员的嗓音发病率和教师群体无显著性差异[3]。职业用嗓者群体的嗓音疾病主要为慢性喉炎、声带小结及声带息肉[4]；王慧[5]对180名女性教师嗓音参数及嗓音障碍技术的调查显示71.2%的教师存在嗓音不适感，以咽干，音哑，发声易疲劳为突出表现；嘶哑、喉痛喉痒等为演员的主要嗓音症状[6]。因此，职业用嗓者的嗓音问题是一个亟待解决的社会问题。

现有的嗓音声学分析软件主要以Dr．Speech，MDVP,EVA[7]为主，大多对测量环境的要求很高且设备价格高昂，难以在筛查和监测中大范围的使用。笔者在调研嗓音软件和应用市场的基础上，构思设计并研发一款基于安卓平台的便携式移动端嗓音声学监测APP，通过声学分析对嗓音提供定量分析，评估发声功能和嗓音现状，为职业用嗓者提供客观的参考指标。此软件适合日常工作生活中高强度用嗓的人群，包括教师、营销人员、培训师、歌手、相关专业学生等。用户喉部无明显器质性病变，但常出现声嘶、咽痒、咽痛等喉部不适等情况。

1 软件功能实现

软件功能主要分为声学参数分析与嗓音压力分析与管理。

1.1 声学参数

利用软件对环境背景噪声进行监测，当背景噪声低于45 dB时则通过背景噪声测试，进入测试界面。对首次使用用户软件有文本提示，测试时用户距手机麦克风10 cm，发/a/声持续6 s，强度65～75 dB，具体流程见图1。

图1 软件流程图

不同于诊断，本软件以监测为主，所以选择声学参数时更注重各个参数的代表性以及覆盖性。Jitter、Shimmer、HNR分别反映当前的嗓音状况的嘶哑度，疲劳度，粗糙度，较符合职业用嗓者日常所面临的3种主要问题。

1.1.1 声学参数设置 Jitter，Shimmer是反映嗓音信号相邻周期之间的基频和振幅的微小变化，称为振幅微扰（Shimmer）及基频微扰[8]（Jitter）。正常发声时,声带在气流动力及喉的神经肌肉协调作用下节律性开闭、振动,嗓音声学性质相对稳定,当声带病理改变时,将发生紊乱并掺入噪声成分,上述噪音声学参数将发生相应增加。HNR[9]是信号声与噪声的比值,是嘶哑的一个客观指标,喉病嘶哑的特点是噪音成分相对增多,谐波成分相对减少,对发现疾病、判定疗效有重要意义，在病态时嗓音的比值显著降低。

1.1.2 声学参数标准 参考叶志腾[10]与龚齐[11]的成人嗓音分析参数，基于软件进行实测矫正。得出嗓音声学参数结果评级见表1。

1.2 成人正常嗓音分析参数

通过手机的麦克风，将声音录制成wav格式，后通过互联网传输到服务器，服务器储存音频文件并且通过后台程序和Praat开源代码合作，分析音频后返还数据给APP，APP再自动生成分析报告。Praat是一种用于语音分析与合成的软件，其主要功能是对自然语言的语音信号进行采集、分析和标注，并执行包括变换和滤波等在内的多种处理任务。作为分析结果的文字报表和语图，不但可以输出到个人计算机的磁盘文件中和终端的显示器上，更能够输出为精致的矢量图或位图。

1.3 嗓音压力

1.3.1 嗓音压力监测 软件根据用户参数数据分析出嗓音压力表。根据教师日常作息时间将每日分为3个主时段：早上8～12点（次时段到1点前）、下午14点～18点（次时段到18:30前）、晚上19点～23点。用户每日需测试6次以上，每次间隔1 h以上，软件后台为了保证每日各时段的嗓音参数的代表性，每时段需测试两次以上。从而将每个时段切割成至少两段，每段至多两小时。软件将护嗓周期设置为从用户此次测试后到下次测试前的最长时间间隔：2小时。用户每次数据都会自动归纳到3个时段，后台将数据进行统计计算，得出每一时段的嗓音压力情况。若一时段中参数为一级的占比超过60%，则该时段为绿色，同理二级和三级分别为黄色和红色。压力表中绿色代表为用户个人嗓音处于的正常压力范围，黄色代表嗓音的压力略超出正常范围，红色代表嗓音压力已超出用户承受范围。用户可根据所反映的压力值，适时休息以及调整嗓音使用的合理安排。

1.3.2 嗓音压力管理 嗓音压力管理模式是针对减缓慢性嗓音疾病所开发的实时护嗓模式。用户通过2小时不同强度和组合的针对性护嗓，达到减轻喉部不适和声音嘶哑、抑制嗓音病理性积累、预防嗓音疾病发生的效果。护嗓环参考耳鼻喉科医师的指导和建议，建立了喝水频率、休声建议表和音量控制表，拥有简单易行，即时有效，针对性强的特点。软件以嗓音压力表为衡量标准，将用户最近一次的所得等级与嗓音压力表中相同时段的前后两次统计值进行比较，会得出低于、等于、高于统计值3种结果。对于3种情况，软件会给出如下的判断，用户便可在接下来2小时之内按照要求进行护嗓，具体如表2。

2 初步应用及结果

2.1 测试对象与方法

设计完成后，项目组选择15名嗓音正常志愿者进行测试。年龄不超过25岁；经检查确认喉部结构正常，口鼻腔功能正常，声带生理情况良好且无功能性嗓音障碍，能正常发声；测试前两周内无嗓音疾病或不适以及呼吸道疾病。13名通过测试标准，8男5女，耳龄20～23岁，平均年龄21.6岁。测试方法为分别在Praat软件与本软件测试，发/a/声持续6 s，强度65～75 dB。

2.2 测试结果

表1 声学参数标准

表2 量化护嗓表（2小时内）

计算各参数在本软件与Praat软件测得的偏差值结果见表3。

表3 嗓音正常者本软件与Praat软件测试结果

3 讨论

结果显示本软件测试结果与Praat软件的测试结果相比，Jitter与Shimmer值偏差值相对较小，HNR值偏差仍有待提高。究其主要原因可能为：由于本次测试模拟用户测试真实环境，环境内仍存在一定的背景噪声，不同时段的噪声组成不同，从而导致了偏差值，移动端和PC端的麦克风质量不同，从而在接收声音时存在不同程度的失真导致了差异。次要原因可能为，个体在测试时状态不同导致的偏差；软件的程序存在问题，在传输音频或导出结果时存在误差；但此结果并不会很大程度的影响软件的准确度，因为除声学参数标准作为参考外，用户仍应主要关注每次测量结果的波动变化值。只要测试结果波动较小，内部和外部误差均可忽略。

计算机科技和互联网等高速发展，不断影响传统行业和技术革新。嗓音分析设备主要服务于临床和科研且收费较高，所以不易普及，同时对于关注患者嗓音状况的软件仍不多见。就教师群体来说，大多教师对嗓音疾病的认识和重视程度仍然不足，当前亟需提高教师对于嗓音健康的重视以及普及正确的护嗓用嗓知识。

使用移动端嗓音分析应用软件的优势有：①方便便携。相比于PC端，手机更加的便携，在任何场合下都可以进行测试；②即时且无地点限制。用户在1分钟之内就可以完成测试并得到结果，相较于传统的设备节省时间，同时用户测试不受地点的约束和限制；③分时段监测。软件根据职业用嗓者的生活作息规律，将每日分成三个时段，从而使用户更加精确的了解到自己每个时段的用嗓状况；④可视化。对于很多嗓音微小病变，凭借主观的听或喉镜观察可能无法得出准确或可靠的结果。软件将抽象的声学参数转换成粗糙度，嘶哑度和声门闭合程度，使用户更好的理解各参数的意义和价值。⑤大数据分析。移动端软件的数据交互更加的频繁，从而更利于公司、医院以及相关研究所对数据进行深度挖掘，从而解决医疗企业以及研究生缺少大量可靠的用户使用数据的问题。

使用移动端嗓音分析应用软件的劣势有：①数据准确性。由于不同的手机软硬件配置存在相当的差距，不同品牌的手机会造成不同程度的误差值，影响数据的准确性。②测试环境噪声。由于大多数职业用嗓者的生活和工作环境会存在不同种类和不同程度的环境噪声，软件难以解决对各种噪声尤其言语噪声的降噪。③数据保密性。由于互联网的开发性，当下仍存在许多公司私自盗取用户私密个人数据以及非法出售数据的行为。

本软件在未来仍需解决以下问题：①解决不同手机存在的误差。由于不同手机的麦克风质量和手机配置质量不齐，可能导致测试音频存在误差。软件应对不同规格的手机进行误差的测量和修正。②提高用户的测试习惯。由于职业用嗓者的护嗓意识较低，如果在实际使用中用户并没有日常测试的习惯，软件无法真正起到监测的作用。软件应采用多种策略如积分奖励及社区搭建等提高用户的使用频率。

随着移动互联网时代的兴起和“互联网+”战略的提出，互联网医疗将会是未来的医疗领域的发展方向。而嗓音分析软件不光可作为嗓音监测软件，其仍然有许多发展前景。①嗓音诊断疾病。嗓音不光可以反映喉部和声带的问题，还可为肿瘤的良恶定性，婴儿哭声的听力检测等多个领域提供服务[12]；②建立中国人嗓音数据库。当软件使用人群达到一定数量以后，可对用户嗓音数据进行整理，建立中国人嗓音健康数据库；③为其他领域提供数据支持。可为情感语音，语音可视化，人工智能等提供语音数据支持；④促进医患沟通，提高就诊效率。医生可通过软件获知患者当前的嗓音状况，进行远程的诊断和指导以及后期随访。