1.实验范式 ¶
视觉世界范式(visual world paradigm),采用一个目标词、一个竞争词和两个干扰词图片同时呈现的方式。
2.自变量和因变量 ¶
自变量:F0音高轮廓的曲率和斜率
因变量:被试眼动模式
3.数据分析重点 ¶
时间进程分析,看音高轮廓的曲率和斜率改变如何影响被试对不同声调的单字进行理解。
4.材料准备 ¶
1.语音刺激
(1)合成语音刺激:讯飞
(2)改变斜率和曲率,并得到斜率和曲率的具体数值,以便进行后续分析。目前使用的是qTA的praat脚本,存在的一个问题就是只能得到斜率,曲率的具体数值和改变方法还需要自己进行探究。
关于qTA:
qTA是一个交互式的Praat脚本,可以做到:
根据qTA自动提取目标音高参数(斜率,高度,强度)(Prom-on,Xu和Thipakorn,2009);根据提取的目标参数重新合成F0轮廓;根据用户修改或任意目标参数重新合成F0轮廓;限制目标斜率的方向;进行准确的f0跟踪;加工文件夹中的所有wav文件;执行与ProsodyPro相同的f0分析;将所有声音参数收集到一个文件夹中,并将它们保存在文件夹中。
该脚本用于自动提取音高目标参数。音高目标是音段单元的理想f0轨迹,该轨迹由三个参数定义:坡度,高度和强度。在qTA中,目标由线性方程f0=mt+b定义,其中f0是表面f0,m是目标斜率,b是目标高度。
该脚本中目标参数的提取是通过综合分析完成的。对于每个目标,脚本将使用搜索范围内三个参数的所有可能组合,以一定步长为基础,基于qTA生成f0个轮廓,并根据平方和求出合成轮廓与原始轮廓之间的标准差(SSE)。选择具有最小SSE的参数集作为目标。目标由用户通过标记边界并在TextGrid的顶层中输入标签来定义。没有标签的区间不会进行提取。
用户可以通过多种方式限制目标搜索范围:在启动窗口中,用户可以更改最大和最小参数值,从而改变搜索范围。对于每个声音文件,目标层(2)中的空白间隔都有由最大和最小参数值定义的完整搜索范围。标记为H,M,L,h,m或l的固定斜率为0。正斜率的标记为R或r。负斜率的标记为F或f。
qTAtrainer不仅可用于重新合成单个句子的f0轮廓,而且还可以用作研究工具。例如用于因声调改变引起的词汇比较。
使用方法:
将两个文件都放入包含要分析的声音文件的文件夹中,然后启动Praat;
从顶部菜单中选择Open Praat Script …;
在对话框窗口中找到qTAtrainer.praat并选择它;
当脚本窗口在Praat中打开时,从“运行”菜单中选择“运行”(或键入快捷键command-r或control-r);然后单击“确定”。
在启动窗口中,根据需要选中或取消选中相应的框,然后在文本字段中设置适当的值或仅使用默认值。通过选中相应的单选按钮来选择任务。
单击确定,将出现三个窗口。第一个窗口(PointProcess)显示波形以及Praat生成的人声循环标记(垂直线)。可以在此处手动添加丢失的标记并删除多余的标记。只需要针对指定的间隔执行此操作,如下所述。
第二个窗口(TextGrid)在频谱图面板中显示当前声音的波形和频谱图,以及可选的音高轨迹和共振峰轨迹,在波形面板中显示人声脉冲标记。(这些轨迹和标记无法手动更改。因此,可以使用相应的菜单将它们隐藏起来,以减少处理时间。)
在此窗口的底部是三个TextGrid层,您可以在其中插入间隔边界(第1层)并定义搜索限制(第2层)。对于要保存结果的任何时间间隔,都需要在方法1中添加标签。标签可以简单到a,b,c或1、2、3。
可以通过为qTAtrainer分配空白间隔来跳过无声区域。持续时间<minimum_pause_duration的任何空白间隔都将被视为音节-初始无声辅音。但是请注意,跳过无声辅音对于参数提取不是强制性的。
第三个窗口(qTAtrainer)显示音高目标(绿色虚线)和相对于原始f0(蓝色虚线)的合成f0(红色实线)。目标线的粗细代表其强度。灰色竖线表示间隔边界。没有标签间隔时,仅显示原始的f0。
标记间隔后,按窗口左侧的“ Replot”,将看到合成的和原始的f0轮廓。
qTAtrainer窗口允许以各种方式检查f0轮廓:放大和缩小,左右滚动以及播放部分或全部原始或重新合成的信号。该窗口还允许您移动到下一个或上一个声音文件。 在qTAtrainer窗口中单击“下一个”或“上一个”时,将刷新TextGrid和PointProcess窗口,显示下一个声音的声谱图,波形和人声循环标记。可以重复此过程,直到处理完文件夹中的所有声音为止。或者可以随时单击“退出”完成操作。
要修改自动学习的参数,或使用您自己的参数,请在TextGrid窗口中对其进行更改,然后可以按qTAtrainer窗口中的Replot按钮以查看和收听新合成的f0轮廓。
输出 每次在qTAtrainer窗口中按“下一步”时,都会将当前声音的各种分析结果保存为文本文件:
X.rawf0-直接计算的原始f0
X.f0-用修整算法平滑的f0(Xu,1999)
X.samplef0-由“ f0采样率”指定的固定时间间隔的f0值
X.timenormf0-时间标准化的f0每个时间间隔中的f0被分为相同的点数(默认值= 10)。
X.actutimenormf0-时间归一化的f0,每个间隔分为相同的点数(默认= 10)。但是时间标度是原始的,除非将间隔1的开始时间设置为0。
X.f0velocity-以“ f0采样率”指定的固定时间间隔以半音/ s为单位的f0轮廓的速度分布图(F0的瞬时变化率)
X.means-包含以下值:
最大f0
最小f0
幅度
结束点f0
平均强度
持续时间
最大速度
结束点速度
初始点f0-第一个标记间隔的初始f0(用于目标搜索)
目标斜率
目标高度
强度(strength)
持续时间(以秒为单位)
rmse(原始和合成f0之间的均方根差)
相关性(原始和合成f0之间)
如果要在处理完所有声音文件后更改某些分析参数,则可以重新运行脚本,
2.与语音刺激相对应的黑白描线图片