Акустика речи¶

Раздел помогает изучать интонацию, темп, паузы и изменение уровня голоса: разбирать дикторскую подачу, сравнивать два дубля и готовить наглядные примеры. Пошаговая работа, объяснение графиков и примеры совместного использования с Исследованием аудио собраны в подробном руководстве.

В результате распознавания нажмите Акустика речи: откроется именно эта запись сразу на вкладке измерений. Для локального результата без сохранённой записи кнопка Сохранить и открыть акустику сначала сохраняет аудио и текст. Она доступна для файлов до 500 МБ вне приватного режима. В готовых элементах пакетного распознавания есть такая же кнопка перехода.

Также можно в «Моих записях» открыть запись и вкладку Акустика речи. Выберите фрагмент от 1 до 120 секунд и нажмите Рассчитать акустику. Расчёт выполняется на сервере Speech Expert, без отправки внешней языковой модели и без списания кредитов. Для нового расчёта нужен сохранённый аудиофайл; ранее сохранённые измерения остаются доступны после удаления аудио.

Показываются осциллограмма, контур основного тона F0 с разрывами на кадрах без надёжного тона, относительная интенсивность, интервалы активности, темп и паузы. По нажатию на основной график можно перемотать исходную запись. Для сравнения выберите вторую сохранённую запись и рассчитайте её фрагмент. Обе кривые используют одинаковые шкалы и время от начала каждого фрагмента; автоматического выравнивания по словам в этой версии нет. Доступны экспорт JSON и CSV.

Как получаются показатели¶

Используется praat-parselmouth==0.4.7, содержащий Praat 6.1.38. В результат записываются версии движка и параметры измерения. F0 рассчитывается методом raw autocorrelation с шагом 20 мс. Границы поиска по умолчанию — 60–500 Гц; их можно изменить, если контур ошибочно скачет на октаву или теряется.
Сохраняется исходная частота дискретизации. Для многоканального файла выбирается канал с наибольшим RMS; номер канала хранится в результате. Противофазные каналы не усредняются. Декодирование выполняется в PCM16. Сохранённые ASR и VAD такой записи не используются, поскольку не привязаны к выбранному каналу: темп недоступен, активность оценивается по энергии.
Интенсивность нормируется к максимуму каждого фрагмента: максимум равен 0 дБ. Это относительная динамика, а не измерение звукового давления или абсолютной громкости двух записей.
Если есть полный сохранённый VAD, используются его интервалы речи. Иначе показывается явно обозначенная оценка звуковой активности по энергии. Музыка и шум могут считаться активностью; тихие интервалы не означают доказанного отсутствия речи. Кадры с F0 не используются вместо VAD.
Темп в словах в минуту рассчитывается только по подходящей расшифровке. Для частичной разметки указывается её временной охват. Темп без пауз требует полного сохранённого VAD и выбора всей исходной записи. Текст задания TTS не считается распознанной речью.

Фонемное выравнивание, оценка произношения, форманты, jitter и shimmer в этот первый модуль не входят. Акустические показатели сами по себе не являются оценкой эмоций, стресса или качества голоса.

API и хранение¶

Все маршруты требуют сессию личного кабинета и проверяют владельца записи:

GET /api/speech-acoustics/options — доступность движка и пределы параметров.
POST /api/speech-acoustics/analyze — recordingId, startMs, endMs, pitchFloorHz, pitchCeilingHz. Если endMs не указан, берётся до 120 секунд от начала выбранного участка с ограничением по реальной длительности файла.
GET /api/speech-acoustics/recordings/{id}/results — последние 50 версий в объекте results.

Измерения сохраняются как неизменяемые версии speech_acoustics. В ответе есть payload, parameters, provenance, идентификаторы записи и версии. Числа с отсутствующими значениями передаются как null, без NaN и Infinity.

В расширенном режиме «Исследования аудио» к запросу добавляется ограниченная сводка ранее сохранённых акустических измерений ровно для того же интервала. Расчёт новых измерений автоматически не запускается. Данные другого фрагмента или другой записи не используются.

Пример проверки озвучки и порядок передачи измерений в исследование описаны в сценариях совместной работы.