波形、頻譜、聲譜圖。各畫一件事。

這條線

由聲源經過聲道，最後變成一串數值。

肺部提供氣流。發元音時，聲帶一般會近似週期性振動；發 s 呢類聲音時，氣流經過狹窄位置形成湍流噪聲。舌頭、嘴唇、口腔同鼻腔再改變聲音，令某啲頻率特別突出。

1. 1人點樣發聲
2. 2空氣點樣振動
3. 3錄音保存咗啲乜
4. 4圖表顯示緊啲乜
5. 5我哋點解聽得出高低、重音同語氣

一個實用模型：先有聲源，再由聲道過濾，最後形成隨時間上落嘅空氣壓力。

保持大約相同音高，連續發「啊——衣——烏」。口形一變，音色亦會變，但你毋須改變所唱嘅音。音高同元音音色係兩個獨立維度。

01 · 波形

振動有幾快，同振幅有幾大。

咪高峰接收到空氣壓力隨時間嘅變化，再將訊號記錄成一串數值。圖中橫軸係時間，縱軸係壓力變化或者相對振幅。波形向上向下只代表正負，唔代表聲音正在升調或者降調。

• 波形：橫軸是時間。
• 上下係相對振幅，唔係音高。

頻率 = 1 ÷ 完成一次週期所需時間

如果每 5 毫秒重複一次，即係每秒重複 200 次，頻率就係 200 Hz。

真人元音嘅波形複雜得多，但仍然可能見到某種整體形狀反覆出現。呢個重複頻率叫基頻，寫作 F0。唔好將複雜波形入面每個小尖峰都當成一次聲帶振動。

取樣率同基頻係兩回事。48,000 Hz 取樣率代表裝置每秒記錄 48,000 個數值；150 Hz 基頻代表聲音每秒重複約 150 個週期。喺呢個取樣率之下，每個週期大約有 320 個取樣點。

02 · 頻譜

睇諧波間距，同聲道共振位置。

複雜聲音可以表示成好多唔同頻率嘅正弦成分相加。當你問「每個頻率有幾多能量」，得到嘅就係頻譜。

• 波形：橫軸是時間。
• 頻譜：橫軸是頻率。

對近似週期嘅元音，頻譜通常會見到一列間距整齊嘅成分，叫做諧波。如果 F0 係 150 Hz，諧波就大約出現喺 150、300、450、600 Hz……

聲道會特別增強其中某些頻率區域。這些共振區域的中心頻率，依次叫 F1、F2、F3……共振峰。它們與聲道形狀有關，是區分元音的重要線索。

最重要嘅分別係：F0 唔係「第零個共振峰」，F1 亦唔係第一條諧波。兩者雖然都用 Hz 表示，但描述嘅係唔同機制。

可以咁樣理解：F1 通常同舌位高低、開口程度有關；F2 通常反映舌位前後。不過嘴唇形狀、聲道長度等都會影響結果，所以唔可以只靠一個數值判斷口腔入面發生緊啲乜。

03 · 聲譜圖

同一段合成聲音：波形 → 聲譜圖 → F0。

頻譜只描述一小段聲音嘅頻率組成，但說話會一路變化。將錄音切成好多互相重疊嘅短窗，逐個做頻譜分析，再按時間排列，就會得到聲譜圖：一段波形 → 一列頻譜 → 多列沿時間拼合。

• 橫軸：時間。
• 縱軸：頻率。
• 顏色深淺或明暗：對應時間、頻率附近的頻譜能量。

1. 先睇元音段。a、i、u 嘅能量集中位置唔同，但 F0 都保持 150 Hz。即係「元音變咗」唔等於「音高變咗」。
2. 再睇 s 段。高頻有明顯能量，F0 卻係空白。呢度有聲音，但冇穩定聲帶週期，屬於摩擦噪聲。
3. 最後睇靜音段。波形同聲譜能量都明顯減弱，同「冇 F0、但仍然有摩擦聲」並唔一樣。
4. 切換分析窗試吓：30 ms 窗較容易分開諧波；5 ms 窗就較容易睇到快速時間變化。

觀察時間越長，越容易分開相近頻率；觀察時間越短，就越容易定位變化發生嘅一刻。所以同一段錄音可以產生外觀唔同、用途亦唔同嘅聲譜圖。

要避開一個常見誤解：聲譜圖高頻位置有好多能量，唔代表說話人音高好高。s 就係反例；元音高次諧波可以去到幾千 Hz，但 F0 仍然只有一兩百 Hz。

F0 曲線係演算法估算出嚟，唔係錄音本身藏住一條線。可以將一段有聲波形向後移，再睇同原本有幾相似；如果相隔 5 ms 後相似，200 Hz 就係可能嘅 F0。追蹤器亦可能將一個週期誤認成兩個，造成 200 → 100 Hz 呢類錯誤。

04 · 音高軌跡

同一個「啊」，三條唔同音高軌跡。

波形重複得有幾快，喺呢張圖就變成線嘅高低。週期越短，F0 數值越高，聽落通常亦會越高音。

喺原始波形，週期會越來越短；喺 F0 曲線，數值會越來越高；聽落就通常係音高上升。

嚴格嚟講，F0 係聲學數值，音高就係聽覺感受。兩者喺一般有聲語音入面關係密切，但唔係同一個概念。

上升嘅「啊？」可能聽落似提問，下降嘅「啊。」可能似確認或者結束。呢個對比好有用，但單靠一條曲線，唔足以判斷說話人嘅心理狀態。

我哋理解語調時，通常會同時利用：

• 音高走向：上升、下降、平穩，轉折喺邊度
• 音域：相對說話人平時，呢一段係更高、更低，定係變化更大
• 時長同停頓：邊個音節拉長、喺邊度停
• 強度同音質：聲音係咪更強、帶氣聲、繃緊或者沙啞
• 句子同上文下理：對方係回答、反問、糾正，定係繼續講

阿明買咗紅茶。——重點係「邊個買」。

阿明買咗紅茶。——重點係「做咗啲乜」。

阿明買咗紅茶。——重點係「買咗乜」。

普通話仲有多一層：字本身嘅聲調同句子語調，會一齊影響最後嘅 F0。句尾字原本係咩聲調、有冇輕聲、重點放喺邊度，都會改變曲線。所以「問句一定升、陳述句一定降」並唔成立。

讀錄音

睇到變化，先唔好過度解讀。

真正分析錄音時，要分清楚圖表顯示嘅現象、最可能嘅原因，同單靠圖表無法支持嘅結論。

錄音方法亦會影響圖表。咪高峰距離、輸入增益、自動音量控制、降噪同房間混響，都可能改變量度結果。做比較時，盡量保持裝置、距離同處理方式一致。

特別係音量：一般錄音嘅數碼振幅，唔會自動話你知現場有幾多分貝聲壓級。未經校準，就唔可以將軟件顯示嘅強度直接當成真實環境 dB SPL。

最後可以用手機做幾個簡單實驗，每段錄兩三秒，並盡量保持相同距離：

• 發兩次「啊」，保持音高相近，一次輕、一次響。預測：主要是幅度和強度改變。
• 發兩次「啊」，一次低、一次高。預測：波形週期、諧波間距同 F0 會改變。
• 保持同一個音高，發「啊——衣——烏」。預測：共振峰分布改變，F0 可以接近不變。
• 發「啊——絲——啊」。預測：中間仍然有聲譜能量，但通常冇穩定 F0。
• 用相同的字說「他來了？」和「他來了。」。先聽，再比較句末及整句的 F0、時長和強度。

如果你解釋到前四組分別，就已經掌握基本讀圖方法；第五組就開始將聲學線索同真正表達意圖連起來。

核對

先諗答案，再撳。

唔同元音可以有相同 F0；聲譜圖高頻位置好光，亦唔代表音高一定好高。