Praat脚本实战：一键提取时长与共振峰，绘制声学元音图

1. 为什么需要自动化提取共振峰数据

第一次接触声学分析时，我手动测量了50个元音样本的共振峰。盯着频谱图一个个点选Formant listing，再手工记录数据，整整花了两天时间。当看到Excel里歪歪扭扭的手写数据时，突然意识到：这种重复劳动正是脚本存在的意义。

共振峰分析本质上是在解决三个问题：定位元音声学空间（F1/F2）、区分音色特征（F3参与）、量化发音稳定性（时长与共振峰波动）。传统方法就像用勺子挖隧道，而Praat脚本则是开挖掘机——它能自动完成：

• 批量读取wav音频和TextGrid标注
• 精准定位每个元音段的起止时间
• 计算时间段内稳定的共振峰均值
• 输出结构化数据表格

实测处理100个文件只需3分钟，效率提升近百倍。更重要的是，脚本消除了人为误差。我曾对比过手动测量和脚本输出的数据，同一元音/i/的F2值手工记录波动范围达150Hz，而脚本结果标准差不超过20Hz。

2. 脚本核心原理与参数设置

2.1 共振峰提取算法解析

Praat底层采用**线性预测编码（LPC）**算法，相当于给声波做CT扫描。它会自动计算声道形状对应的共振频率，就像通过水波纹反推石头入水的位置。关键参数需要微调：

praat复制# 建议设置的Formant对象参数
formant = To Formant (burg)... 0 5 5500 0.025 50

• 5代表提取5个共振峰（实际常用F1-F3）
• 5500是最大分析频率（女性语音建议调至5000）
• 0.025是窗长（颤音需要更短窗长）
• 50是预加重（消除声门波影响）

有个容易踩的坑：爆破音会污染共振峰数据。解决方法是在TextGrid中精确标注元音段，脚本会自动跳过辅音段。

2.2 时长计算的隐藏逻辑

脚本提取的时长并非简单终点减起点，而是采用加权算法：

1. 排除首尾10%的过渡段（避免元音弱化影响）
2. 取中间80%稳定段的平均值
3. 对颤音等特殊发音会自动分段处理

实测发现，汉语单韵母/i/的脚本计算时长比手动测量平均短30ms，正是因为过滤了起始的摩擦成分。

3. 实战操作全流程演示

3.1 文件准备与路径设置

建议建立如下目录结构：

code复制/pr