馬平川 毛渤淳 郭春麗 于晨浩 李若琳 何凌 尹恒

1.口腔疾病研究國家重點(diǎn)實(shí)驗(yàn)室 國家口腔疾病臨床醫(yī)學(xué)研究中心 四川大學(xué)華西口腔醫(yī)院唇腭裂外科，成都 610041；2.四川大學(xué)電氣信息學(xué)院，成都 610065

腭裂是最為常見的顱頜面先天性畸形，根據(jù)最新 調(diào)查顯示，我國非綜合征性新生兒顱頜面裂的發(fā)生率為1.67∶1 000[1]。腭裂的影響主要表現(xiàn)為裂開的硬軟腭使口鼻腔聯(lián)通，出現(xiàn)了腭咽閉合不全，進(jìn)而導(dǎo)致患者在發(fā)音時(shí)無法保持口腔壓力，出現(xiàn)鼻腔額外共鳴或者在發(fā)壓力性輔音時(shí)氣流從鼻腔溢出的現(xiàn)象，導(dǎo)致了以高鼻音為主要特征的語音障礙的出現(xiàn)[2]，嚴(yán)重影響患者的正常發(fā)音交流[3]。目前腭裂治療的最基本方法是通過手術(shù)修復(fù)腭部裂隙重建腭咽結(jié)構(gòu)，恢復(fù)腭咽功能，使患者獲得正常的腭咽閉合，進(jìn)而消除高鼻音，獲得正常共鳴?；颊咝g(shù)后是否獲得正常的腭咽閉合功能是評價(jià)手術(shù)效果的核心指標(biāo)。目前臨床上通過對高鼻音的評估來診斷腭咽閉合功能。高鼻音可分為不同的等級，并以此反映腭咽閉合不全的程度[4]。因此高鼻音的等級是患者術(shù)后腭咽閉合功能評估的核心指標(biāo)，從而評價(jià)手術(shù)效果，并根據(jù)腭咽功能的結(jié)果，決定患者后期的治療方向是選擇二期手術(shù)還是進(jìn)行語音治療，以幫助患者達(dá)到正常的語音功能。

目前臨床上對高鼻音的診斷與評估主要依靠臨床專業(yè)語音師的主觀聽覺感知，其結(jié)果受到語音師自身水平、主觀狀態(tài)等因素的影響較大[5]，目前語音師的判聽依然被公認(rèn)為是診斷腭咽閉合程度的金標(biāo)準(zhǔn)，因此各語音師之間只有保持了水平一致性，才能保證語音治療與臨床治療的標(biāo)準(zhǔn)統(tǒng)一性，治療結(jié)果才具有可比性[6]。但是目前國內(nèi)整個(gè)言語治療專業(yè)和人員的培養(yǎng)都處于起始階段，尚無成熟的培訓(xùn)教學(xué)體系，語音師大多缺乏專業(yè)性和系統(tǒng)性的培訓(xùn)。特別是對于?？普Z音師，臨床缺乏合適并足夠的語音樣本幫助語音師感受與學(xué)習(xí)腭裂語音的特點(diǎn)，導(dǎo)致語音師對腭裂語音特征缺乏直觀了解，辨聽能力低，在腭裂語音的評估過程中診斷結(jié)果不一致，并最終影響腭裂患者的治療效果。此外，隨著國家對唇腭裂等先天疾病的關(guān)注，越來越多的腭裂語音研究從簡單的治療方法和特征探討逐漸深入到語音的微觀分析，這些都需要高質(zhì)量的數(shù)據(jù)庫支持。

目前已知的腭裂語音數(shù)據(jù)庫是美國的American Cleft Palate-Craniofacial Association（ACPA）協(xié)會公共開放數(shù)據(jù)庫，但是該數(shù)據(jù)庫僅提供少量的腭裂語音的短句，同時(shí)這些語音樣本制作與剪輯較為粗糙，形式較為簡單，研究者與學(xué)習(xí)者僅能夠從表面體會與感受腭裂語音的聽感，并不能夠完全學(xué)習(xí)掌握腭裂語音的診斷與判定要點(diǎn)和精髓以及腭裂高鼻音的形態(tài)表現(xiàn)[7-9]。同時(shí)由于英語與漢語在語言結(jié)構(gòu)與組成上的巨大區(qū)別[10]，該數(shù)據(jù)庫無法應(yīng)用于漢語普通話腭裂語音研究，參考與應(yīng)用價(jià)值十分有限。目前尚無面向科研與教學(xué)工作開放的同類漢語普通話腭裂語音數(shù)據(jù)庫供專業(yè)人員使用，且現(xiàn)有的一些研究所使用的語音樣本沒有統(tǒng)一的采樣標(biāo)準(zhǔn)，樣本結(jié)構(gòu)混亂，這也使目前相關(guān)的科研成果的產(chǎn)出并不順利。因此，為了發(fā)展語音師的教學(xué)培訓(xùn)及病理語音相關(guān)的科學(xué)研究，建立漢語腭裂患者語音數(shù)據(jù)庫勢在必行。本課題組充分了解腭裂患者臨床治療過程中的需求，經(jīng)過多次與臨床相關(guān)專業(yè)醫(yī)生探討與核實(shí)，確定了本數(shù)據(jù)庫的目標(biāo)與用途，計(jì)劃以最為關(guān)鍵的高鼻音指標(biāo)作為突破口，以高鼻音等級劃分作為歸類依據(jù)，使用相關(guān)音頻軟件作為輔助，以元音輔音的音節(jié)剪輯分割作為特點(diǎn)，成功建立了該數(shù)據(jù)庫。

1 材料和方法

1.1 硬件

選擇四川大學(xué)華西口腔醫(yī)院語音治療中心的專業(yè)錄音室作為錄音地點(diǎn)，錄音室裝配有專業(yè)的隔音與消音材料。收音設(shè)備采用了專業(yè)的錄音及采音設(shè)備，具體如下。1）語音采集儲存系統(tǒng)，包括處理器酷睿I7-7820/主板GA-X99-UD4/內(nèi)存32 GB GDDR5 PCI-E/硬盤500 GB固態(tài)硬盤/顯卡GTX1080 Tian顯存12 G/顯示器：處理器I7-7700，頻率4.2 GHz，4核8線程16 g運(yùn)行內(nèi)存/電源1 000 W/散熱器：Tt冰核水冷套裝/4副耳機(jī)：AKG Y50BT/3個(gè)移動硬盤：希捷Bar racuda 2 TB 72064MB SATA3/聲卡型號：rme ucx/收音麥克風(fēng)：LEWITT品牌LCT940型號1臺。2）移動語音采集分析系統(tǒng)，包括surface book一臺（i7/16 GB/512 G/獨(dú)顯）、Apollo品牌移動聲卡Twin Duo。這些硬件設(shè)備均參考了其他類似語音錄音室的硬件設(shè)備，并且經(jīng)過相關(guān)測試，能夠順利且合格地完成音頻的錄制，不會對樣本產(chǎn)生明顯的失真與效果損失，使志愿者的聲音樣本達(dá)到最大質(zhì)量的采集。

在樣本采集的過程中，使用超級捕快白金版軟件輸出樣本音頻。使用Adobe Audition CS6、格式工廠（Format Factory）4.3.0.0處理與剪輯音頻文件，最終輸出為WMV格式的音頻文件。本研究所選用的軟件可以最大限度地保證錄制語音質(zhì)量不受到損失，且輸出格式多樣。其中Adobe Audition軟件擁有強(qiáng)大的音頻編輯與格式轉(zhuǎn)換的功能，且可以看到具體的聲波形態(tài)，工作效率高，使用靈活方便。選擇導(dǎo)出參數(shù)為44 100 Hz 32位，轉(zhuǎn)換質(zhì)量高。

1.2 評估材料

根據(jù)長期臨床經(jīng)驗(yàn)，四川大學(xué)華西口腔醫(yī)院語音治療中心建立了“四川大學(xué)華西口腔醫(yī)院語音治療中心普通話構(gòu)音測量表”（表1、2）。該測量表充分考慮普通話構(gòu)音結(jié)構(gòu)和腭裂語音特性，包含了較為完整的腭裂語音單元，共包含了21個(gè)輔音與3個(gè)基本元音（/a/、 /i/、 /u/）外加另一個(gè)常用元音（如/o/、/ao/、/e/、/iu/等）組合而成的84（21×4）個(gè)常用詞組、32個(gè)音素（14個(gè)短句）和10個(gè)數(shù)字（0～9）。保證了測試內(nèi)容包括漢語普通話中基本的元音和輔音。此量表內(nèi)容的設(shè)置充分參考了中國臺灣長庚醫(yī)院顱顏中心的國語構(gòu)音測量表，結(jié)合漢語普通話使用習(xí)慣，進(jìn)行修訂而成，并且在此基礎(chǔ)上添加了14條句子加以補(bǔ)充擴(kuò)展，形成了完整的四川大學(xué)華西口腔醫(yī)院語音治療中心普通話構(gòu)音測量表的詞語表和句子表。

表 1 四川大學(xué)華西口腔醫(yī)院語音治療中心普通話構(gòu)音測量詞語表Tab 1 Mandarin speech measurement vocabulary of Speech Therapy Center of West China Hospital of Stomatology, Si- chuan University

表 2 四川大學(xué)華西口腔醫(yī)院語音治療中心普通話構(gòu)音 測量句子表Tab 2 Mandarin speech measurement sentences of Speech Therapy Center of West China Hospi -tal of Stomatology, Sichuan University

1.3 樣本收集

樣本采自2016年5月—2018年3月前來四川大學(xué)華西口腔醫(yī)院語音治療中心的就診者與志愿者共768例。樣本采集前征得被采集者同意，測試者被帶入四川大學(xué)華西口腔醫(yī)院語音治療中心錄音室，并使用該中心專業(yè)的錄音設(shè)備與采音軟件，被采集者在隔音良好的專業(yè)錄音室順序朗讀四川大學(xué)華西口腔醫(yī)院語音治療中心普通話構(gòu)音測量表中所有的詞語和句子，采樣頻率為44 100 Hz。同時(shí)收集患者年齡、性別及治療階段等信息。音頻樣本采集完成后，賦予其統(tǒng)一樣本ID號。

1.4 音頻數(shù)據(jù)處理與標(biāo)注

原始數(shù)據(jù)收集之后，由四川大學(xué)華西口腔醫(yī)院3位有8年以上工作經(jīng)驗(yàn)的專業(yè)語音師進(jìn)行語音辨聽標(biāo)注[11]，3人獨(dú)立聽取全部語音資料，并且進(jìn)行高鼻音的分級（正常、輕度、中度與重度4個(gè)級別）[12]，取2位及以上語音師一致的結(jié)果；對于3位語音師都不一致的樣本，挑選出其錄音后由3位語音師共同對其進(jìn)行重新判聽與定級，取最后一致的評判結(jié)果。直至所有的樣本全部進(jìn)行了嚴(yán)格的分度和評判，以達(dá)到結(jié)果的客觀與準(zhǔn)確。

隨后工作人員將由語言工作站采集到的原始WMV格式文件導(dǎo)入格式工廠軟件（Format Factory 4.3.0.0）中，轉(zhuǎn)換為WAV格式音頻保存。將保存的WAV格式音頻導(dǎo)入Adobe Audition CS6軟件中，檢查篩選左右聲道聲音大小基本相同的樣本，左右聲道聲音差異大的樣本選擇聯(lián)系患者進(jìn)行重新錄制或刪去此樣本。依據(jù)所聽到的詞語與聲波形態(tài)分別將全部語音樣本剪輯成單個(gè)子音頻文件并保存，導(dǎo)出參數(shù)為44 100 Hz 32位。剪輯過程中保證每個(gè)子音頻前后至少0.5 s無語音，即相對靜音狀態(tài)。各子音頻按其詞語拼音命名，如詞語“爸爸”命名為“baba”，“爬樓梯”命名為“palouti”，方便數(shù)據(jù)庫的詞語數(shù)據(jù)被MATLAB等軟件取用。剪輯詞語音頻的工作由7位熟練使用Adobe Audition CS6軟件的四川大學(xué)華西口腔醫(yī)學(xué)院本科生完成，在剪輯之前所有的工作人員均統(tǒng)一經(jīng)過訓(xùn)練與培訓(xùn)，并且統(tǒng)一采用上文所述的剪輯標(biāo)準(zhǔn)與流程，并由另2位檢查人員隨機(jī)檢查命名情況與音頻剪輯質(zhì)量。然后將標(biāo)注后的音頻與剪輯并完成命名的子音頻共同存入數(shù)據(jù)庫，錄入其標(biāo)注信息，包括年齡、性別、高鼻音程度、背景噪音大小、ID號、備注。

2 結(jié)果

數(shù)據(jù)庫納入被采集者共768人，其中兒童456人（男227，女229），成人312人（男178，女134）；正常共鳴369人，輕度高鼻音155人，中度高鼻音102人，重度高鼻音142人。包括64 512個(gè)詞語（768×84）、24 576個(gè)音素（768×32）、7 680個(gè)數(shù)字（768×10）。音頻命名分類完成，可以直接被MATLAB等軟件分類提取使用。每個(gè)患者語音樣本均被統(tǒng)一歸類放置在該患者ID的目錄之下，按照語音師評判的結(jié)果放入不同的等級（正常、輕、中、重高鼻音），分類清楚、結(jié)構(gòu)清晰。所有樣本已放入四川大學(xué)華西口腔醫(yī)院唇腭裂生物信息數(shù)據(jù)庫平臺。

3 討論

3.1 漢語普通話腭裂語音數(shù)據(jù)庫的意義

對腭裂高鼻音的辨別與分級是腭裂語音評估和腭咽功能診斷的核心內(nèi)容，有著重要的指導(dǎo)意義。但目前國內(nèi)對于語音師缺乏專業(yè)的系統(tǒng)教育培養(yǎng)，語音師的水平參差不齊，尤其語音評估這一依賴聽覺感知的特殊技能，評估的基礎(chǔ)是對病理性語音的充分認(rèn)識和感知，目前尚無相應(yīng)的教學(xué)語音樣本，對各種病理語音的描述都來自于國外文獻(xiàn)，抽象的理論描述無法落實(shí)到相應(yīng)的客觀語音樣本，無法滿足語音師的培養(yǎng)要求。如果建立包括多種病理語音表現(xiàn)的腭裂語音數(shù)據(jù)庫，勢必能大大提升語音師的臨床技能培養(yǎng)水平，并且在語音研究領(lǐng)域內(nèi)提供確切的數(shù)據(jù)樣本，支持科研發(fā)展。盡管ACPA提供了4份不同年齡的高鼻音英文短句，但是由于英語與漢語的音節(jié)本身的結(jié)構(gòu)差異，僅能提供一個(gè)高鼻音的粗略概念，無法落實(shí)到每一組輔音元音，無法對普通話音節(jié)評估提供幫助。只有部分研究涉及了漢語語言相關(guān)的理論[13-14]。由于聲母與韻母是漢語語音組成中最小的單元，因此聲/韻母分割成為漢語語音研究重要的處理步驟[10]。這也是本研究對于樣本預(yù)處理的根據(jù)所在。

3.2 本漢語普通話腭裂語音數(shù)據(jù)庫的特點(diǎn)與優(yōu)勢

1）本研究的所有樣本均來自四川大學(xué)華西口腔醫(yī)院唇腭裂外科的患者及志愿者，在配置有專業(yè)隔音設(shè)施與消音設(shè)備的錄音室中使用專業(yè)采音器材錄制完成，音頻樣本質(zhì)量較高，背景雜音少，語音質(zhì)量較高，能夠最大程度地展現(xiàn)腭裂語音的語音特征，保證本數(shù)據(jù)庫中數(shù)據(jù)的保真性，使其具有極高的價(jià)值。同時(shí)由于在錄音過程中對于錄音者的語音語調(diào)的控制盡量符合普通話的發(fā)音，本樣本對于漢語語言具有普遍性與實(shí)用性。2）本數(shù)據(jù)庫內(nèi)容豐富，語音樣本較好地反映了漢語普通話的構(gòu)成特征，并不是簡單的音頻文件的集合，包括詞組和句子以及聲母與韻母，將漢語拆分為最小的結(jié)構(gòu)單元來進(jìn)行后續(xù)的使用，其后續(xù)的應(yīng)用價(jià)值十分巨大；3）數(shù)據(jù)庫中收錄的語音均由富有經(jīng)驗(yàn)的語音師進(jìn)行判定，共分為了4級（正常、輕度、中度、重度）的腭裂高鼻音語音，分類清晰準(zhǔn)確，能夠展現(xiàn)各個(gè)級別腭裂語音的特征。對于樣本來源的信息和特征標(biāo)注十分明確，信息充足，使用者能夠充分結(jié)合本樣本來源的背景與條件進(jìn)行學(xué)習(xí)與研究，增加研究的可信度與學(xué)習(xí)的效率，實(shí)用性極強(qiáng)。4）本研究旨在建立完整的腭裂語音漢語普通話數(shù)據(jù)庫，其中對于高鼻音的收錄分類與標(biāo)注只是前期的一部分工作，隨著進(jìn)一步工作的開展，后期腭裂語音的其他特征語音也會逐漸收錄進(jìn)數(shù)據(jù)庫，包括塞音、擦音、鼻輔音等具有特征的腭裂異常語音，具有極強(qiáng)的擴(kuò)展性，便于今后的進(jìn)一步完善。

3.3 漢語普通話腭裂語音數(shù)據(jù)庫的臨床應(yīng)用

本研究所做的漢語普通話腭裂語音數(shù)據(jù)庫應(yīng)用范圍廣泛，實(shí)用性高，主要可以應(yīng)用于以下領(lǐng)域。

3.3.1 用于語音師的教學(xué)與培訓(xùn) 本數(shù)據(jù)庫能用于腭裂病理語音的相關(guān)人員的培訓(xùn)教育等[6]，有助于我國語音治療的進(jìn)一步發(fā)展。由于國內(nèi)尚無相應(yīng)的腭裂語音數(shù)據(jù)庫與資料，對于語音師的培訓(xùn)與教學(xué)也沒有建立一個(gè)完善的體系與流程，缺乏標(biāo)準(zhǔn)化培訓(xùn)模式，評估能力參差不齊。本數(shù)據(jù)庫樣本收錄廣泛，標(biāo)注與分級完整、準(zhǔn)確，能讓使用者準(zhǔn)確而真切地感知腭裂語音患者的高鼻音特征，提高自己對于腭裂病理語音的判定與分級能力，有助于建立我國完善的語音師教學(xué)培訓(xùn)體系。該數(shù)據(jù)庫已經(jīng)應(yīng)用于口腔言語病理學(xué)繼續(xù)教育培訓(xùn)課程，已對全國30多個(gè)省市的66家省市級醫(yī)院和醫(yī)科院校共76位語音師進(jìn)行過培訓(xùn)。

3.3.2 用于科研工作的數(shù)據(jù)來源 目前的大多數(shù)腭裂語音相關(guān)的科學(xué)研究使用的樣本存在來源不全，樣本質(zhì)量較差，分級與判定不準(zhǔn)確、剪切不完整等問題，使得相關(guān)的研究進(jìn)展緩慢。本研究中數(shù)據(jù)庫的樣本來源科學(xué)分級準(zhǔn)確、音質(zhì)較高，可用于各種科學(xué)研究。目前本數(shù)據(jù)庫中的樣本已被用于多項(xiàng)語音相關(guān)的電子信號識別的科學(xué)研究，如譚潔等[15]在本數(shù)據(jù)庫的基礎(chǔ)之上利用提取聲學(xué)特征參數(shù)結(jié)合K—最近鄰分類器，實(shí)現(xiàn)對腭裂聲門塞音的自動識別；陳盼弟等[16]使用基于隱馬爾科夫模型和線性預(yù)測倒譜系數(shù)的腭裂語音輔音省略自動識別算法，實(shí)現(xiàn)了對腭裂語音輔音省略的自動識別。而目前有不少研究[13,15,17-19]的開展使得漢語的言語信號轉(zhuǎn)換與腭裂語音的高鼻音識別技術(shù)日益成熟，這些研究中大部分?jǐn)?shù)據(jù)來源于本數(shù)據(jù)庫，這證明本數(shù)據(jù)庫在病理語音研究上的實(shí)用性與可靠性。

3.4 展望

后續(xù)研究除了高鼻音之外，腭裂語音的判別與評估還存在其他的指標(biāo)與特征，本課題組也正在繼續(xù)完善其他腭裂語音特征性錯誤，如聲母省略、鼻漏氣，并逐步納入其他指標(biāo)，如多種替代、代償性構(gòu)音等，最終形成包括各類異常表現(xiàn)的腭裂語音數(shù)據(jù)庫。

在唇腭裂治療領(lǐng)域中，序列治療已經(jīng)成為了大家的共識，而腭裂語音的準(zhǔn)確判斷與分級是這一過程的基礎(chǔ)，同時(shí)隨著語音識別計(jì)算機(jī)技術(shù)的不斷發(fā)展，相關(guān)的科學(xué)研究也必將如火如荼地開展，本研究所建立的腭裂語音數(shù)據(jù)庫為這些發(fā)展與進(jìn)步提供了基礎(chǔ)，不僅能夠用于對臨床語音師的規(guī)范化、標(biāo)準(zhǔn)化培訓(xùn)與診斷，還可以應(yīng)用于臨床研究當(dāng)中，必然在今后的腭裂語音治療發(fā)展中有著重要意義，發(fā)揮更大作用。

利益沖突聲明：作者聲明本文無利益沖突。