夏洛：大爺，樓上322住的是馬冬梅家吧？
大爺：馬冬什么？
夏洛：馬冬梅。
大爺：什么冬梅？
夏洛：馬冬梅啊。
大爺：馬什么梅？
夏洛：行，大爺你先涼快著吧。
大爺：好嘞。

以上場景是描述語言清晰度的典型應用嗎？大爺能不能說夏洛的語言清晰度不高呢？大爺這種揣著明白裝糊涂的做法固然不能效仿，但是語言清晰度指數(shù)（AI）這事我們今天得說個明白。

什么是語言清晰度?

語言清晰度是音質評價的重要指標，用于評估室內或者聲音傳播系統(tǒng)的聲音傳輸質量。對于語言清晰度的客觀評價研究從上世紀二三十年代就開始，大約在四十年代形成了第一個客觀評價指標：清晰度指數(shù)（AI）。經過后續(xù)研究，又發(fā)展出語言清晰度（SII，SpeechIntelligibility Index）、語言傳遞指數(shù)（STI，Speech Transmission Index）等參數(shù)，更詳細地考慮到聲音環(huán)境、混響、回聲、語音頻譜等等影響，廣泛應用于建筑、電信、醫(yī)療等行業(yè)。
在NVH行業(yè)常說的語言清晰度指的就是Articulation Index這個最早出現(xiàn)的指標，主要應用于噪聲環(huán)境下說話的可懂程度，考察車內噪聲對于駕乘人員信息交流的影響。因為車內交流環(huán)境比較單一，對于語言清晰度的要求沒那么高，所以汽車行業(yè)大多直接使用AI這一指標。該指標可以直接現(xiàn)場測試數(shù)據(jù)分析得到，方便實用。而且，AI的計算主要是200-6300Hz倍頻程范圍的能量大小，正好對應了中頻的能量，結合尖銳度、響度指標，可以方便判斷噪聲在低頻段、中頻段、高頻段的不同分布，所以一直沿用至今。
常規(guī)的清晰度指數(shù)需要先測試或估計語音頻譜和聽音處噪音的有效掩蔽譜，然后進行計算。在汽車NVH行業(yè)，可直接使用一個標準的語音頻譜，僅測試車內噪音，就可以得到清晰度指數(shù)。因此，清晰度指數(shù)AI，指的是發(fā)生交談或者可能交談的環(huán)境中，背景噪聲的頻率成分和能量分布，是評估背景噪音的指標，不是針對于人發(fā)音而言的，所以夏洛說話是不能用AI來評估的，大伙記住了哦。當然，由于使用了標準的語音頻譜，其結果主要是針對普通人群的交談，換做是兒童，這個指標就不太適用了。
如何計算清晰度指數(shù)？
下面我們來看看清晰度指數(shù)是如何計算的。首先測試噪聲的頻譜分量(1/3倍頻程曲線)，然后根據(jù)其頻率成分對于理解語音內容的權重（主要考慮是不是人講話的頻率），求和即可以得到最終的清晰度指數(shù)。權重可以從表1里查到，清晰度指數(shù)在NVH行業(yè)是0~100%范圍內的值。如果噪聲頻譜位于語音區(qū)域的下部, 則交談只會稍有干擾，清晰度指數(shù)達到高值 (≈ 100%)；如果噪聲譜在語音區(qū)域的上部, 交流變得更加困難，清晰度指數(shù)達到低值(≈ 0%)。



表1 標準AI 計算

從表1中我們可以發(fā)現(xiàn)，每一個倍頻程的幅值范圍是30dB。如果測到的數(shù)據(jù)落在這個范圍以外，那么就取對應頻段的最大值或者最小值，所得到的結果即為標準清晰度指數(shù)。

另一種算法是將幅值范圍擴大到80dB，如表2所示。所得到的結果成為擴展清晰度指數(shù)（Extended AI或者Open AI）。如果測試數(shù)據(jù)落在表中黃色區(qū)域（標準AI區(qū)域），那所得到的結果和標準AI結果一致；如果測試數(shù)據(jù)超過了黃色區(qū)域，到了綠色或者橙色區(qū)域，則按照對應的值計算（包括負值）。最終擴展清晰度指數(shù)是在-108%~160%之間。



表2 擴展AI 計算
語言干擾及其算法

在NVH應用中，還有另外一個可能用到的語音指標，叫做語言干擾級（SIL）。這個指標實際上是語言清晰度的簡化，用更簡單的方法來表示背景噪音對于語音交談的影響。最常見的語言干擾級有以下三種算法：
PSIL：中心頻率為500 Hz、1 kHz和2 kHz之間三個倍頻帶聲壓級的算術平均值。
SIL3：中心頻率為1 kHz、2 kHz和4 kHz 之間三個倍頻帶聲壓級的算術平均值。
SIL4：中心頻率為500 Hz、1 kHz、2 kHz和4 kHz 之間四個倍頻帶聲壓級的算術平均值。
得到的語言干擾級曲線和清晰度指數(shù)曲線差不多是上下相反的形狀。如下圖所示：



PSIL結果和AI結果對比