简介：这份 praat 中文学习手册面向语音学研究者、语言学与心理学专业学生及对语音科学感兴趣的初学者，帮助读者系统掌握 praat 在语音信号分析、处理与展示方面的操作。手册围绕软件基本界面、语音文件导入导出、波形与频谱分析、声调韵律研究、元音辅音测量、语音合成、脚本编程及教学演示等模块展开，通过实例与步骤降低上手门槛。资源包共 214 个文件，全部为 html 网页文档，压缩后约 281KB，内容涵盖对象类型、脚本编辑器、公式函数、TextGrid 编辑器等主题页面，便于按目录逐项查阅与离线浏览。目前已有 920 人学习下载，适合希望从零建立 praat 操作框架、并在实际语音研究中反复查阅的读者。
1. 从一次标注翻车说起：这份手册到底能帮你省下多少时间
去年帮一个做方言调查的团队处理录音，对方发来 40 条 wav，要求标注声调、提取基频、再导出 TextGrid。我心想 Praat 脚本跑一遍的事，结果卡在第一步——他们用的 Praat 版本是 6.0 的老界面，菜单路径和我记忆里的 6.4 完全对不上，光找“To Pitch”就翻了十分钟。更麻烦的是，团队里没人系统学过 Praat，全靠零散搜到的英文帖子拼凑操作，一个“基频上限设多少”的问题，三个人给出三个答案。
这就是我拿到这份《Praat 中文学习手册》时的真实心态：不是缺资料，是缺一份能把界面、参数、脚本、坑点串起来的中文材料。Praat 本身是阿姆斯特丹大学开发的语音分析软件，功能极强，但它的官方文档是英文的，而且偏重算法说明，对“我该点哪个按钮”“这个参数填多少”这类操作问题着墨不多。这份手册的价值就在于，它把 Praat 从安装到脚本批处理的全流程用中文重新组织了一遍，覆盖了录音标注、基频提取、共振峰分析、脚本自动化这几个最常用的场景。如果你正在做语音学实验、方言调查、声学分析，或者只是需要批量处理一批录音，这份手册能让你少走很多我当年走过的弯路。
2. 手册内容拆解：从界面汉化到脚本批处理的四个层次
2.1 界面与基础操作：先搞清楚 Praat 的“对象窗口”逻辑
Praat 最让人不适应的地方，是它没有传统意义上的“打开文件—编辑—保存”流程。它的核心是对象窗口（Objects）：你先把声音文件读进来，变成一个“Sound 对象”，然后对这个对象执行各种操作，操作结果又变成新的对象（比如 Pitch 对象、TextGrid 对象）。很多人第一次用 Praat 会懵，就是因为习惯了 Word 那种“所见即所得”的编辑模式。
手册里对这块讲得比较清楚，我按自己的理解重新梳理一下关键路径：
- 启动 Praat 后，你会看到两个窗口：Praat Objects（对象列表）和Praat Picture（绘图窗口）。日常操作 90% 在 Objects 窗口完成。
- 读入声音：
Read from file...选择 wav 或 mp3。注意 Praat 对 mp3 的支持需要额外解码器，建议统一转成 wav 再处理。 - 查看波形和频谱：选中 Sound 对象，点
View & Edit，会打开编辑窗口。这里可以手动标注、看基频曲线、看频谱图。 - 标注完成后，从编辑窗口或对象窗口生成 TextGrid：
Annotate > To TextGrid...。
手册里配了界面截图，标注了每个菜单的中文含义。我建议新手先把“对象窗口”和“编辑窗口”的关系搞清楚，不然后面学脚本会非常痛苦——因为脚本里每一步都是在操作对象，而不是操作“文件”。
2.2 标注系统：TextGrid 的层级设计与边界对齐
TextGrid 是 Praat 的标注核心，但它的设计逻辑和很多人想的不一样。一个 TextGrid 可以包含多个Tier（层），每个 Tier 可以是IntervalTier（区间层）或PointTier（点层）。区间层用来标音素、音节、词这类有持续时间的单位；点层用来标声门塞音、爆破点这类瞬时事件。
手册里给了一个方言调查的典型配置：
| Tier 名称 | 类型 | 用途 | 边界对齐方式 |
|---|---|---|---|
| Phone | IntervalTier | 音素标注 | 与相邻音素边界严格对齐 |
| Syllable | IntervalTier | 音节标注 | 边界必须与 Phone 层边界重合 |
| Tone | PointTier | 声调起点 | 标在韵母起始位置 |
| Word | IntervalTier | 词汇标注 | 边界与 Syllable 层对齐 |
这里有个血泪经验：Tier 之间的边界必须严格对齐。比如 Syllable 层的边界如果和 Phone 层差了几毫秒，后续用脚本提取“每个音节的基频均值”时就会出错——脚本会按 Syllable 边界去切 Pitch 对象，边界不对齐就会切到相邻音节的段。手册里专门用一节讲“边界吸附”操作：在编辑窗口里拖动边界时按住 Shift 键，边界会自动吸附到最近的零交叉点或相邻 Tier 的边界上。
另一个容易翻车的地方是PointTier 的标注位置。点层标注的是“时间点”，不是“时间段”。如果你在点层上标了一个声调起点，但实际基频曲线在这一点还没开始，提取出来的值就是错的。手册建议：点层标注前先看一遍基频曲线，确认起点位置再标。
2.3 声学参数提取：基频、共振峰、强度的参数怎么设
这是手册里最“硬”的部分，也是最能体现中文手册价值的地方——英文文档里这些参数往往只给一个默认值，不解释为什么。手册里对每个参数都给了适用场景和调整建议。
基频（Pitch）提取：
# 对选中的 Sound 对象提取基频 To Pitch: 0.0, 75, 600 # 参数含义：时间步长 0.0（自动），基频下限 75 Hz，上限 600 Hz- 时间步长：设为 0 表示自动，Praat 会根据信号长度自动计算。手动设置时一般取 0.01 秒或 0.005 秒，步长越小曲线越平滑但计算越慢。
- 基频下限：男声建议 60–80 Hz，女声建议 100–150 Hz。设太低会把噪声当成基频，设太高会漏掉低音。
- 基频上限：成年男声一般不超过 300 Hz，女声不超过 500 Hz。儿童语音可以设到 600 Hz。
手册里特别提醒：基频提取前一定要先做“去趋势”或“预加重”，否则低频噪声会干扰基频检测。Praat 的To Pitch内部已经做了滤波，但如果录音质量差，建议先手动切除静音段。
共振峰（Formant）提取：
# 提取共振峰 To Formant (burg): 0.0, 5, 5500, 0.025, 50 # 参数：时间步长 0.0，最大共振峰数 5，上限频率 5500 Hz，窗长 0.025 秒，预加重 50 Hz- 最大共振峰数：成年男性一般 4–5 个，女性和儿童可能需要 5–6 个。
- 上限频率：男性 5000 Hz，女性 5500 Hz，儿童 8000 Hz。设低了会丢掉高共振峰，设高了会引入高频噪声。
- 窗长：0.025 秒是默认值，适合大多数语音。如果分析的是快速辅音，可以缩短到 0.005 秒。
手册里给了一个对照表，我把它简化成下面这样，方便快速查：
| 参数 | 男声 | 女声 | 儿童 |
|---|---|---|---|
| Pitch 下限 | 60–80 Hz | 100–150 Hz | 150–200 Hz |
| Pitch 上限 | 300 Hz | 500 Hz | 600 Hz |
| Formant 上限 | 5000 Hz | 5500 Hz | 8000 Hz |
| 最大共振峰数 | 5 | 5 | 6 |
2.4 脚本自动化：批量处理 100 个文件的正确姿势
手动操作只能应付几个文件，真正干活必须靠脚本。Praat 的脚本语言叫Praat Script，语法类似 Python 但更简单，专门为语音处理设计。手册里给了一个批量提取基频并导出 CSV 的完整脚本，我把它拆解一下关键部分：
# 批量提取基频并导出 form 批量处理 sentence 输入目录 ./ sentence 输出文件 result.csv endform # 创建输出文件并写入表头 writeFileLine: outputFile$, "文件名,时长,基频均值,基频标准差" # 遍历目录下所有 wav 文件 fileList = Create Strings as file list: "list", inputDir$ + "*.wav" n = Get number of strings for i from 1 to n selectObject: fileList fileName$ = Get string: i sound = Read from file: inputDir$ + fileName$ # 提取基频 selectObject: sound pitch = To Pitch: 0.0, 75, 600 # 获取统计值 selectObject: pitch meanPitch = Get mean: 0, 0, "Hertz" stdevPitch = Get standard deviation: 0, 0, "Hertz" # 获取时长 selectObject: sound duration = Get total duration # 写入结果 appendFileLine: outputFile$, fileName$, ",", duration, ",", meanPitch, ",", stdevPitch # 清理对象，避免内存溢出 removeObject: sound, pitch endfor # 清理文件列表对象 removeObject: fileList逻辑说明：
form ... endform定义了一个简单的输入界面，运行脚本时会弹出对话框让你填目录和输出文件名。Create Strings as file list生成一个文件列表对象，Get number of strings拿到文件数量。- 循环里每次读取一个 wav，提取基频，取均值和标准差，然后追加写入 CSV。
removeObject是关键：Praat 不会自动回收对象，循环 100 次不清理会爆内存。
参数说明：
To Pitch: 0.0, 75, 600里的 75 和 600 要根据录音对象调整，不能照抄。Get mean: 0, 0, "Hertz"里的两个 0 表示时间范围从 0 到 0，即整个文件。如果要只分析某个时间段，改成具体秒数。appendFileLine每次追加一行，适合大批量处理。如果文件不多，也可以用writeFileLine一次性写入。
手册里还提醒：脚本文件保存为 .praat 后缀，在 Praat 里通过Run > Run script...执行。如果脚本报错，先检查文件路径里有没有中文或空格——Praat 对中文路径的支持不稳定，建议全用英文路径。
3. 避坑与排查：五个让我熬夜的 Praat 常见问题
3.1 基频曲线断断续续，像被狗啃过
现象：提取出来的基频曲线中间缺了好几段，或者跳变到几百 Hz 的异常值。
原因：最常见的是基频上下限设错了。比如分析女声时下限还留着默认的 75 Hz，结果把清音段的噪声当成了基频；或者上限设了 500 Hz，但录音里有 600 Hz 的共振峰干扰。另一个原因是录音本身有削波或低频噪声。
解决：先看波形，确认没有削波。然后调整基频范围：女声下限提到 100–150 Hz，上限提到 500–600 Hz。如果还有断点，在编辑窗口里手动检查断点位置的波形，必要时先做Filter (stop Hann band)去掉低频噪声。
3.2 TextGrid 和音频对不上，标注整体偏移
现象：标注的时候明明对齐了，导出后再打开发现标注整体前移或后移了几十毫秒。
原因：Praat 的时间基准是音频文件的采样点，如果音频文件被外部工具重新编码过（比如用某音频软件降噪后导出），采样点可能发生了变化，但 TextGrid 里的时间戳还是旧的。
解决：标注前先把音频转成标准 wav（16 bit PCM，采样率统一），标注后不要再对音频做任何处理。如果必须处理，处理完重新标注。手册里建议：原始录音、处理后的音频、TextGrid 三者分开存放，用文件名关联，不要覆盖。
3.3 脚本跑一半报错“Object not found”
现象：批量脚本跑到第 30 个文件时突然报错，提示找不到对象。
原因：Praat 脚本里selectObject是按对象 ID 选的，如果循环里创建了对象但没清理，对象 ID 会越来越乱，最终选错对象。另一个常见原因是文件列表里混入了非 wav 文件（比如 .DS_Store 或 .txt），读取时失败。
解决：每次循环结束前用removeObject清理创建的对象。文件列表生成后先检查一遍，过滤掉非 wav 文件。手册里给了一个过滤写法：
if right$(fileName$, 4) = ".wav" # 处理逻辑 endif3.4 共振峰提取结果全是 NaN
现象：提取出来的共振峰数据全是 NaN 或 0。
原因：上限频率设得太低，把共振峰截掉了；或者窗长设得太短，频谱分辨率不够。另一个可能是音频本身是静音段。
解决：把上限频率调到 5500 Hz 以上，窗长保持 0.025 秒。如果还是 NaN，检查音频段是否有实际语音。手册里建议：共振峰分析前先做一遍基频提取，确认有语音段再分析。
3.5 中文路径导致脚本无法读取文件
现象：脚本在英文路径下正常，换成中文路径就报错“File not found”。
原因：Praat 的底层文件系统接口对非 ASCII 路径支持不完善，尤其是 Windows 系统下。
解决：所有工作目录用英文命名，文件名也用英文或拼音。如果必须用中文，先在 Praat 外部把文件重命名，处理完再改回来。手册里把这个坑放在第一章就讲了，但很多人不看，直到翻车才回来找。
4. 进阶技巧：用 Praat 做声调自动分类的验证方法
手册最后一章讲了一个比较实用的进阶场景：用基频曲线做声调自动分类。这个在方言调查和汉语教学里很常用，但很多人卡在“提取了基频之后怎么用”这一步。手册给了一个基于基频均值和斜率的简单分类方法，我把它整理成可复现的步骤。
4.1 声调特征提取：均值和斜率就够了
汉语普通话四个声调的核心区别在基频曲线的走向：阴平高平、阳平上升、上声低降升、去声高降。用两个特征就能大致区分：基频均值和基频斜率（用线性回归拟合基频曲线）。
# 提取基频均值和斜率 selectObject: pitch meanPitch = Get mean: 0, 0, "Hertz" # 获取基频点序列 nPoints = Get number of frames sumX = 0 sumY = 0 sumXY = 0 sumX2 = 0 for j from 1 to nPoints time = Get time from frame: j freq = Get value at time: time, "Hertz", "linear" if freq <> undefined sumX = sumX + time sumY = sumY + freq sumXY = sumXY + time * freq sumX2 = sumX2 + time * time endif endfor slope = (nPoints * sumXY - sumX * sumY) / (nPoints * sumX2 - sumX * sumX)逻辑说明：
Get number of frames拿到基频帧数。- 循环里逐帧读取时间和频率，累加求和。
- 最后用最小二乘法算斜率。斜率正值为上升调，负值为下降调，接近零为平调。
参数说明：
Get value at time里的"linear"表示线性插值，如果基频曲线有断点，插值会跳过未定义段。- 斜率计算前要确保
nPoints足够大（至少 10 帧），否则斜率不稳定。
4.2 分类阈值怎么定：用已知样本反推
有了均值和斜率，下一步是定阈值。手册建议：不要拍脑袋定，用一批已知声调的样本反推。比如你手头有 20 个已标注的阴平样本，算出它们的均值和斜率分布，取均值加减两倍标准差作为阈值范围。
| 声调 | 基频均值范围（女声） | 斜率范围 |
|---|---|---|
| 阴平 | 220–280 Hz | -0.5–0.5 |
| 阳平 | 180–240 Hz | 1.0–3.0 |
| 上声 | 150–220 Hz | -2.0–0.5 |
| 去声 | 200–280 Hz | -3.0–-1.0 |
这个表只是示例，实际阈值要根据录音人和录音设备调整。手册里强调：声调分类没有万能阈值，必须用你自己的数据校准。
4.3 验证方法：混淆矩阵和人工抽检
分类做完后怎么知道准不准？手册给了两个方法：
方法一：混淆矩阵。把分类结果和人工标注结果做交叉表，看每个声调的召回率和精确率。如果某个声调召回率低于 80%，说明阈值需要调整。
方法二：人工抽检。从每个声调类别里随机抽 10 个样本，在 Praat 里打开波形和基频曲线，肉眼判断分类是否正确。这个方法虽然慢，但能发现混淆矩阵看不出来的问题——比如某个样本的基频曲线本身就有断点，导致斜率计算错误。
我自己的习惯是：每次做完自动分类，先跑一遍混淆矩阵，再抽检 5% 的样本。如果抽检发现错误率超过 10%，就回去检查基频提取参数，而不是急着调分类阈值。因为大部分分类错误，根源都在基频提取那一步。
从那以后我每次处理新录音，都强制走一遍“先看波形→再调基频参数→最后跑分类”的流程，不再直接套用上一次的参数。希望这份手册和上面的拆解，能帮你在 Praat 里少熬几个夜。
本文还有配套的精品资源，点击获取
