语音学
Parent: ai_keywords
语音学
核心定义
语音学（Phonetics）是研究人类言语声音的产生、传递及感知的学科。其核心范畴涵盖发音语音学（声道的调音生理）、声学语音学（声波的物理特性）与听觉语音学（听觉系统的解码机制）。在人工智能与临床神经科学的交叉语境下，语音学为计算语音建模与神经语音障碍诊断提供底层理论支撑——它量化言语信号的时空模式，揭示大脑运动控制与感觉反馈之间的动态耦合。
关键技术点
-
声道模型与调音特征
基于核磁共振或电磁关节描记术，建立唇、舌、下颌等构音器官的三维运动模型，提取发音姿势（articulatory gestures）及协同发音（coarticulation）参数，用于解释语音变异。 -
声学特征提取
包括共振峰频率（F1-F4）、基频微扰（jitter/shimmer）、梅尔倒谱系数（MFCC）及频谱斜率。这些特征映射声源-滤波器的物理过程，是语音识别与病理声学分析的量化基础。 -
感知与神经编码
揭示听觉皮层对语音特征（如音位边界、音调）的层级编码机制。利用脑电图/脑磁图可提取听觉稳态响应（ASSR）及失匹配负波（MMN），量化感知加工损伤。 -
计算语音学与深度学习
端到端模型（如Transformer、Wav2Vec 2.0）直接从波形学习语音表征，但需结合语音学先验（如音素时长、重音模式）提升跨任务泛化能力，尤其适用于噪声环境下的病理语音解码。
医学/神经科学应用场景：帕金森病言语障碍的精准评估
首都医科大学神经病学团队在帕金森病（PD）研究中，应用语音学方法对低动力性构音障碍进行定量分析。采集患者约3分钟的朗读语音，提取基频变异系数（反映声带僵直）、最大发声时长（反映呼吸动力不足）及共振峰过渡斜率（反映舌运动受限）。将上述特征输入支持向量机或轻量级神经网络，可区分PD早期（Hoehn-Yahr 1-2期）与健康对照组（准确率>90%），并监测左旋多巴治疗前后的声学变化。该技术已集成至便携式移动端应用，作为远程运动功能评估的客观指标，避免传统量表的主观偏倚。进一步结合脑深部电刺激术（DBS）后语音电生理数据（如喉肌肌电），可解析基底节-丘脑-皮层环路对精细发声节律的调控机制。
