作者：苗雨 單位：江蘇師范大學

一、歌唱聲音質量客觀評價研究歷史追溯

歌唱聲音質量客觀評價的研究是以聲樂藝術科學化研究為前提的，這種科學化的研究始于歐洲，它的研究歷史最早可以追溯到18世紀。

(一)輕緩起步階段

早在1703年，法國醫生杜達(Dydart)發表了《發聲原理的研究報告》(MemoiresSurlacausedelavoix)一書，提出了“旋渦”(Vortex)理論，從生理學的角度對歌唱發音的科學性進行了開創性的研究①。1854年，西班牙著名聲樂教育家和理論家瑪努埃爾•加爾西亞(M．P．R．Garcia，1805－1906)發明了喉鏡，促進了人們對嗓音生理學的研究，同時也開創了以人體發聲機理作指導的新的教學方法(機理教學法)，使人類聲樂發展史進入了一個嶄新時代。1863年德國海德堡大學教授亥姆霍茲(HermannVonHelmholtz，1821－1894)發表了近代世界聲學史上劃時代的巨著《作為音樂理論生理基礎的音的感覺》(又譯《聲音感覺論》)，將基礎生理學及解剖學的研究和數學與物理學分析結合起來，驅使吸引人們運用聲學的普遍原理去解釋歌唱發音的現象，在聲樂界產生了強烈反響。經過一個半世紀的發展，對聲樂演唱和教學領域的研究，終于從純粹的以人的主觀意識為主的經驗主義進入了以生理學和物理學原理為基礎的客觀科學主義研究的新高度。

(二)快速發展階段

自20世紀20年代蘇聯國立莫斯科大學物理學教授爾謝夫金(SergeyNikolayevitchRzhevkin)和卡贊斯基(VladimirSergeyevitchKazansky)發現歌手共振峰以來，西方學者對歌唱聲音質量進行實證性評價研究進入快速發展的階段。美國的巴索洛繆(WilmerT．Bartholomew)，威廉•范納德(WilliamVennard)，瑞典的桑德柏格(JohanEmilFredrikSundberg)等是這一研究領域的代表。我國自20世紀80年代開始，包紫薇(1981)、王士謙(1986)、韓寶強(1996)、吳靜(2007)、于善英(2010)等學者相繼在此研究領域取得了一系列的成果。他們的研究主要是運用頻譜分析等技術，為歌唱聲音的不同形態找到相對應的聲學評價參數，并探索在歌唱評價和聲樂教學中的應用價值。這一時期，王建群(2005)、劉加林(2006)等學者還從基頻、標準化噪聲能量、聲強等方面研究影響歌唱發聲質量評價的相關參數。以上相關研究為基于人工智能技術的歌唱發聲質量客觀評價研究奠定了基礎。

(三)縱深拓展階段

21世紀以來，計算機信息處理技術與神經生理學、非線性動力學、模糊數學等學科的快速發展，為基于人工智能技術的歌唱聲音質量評價研究提供了更為豐富的研究手段。我國有關基于人工智能技術的歌唱聲音質量評價研究始于2007年，迄今成果單薄，其中代表性的成果有:王修信等(2007)、羅蘭娥(2008)、李文娟等(2009)、袁劍(2010、2011)。這類研究或利用語音分析技術對藝術嗓音進行聲音樣本提取，并與標準化聲音或專業評委的主觀評價進行比較;或制定涉及多項評價標準的評價方案，然后利用計算機、人工智能、模糊數學等知識原理對不同聲音評價參數進行分析，最后在此基礎上建立歌唱發聲質量客觀評價機制。以下本文將以主流研究中的兩種體系———基于歌唱聲音評價參數提取的和基于主觀評價標準量化的客觀評價機制為研究對象，分別以研究思路和方法、研究內容、研究結果、存在問題等方面對其研究成果作出歸納梳理和評價。

二、基于人工智能技術的兩種評價體系

之所以確定為兩大體系，是因為前者的研究基礎是歌唱聲音，后者是建立在主觀評價標準量化指標的基礎之上的;之所以都確定為客觀評價體系，是因為二者均運用了人工智能技術。

(一)基于歌唱聲音評價參數提取的客觀評價研究

直接以歌唱聲音本身作為評價參數的客觀研究目前主要采用兩種方法———神經網絡研究方法和特征匹配研究方法。

1．利用神經網絡方法建立評價機制的研究

此種研究方法以廣西師范大學計算機科學與信息工程學院的王修信、物理與電子工程學院的羅蘭娥為代表。(1)研究思路與內容王修信等先后發表了《幾種聲學參數在藝術嗓音客觀評價中的應用》(2007)、《藝術嗓音歌聲客觀評價初探》(2007)兩篇文章，提取歌聲平均能量(表征相同環境下歌聲信號的相對大小)、平均頻率誤差(判別測試者的歌聲頻率與標準頻率中心是否對準)、平均音域誤差(表征測試者音域與曲譜音域的偏離程度)作為客觀評價的3個聲學參數。在MATLAB計算機培養編寫程序②環境下，使用BP(backpropaga-tion)神經網絡方法③客觀評價藝術嗓音歌聲質量。后篇文章較前篇文章有所深化，將聲源分析樣本從36人增加到48人，明確了性別比例(其中女31名，男18名);在分析方法上增加了多元線性回歸方法。研究認為，使用BP神經網絡方法和多元線性回歸方法基本都能正確客觀評價歌聲質量，且與資深專業教師的主觀評價一致。BP神經網絡方法誤差在4%之內，線性回歸方法誤差在6%之內，BP神經網絡方法(模型)客觀評價效果較優。羅蘭娥與王修信為師承關系，其研究以王修信的研究為基礎。因此，羅蘭娥在研究方法和觀點上與王修信有不少相似之處，包括如錄音環境、錄音設備(軟件、硬件)、聲音樣本提取標準、存儲格式、MATLAB分析程序的選擇等方面。相對于王修信等的研究，該文的創新之處在于:①明確了歌唱聲音信號采集的類型，使該研究與歌唱實踐更加契合;②聲音評價提取的參數由原有研究的3項增加到8項，對被評價聲音的反映更加全面;③評價網絡建立所依據的類型增加了評價精度更高的小波神經網絡。研究認為，神經網絡方法能正確客觀地評價歌聲質量，評價分數最高的歌唱者聲學參數呈規律變化;小波神經網絡方法較BP神經網絡方法評價精度更高;聲學參數對評價結果影響度排序依次為第三共振峰、第一共振峰、音域、基頻、平均能量、第三共振峰微擾、第一共振峰微擾、基頻微擾等。(2)評價及存在問題王修信等的研究在歌唱聲音采樣時對于錄音環境、錄音設備(軟件、硬件)、聲音樣本提取標準、存儲格式、被錄制對象的年齡、人數、唱法等方面都有明確的界定，在規范性和嚴謹性方面達到了較高的要求。該研究對被錄制對象的性別和聲部在(2007)中不明確，在(2007)中區分了男女性別，對歌唱者的聲部依然未見說明。遺憾的是，兩項研究對歌聲信號采集類型(單音、練聲曲、歌曲片段)及演唱音域未作說明，在歌唱藝術實踐中，以上內容都是對歌唱發音評價產生影響的重要因素。羅蘭娥(2008)中涉及到一些與音樂相關的概念值得商榷。分析結果中有:“1號歌唱者E、F、G三種調試的第一共振峰均接近450Hz，第三共振峰均接近2500Hz，音域3.5個八度左右，明顯寬于其他歌唱者”。這里存在兩個問題。首先，這句話中提及到兩個音樂概念———“調試”和“音域”。在音樂術語中沒有“調試”這個概念，結合多次提到“調試”的上下文可以推斷，作者指的應該是“調式”。但“調”和“調式”的概念在樂理中的含義是不同的。一般來說，孤立的一個音或毫無邏輯關系的若干個音無法構成音樂語言，只有把若干個音按照一定的關系組織起來才能塑造音樂形象，表達思想感情。主音與它構成一定的關系(主要是傾向性關系，音程關系與和弦關系)的若干個音所結合成的音的體系叫做“調式”。“調”主要是指主音的音高，亦即整個調式的音高。④作者在文中實際要表達的意思應是用E、F、G三種不同的調來演唱歌曲。其次，此句提到歌唱者的“音域3.5個八度左右”。這個3.5個八度如何解釋?以男高音聲部為例，理論上說，男高音音域的應用范圍一般在C1－C3的兩個八度之間。歌唱實踐中，因為嗓音條件和高音技術原因，能達到這個音域范圍的男高音也并不多見。羅蘭娥(2008)的研究中，歌唱聲音樣本錄制對象為音樂學院聲樂專業19名21歲－25歲的本科大學生，就國內的聲樂教學現狀分析，這些學生的演唱音域如果能達到兩個八度已經進入優秀的行列了，而結果顯示1號歌唱者的音域達到3.5個八度左右是不可能存在的。