Habla

Las tres páginas de esta sección reducen la inteligibilidad del habla a un número en [0, 1], y el arte está en saber qué número responde a tu pregunta. El índice de transmisión del habla (STI) valora un canal de transmisión: una sala, un sistema de megafonía, un interfono. El índice de inteligibilidad del habla (SII) valora una condición de escucha: este espectro de habla, en este ruido, oído por este oyente. Un aula reverberante es un problema de STI; el ajuste de un audífono o un aviso de cabina oído sobre el ruido de los motores es un problema de SII.

El rango [0, 1] compartido es una coincidencia de la normalización, no una escala común, y 0,6 significa tres cosas distintas en los tres. Un STI de 0,6 cae en la banda D de la escala de valoración del Anexo F de IEC 60268-16, cuyas once letras van de la U por debajo de 0,36 a la A+ a partir de 0,76; eso es una buena sala de conferencias, y una especificación de alarma por voz suele fijar su mínimo un par de bandas más abajo. Un SII de 0,6 significa que en torno al 60 % del espectro del habla ponderado por importancia es audible para ese oyente en ese ruido; el índice es una fracción por construcción y no lleva escala de valoración normalizada alguna. Un STOI de 0,6 no tiene significado absoluto: la correspondencia entre el índice y un porcentaje de palabras entendidas se ajusta para cada corpus de pruebas de escucha y está deliberadamente sin implementar, de modo que el STOI solo se lee como diferencia entre dos procesadores sobre el mismo material. Nunca sustituyas un índice por otro en una especificación y, cuando un requisito cite una cifra, comprueba a qué norma pertenece antes de calcular nada.

La diferencia física está en lo que modela cada índice. El STI (IEC 60268-16) trabaja sobre la envolvente del habla: la inteligibilidad se degrada cuando la reverberación y el ruido aplanan las modulaciones lentas de intensidad del habla, y el índice mide cuánta de esa modulación sobrevive al canal, mediante la función de transferencia de modulación. Puede calcularse indirectamente desde una respuesta al impulso medida o medirse directamente con la señal de ensayo STIPA. Índice de transmisión del habla (STI) cubre la física de la modulación, ambos métodos y las bandas de valoración del Anexo F.

El SII (ANSI S3.5-1997) trabaja sobre la audibilidad: la inteligibilidad se predice a partir de cuánta parte del espectro portador de habla supera el umbral efectivo del oyente, banda a banda, ponderada por la importancia de cada banda para el habla. El ruido, el autoenmascaramiento, la propagación ascendente del enmascaramiento y el umbral de audición del propio oyente entran explícitamente, y por eso el SII se extiende con naturalidad a la pérdida auditiva. Índice de inteligibilidad del habla cubre los cuatro procedimientos por bandas de la norma (bandas críticas, bandas críticas de contribución equitativa, tercio de octava y octava), incluidos los espectros normalizados de habla desde el esfuerzo vocal normal hasta el grito.

Un tercer par de medidas, STOI y ESTOI, responde a otra pregunta: dada una referencia limpia y una versión degradada o procesada de la misma habla, ¿cómo de inteligible es el resultado? Valoran el propio procesado, por lo que son la vara de medir habitual de la reducción de ruido y la separación de fuentes.

Los dos índices normalizados conectan de forma natural con el resto de la biblioteca: el STI consume las respuestas al impulso de Acústica de salas, y el SII consume los umbrales de audición cuantificados en Umbral de audición. El STOI y el ESTOI también tienen algo aguas arriba, pero de otra clase: toman formas de onda, así que lo que los alimenta es lo que haya producido la grabación limpia y la degradada, y por eso quedan al lado de las herramientas de procesado de señal de Señales y espectros y no al lado de una norma de medida.

Páginas de esta sección

• Índice de transmisión del habla (STI): la función de transferencia de modulación de IEC 60268-16, el método indirecto desde una respuesta al impulso y la medición directa STIPA.
• Índice de inteligibilidad del habla: el método de importancia y audibilidad de banda de ANSI S3.5-1997, en ruido y con pérdida auditiva.
• Inteligibilidad objetiva (STOI y ESTOI): las medidas basadas en correlación para habla ruidosa con ponderación tiempo-frecuencia, a partir de un par limpio/degradado.

Qué no cubre esta sección

• Aquí no se examina a ningún oyente ni se predice una puntuación. El STOI devuelve el índice basado en correlación y no el porcentaje de palabras entendidas, porque la correspondencia logística se ajusta para cada corpus de pruebas de escucha; el SII devuelve una fracción de audibilidad y no una puntuación; y ninguna página de aquí reproduce una prueba subjetiva de inteligibilidad. Tampoco se adquiere ninguna señal: la página del STI implementa la señal directa STIPA y el cálculo indirecto desde una respuesta al impulso, pero la medición directa completa con las 14 frecuencias de modulación del apartado 6.3 no está implementada, así que una cadena con distorsión severa necesita equipo de medida y no esta biblioteca.

• Dentro del SII hay dos límites de cobertura que conviene comprobar antes de usarlo: los espectros de habla de esfuerzo vocal elevado, fuerte y de grito solo se incluyen para el procedimiento por tercios de octava, y las funciones de importancia de banda tabuladas son el compromiso de habla promedio de cada tabla, con las alternativas por material del Anexo B en tus manos a través del argumento band_importance=. No se ofrece remuestreo entre los cuatro procedimientos por bandas: cada uno se alimenta con espectros en sus propias bandas. Y la opción de habla femenina no falta en el STI: la Edición 5 de IEC 60268-16 la eliminó, así que no queda nada por implementar.