<!-- canonical: https://jmrplens.github.io/phonometry/es/perception/speech/speech-transmission/ -->
Source: https://jmrplens.github.io/phonometry/es/perception/speech/speech-transmission/

Un sistema de megafonía, un interfono, un aula reverberante: cada uno es un
*canal de transmisión* entre la boca de quien habla y el oído de quien escucha,
y cada uno degrada el habla a su manera. El **índice de transmisión del habla**
(STI) de IEC 60268-16 valora ese canal con un único número en $[0, 1]$ midiendo
cuánta de la *envolvente* del habla sobrevive al trayecto. Esta página cubre la
física de transferencia de modulación en la que se basa el índice, el método indirecto desde
una respuesta al impulso medida en la sala y la medición STIPA directa con su
señal de ensayo normalizada.

:::note
**STI frente a SII.** El STI caracteriza un *canal de transmisión* (cuánta de
la modulación del habla conserva una sala o un sistema de sonido), mientras
que el SII predice la inteligibilidad desde la *audibilidad*: cuánto del
espectro del habla supera el ruido y el umbral de audición en el oído de quien
escucha. Para esto último, consulta la
[guía del índice de inteligibilidad del habla](/phonometry/es/perception/speech/speech-intelligibility/).
:::

## ¿Cómo calculo el índice de transmisión del habla de IEC 60268-16 con Python?

A partir de una respuesta al impulso medida en la sala, llama a
`speech.sti_from_impulse_response(ir, fs, snr=25.0)`. El resultado da `sti` en
la escala de 0 a 1, su letra de valoración `rating` del Anexo F y los siete
índices de transferencia de modulación por banda de octava. Para la medición
directa, reproduce `speech.stipa_signal(fs)` en la sala y pasa la grabación a
`speech.stipa(recording, fs)`.

## 1. La función de transferencia de modulación

La reverberación y el ruido no amortiguan el habla de manera uniforme;
emborronan su *envolvente*: las modulaciones lentas de intensidad
(0,63–12,5 Hz) que transportan las sílabas. El STI cuantifica cuánta de esa
modulación sobrevive de la boca al oído, por banda de octava, como la
**función de transferencia de modulación (MTF)** $m(F)$. Un canal tipo delta
mantiene $m = 1$ (STI = 1); la reverberación filtra paso bajo la envolvente
siguiendo la forma cerrada de Schroeder, y el ruido estacionario la escala:

$$
m(F) = \frac{1}{\sqrt{1 + \left(2\pi F\ \frac{T_{60}}{13{,}8}\right)^2}}
\cdot \frac{1}{1 + 10^{-\mathrm{SNR}/10}}
$$

La *profundidad* de modulación es lo que merece la pena medir porque la
inteligibilidad viaja en la profundidad de los valles de la envolvente, no en
la sonoridad de los picos. Quien habla alterna ráfagas de energía (vocales)
con casi silencios (oclusiones, arranques de fricativas) al ritmo de las
sílabas, y quien escucha segmenta el habla oyendo esos valles. Una cola
reverberante rellena los valles por detrás, porque la energía tardía se
esparce en los huecos; el ruido estacionario eleva su suelo. En ambos casos la
profundidad de modulación recibida se encoge, y con ella el contraste entre
sonidos del habla, aunque el nivel medio apenas cambie. El método completo
sondea $m(F)$ en 14 frecuencias de modulación (de 0,63 Hz a 12,5 Hz en pasos de
tercio de octava) en cada una de las 7 bandas de octava de 125 Hz a 8 kHz,
convierte cada $m$ en una relación señal-ruido efectiva acotada a ±15 dB y
combina los resultados, ponderados por banda, en el índice: el STI es una SNR
efectiva de la *envolvente*, llevada a $[0, 1]$.

Eso es una afirmación sobre una forma de onda, así que merece la pena verla
sobre una. El clip de abajo envía una envolvente de 4 Hz con modulación plena
— una ráfaga y un hueco al ritmo de las sílabas por cada cuarto de segundo — a
través de la banda de octava de 1 kHz de una sala, y deja que primero el tiempo
de reverberación y después el ruido la desmonten. La traza recibida es la sonda
convolucionada con la misma $h_k^2(t)$ sobre la que corre la integral de
Schroeder de arriba, así que la profundidad $(\max - \min)/(\max + \min)$ que
puedes medir en la pantalla *es* la $m$ que devuelve la biblioteca. Las dos
mitades están dibujadas con la media recibida constante, que es justo de lo que
se trata: un sonómetro apuntado a cualquier fotograma de este clip lee el mismo
número, y el índice no.

Las dos degradaciones no se parecen en nada en esa curva, y por eso el índice
necesita la $m(F)$ entera y no un solo número:

*La reverberación y el ruido degradan la misma magnitud de dos maneras
distinguibles. Un decaimiento es un filtro paso bajo sobre la envolvente, y
alargarlo baja el codo (las líneas a trazos son la forma cerrada de arriba, que
los puntos medidos siguen de cerca). El ruido estacionario, en cambio,
multiplica toda la curva por $1/(1 + 10^{-\mathrm{SNR}/10})$, que es plano en
$F$: a 0 dB ese factor vale exactamente un medio. Una sola frecuencia de
modulación no puede distinguir una cosa de la otra, y por eso el método completo
sondea catorce y el STIPA sigue sondeando dos por banda (marcadas en el panel
izquierdo para esta banda).*

<details>
<summary>Mostrar el código de esta figura</summary>

```python

from phonometry import speech

fs = 48000
rng = np.random.default_rng(0)

# Las 14 frecuencias de modulación del STI completo (0,63 Hz a 12,5 Hz, tercio de octava).
MOD_FREQS = np.array([0.63, 0.80, 1.00, 1.25, 1.60, 2.00, 2.50,
                      3.15, 4.00, 5.00, 6.30, 8.00, 10.0, 12.5])

def decay(t60):
    n = np.arange(int(2.5 * t60 * fs))
    return rng.standard_normal(n.size) * np.exp(-6.9078 * n / fs / t60)

fig, (ax_t, ax_n) = plt.subplots(1, 2, figsize=(12.6, 5.2))
for t60 in (0.3, 0.9, 2.5):
    mtf = speech.sti_from_impulse_response(decay(t60), fs).mtf[3]   # 1 kHz
    ax_t.semilogx(MOD_FREQS, mtf, "o-", label=f"T60 = {t60} s")
    closed = 1 / np.sqrt(1 + (2 * np.pi * MOD_FREQS * t60 / 13.8) ** 2)
    ax_t.semilogx(MOD_FREQS, closed, "--")

ir = decay(0.9)
for snr in (20.0, 10.0, 0.0):
    mtf = speech.sti_from_impulse_response(ir, fs, snr=snr).mtf[3]
    ax_n.semilogx(MOD_FREQS, mtf, "o-", label=f"SNR = {snr:g} dB")
ax_t.legend(); ax_n.legend()
plt.show()
```

</details>

*Los marcadores son ejecuciones completas de `sti_from_impulse_response` sobre
decaimientos sintetizados; la línea a trazos es la predicción analítica de
Schroeder, así que su acuerdo es la comprobación de coherencia del propio método
indirecto. La escalera sombreada del margen derecho es la escala de valoración
del Anexo F, de U a A+, la letra de `rating` que devuelve el resultado, de modo
que la curva se lee directamente como la clase que puede alcanzar una sala con
ese tiempo de reverberación.*

<details>
<summary>Mostrar el código de esta figura</summary>

```python
# Las dos cosas que muestra la figura: los puntos medidos frente a la forma
# cerrada, y la escalera del Anexo F contra la que se leen.
t60_points = [0.3, 0.5, 0.8, 1.2, 2.0, 3.0, 5.0]
alpha = np.array([0.085, 0.127, 0.230, 0.233, 0.309, 0.224, 0.173])  # Ed.5 masculina
beta = np.array([0.085, 0.078, 0.065, 0.011, 0.047, 0.095])

def analytic_sti(t60):
    m = 1 / np.sqrt(1 + (2 * np.pi * MOD_FREQS * t60 / 13.8) ** 2)
    snr_eff = np.clip(10 * np.log10(m / (1 - m)), -15.0, 15.0)  # el recorte a ±15 dB
    mti = np.full(7, ((snr_eff + 15.0) / 30.0).mean())
    return float(alpha @ mti - beta @ np.sqrt(mti[:-1] * mti[1:]))

measured = [speech.sti_from_impulse_response(decay(t), fs).sti
            for t in t60_points]
print(np.round(measured, 3))     # [0.827 0.731 0.641 0.555 0.437 0.368 0.269]

fig, ax = plt.subplots(figsize=(10, 6))
edges = [0.36, 0.40, 0.44, 0.48, 0.52, 0.56, 0.60, 0.64, 0.68, 0.72, 0.76]
letters = ["U", "J", "I", "H", "G", "F", "E", "D", "C", "B", "A", "A+"]
for lo, hi, letter in zip([0.15, *edges], [*edges, 0.95], letters):
    ax.axhspan(lo, hi, color=plt.get_cmap("RdYlGn")(letters.index(letter) / 11),
               alpha=0.18, lw=0, zorder=0)
    ax.text(1.005, (lo + hi) / 2, letter, transform=ax.get_yaxis_transform(),
            va="center", fontsize=8)
dense = np.logspace(np.log10(0.25), np.log10(6.0), 200)
ax.semilogx(dense, [analytic_sti(t) for t in dense], "--")
ax.semilogx(t60_points, measured, "o")
ax.set_xlabel("Tiempo de reverberación T60 [s]")
ax.set_ylabel("STI")
ax.set_ylim(0.15, 0.95)
plt.show()
```

</details>

## 2. Medición indirecta y directa (STIPA)

### Preparar la medición

Las dos vías de abajo parten de una señal que recorrió un camino real, y el
apartado 7 concreta qué la produce. La página cubre dos mediciones físicamente
distintas, un hablante sin amplificar en una sala y un sistema de sonido
excitado eléctricamente, y el montaje se diferencia sobre todo en por dónde
entra la señal.

**La fuente.** Para un hablante sin amplificar se usa una boca artificial o
simulador de boca con directividad de cabeza y boca (la norma remite a la
ITU-T P.51), porque en un espacio de escucha la inteligibilidad depende de la
directividad de la fuente. A falta de ella puede usarse un altavoz de fuente
única, de alta calidad y con un diámetro de cono no mayor de 100 mm, y *debe*
describirse junto con los resultados. Hay que verificar que la respuesta en
frecuencia de la fuente en tercios de octava queda dentro de ±1 dB en el rango
que necesita la señal elegida, de 88 Hz a 11,3 kHz para una señal de STI
completo o de respuesta al impulso, o banda de octava a banda de octava de
125 Hz a 8 kHz para STIPA, medida en campo libre, y ecualizarla si no lo está.
Después se coloca en el eje del micrófono, en la posición y a la distancia
reales del hablante, apuntando en la dirección normal de habla (apartado 7.2 a
a c).

**El nivel.** El nivel de habla de operación se ajusta con el procedimiento del
Anexo J. Cuando ese ajuste no está disponible, el recurso de la norma es un
nivel equivalente de **60 dB(A) a 1 m por delante** de la boca artificial o del
altavoz de ensayo. Esto no es un detalle que pueda adivinarse a partir de la
sala: un micrófono de proximidad capta un nivel de habla de unos 86 dB(A) a
94 dB(A) a entre 5 cm y 2 cm, y uno de cuello de cisne de unos 80 dB(A) a
86 dB(A) a entre 10 cm y 5 cm (apartado 7.2 d). Para un sistema de sonido la
señal se inyecta eléctricamente, lo más cerca posible de la entrada normal para
que queden incluidos todos los ecualizadores, retardos y procesadores de la
cadena, y se ajusta al nivel del habla en ese punto con el mismo método del
Anexo J (apartado 7.4).

**El receptor.** El dispositivo de medida, micrófono, oído artificial o
simulador de cabeza, debe estar calibrado acústicamente en sensibilidad *y* en
respuesta en frecuencia, y la medición se hace en la posición normal del oyente
y a la altura de escucha (unos 1,2 m sentado y 1,6 m de pie). Un micrófono único
debe ser omnidireccional y de tipo campo difuso; un micrófono direccional da
resultados que no se correlacionan con el modelo del STI y no se recomienda
(apartados 4.1 y 7.3). Para auriculares se usa un micrófono intraaural o un oído
artificial. El ruido ambiente se mide en el mismo punto con la fuente apagada,
para poder introducirlo con `ambient=` o como `snr=`.

**Antes de culpar a la sala**, verifica la integridad de la señal de ensayo con
una medida de retorno: eso caza un archivo corrupto o sobrecomprimido, y
la norma desaconseja los formatos con compresión digital, señalando que se ha
comprobado que funcionan los esquemas de al menos 128 kbit/s (apartado 7.2 a).

```python

from phonometry import speech

fs = 48000
# Una respuesta al impulso medida en la sala (decaimiento sintetizado para que el ejemplo funcione)
ir = np.random.default_rng(0).standard_normal(fs) * np.exp(-6.9 * np.arange(fs) / fs / 0.5)

# Método indirecto: desde una respuesta al impulso medida en la sala
res = speech.sti_from_impulse_response(ir, fs, snr=25.0)
print(f"STI = {res.sti:.2f}  ({res.rating})")   # 0.73 (A)

# Medición STIPA directa: reproduce speech.stipa_signal() en la sala y grábala
test = speech.stipa_signal(fs, seconds=18.0, level_db=80.0)
recording = test                       # en la práctica, la señal del micrófono tras la reproducción
res = speech.stipa(recording, fs)
res.plot()   # barras del índice de transferencia de modulación (MTI) por banda; STI y valoración en el título
```

**De dónde sale `snr=`.** Es la segunda entrada del método indirecto y lleva
toda la degradación por ruido, así que su procedencia importa tanto como la de
la respuesta al impulso. Para cada banda de octava es el nivel de banda de la
señal de habla en la posición del oyente menos el nivel de banda del ruido
ambiente medido en esa misma posición con la fuente apagada, y por eso el
argumento admite un vector de 7: el ruido ambiente real rara vez es plano, y un
ruido de climatización concentrado en 125 Hz y 250 Hz cuesta a las bandas graves
mucho más de lo que sugiere una única cifra de banda ancha. Con `snr=None` el
cálculo supone un canal sin ruido, así que el resultado es el límite propio de la
sala y una *cota superior* de lo que experimentará cualquier oyente; citarlo como
un STI medido es exactamente lo que hace que una sala parezca aceptable sobre el
papel. Mide una vez el espectro ambiente, mide o estima el espectro del habla en
la posición y pasa la diferencia banda a banda; o, cuando importan los niveles
absolutos porque entran en juego el enmascaramiento auditivo y el umbral de
recepción, pasa `level=` y `ambient=` en su lugar para que se apliquen las etapas
dependientes del nivel de la norma en vez de un cociente puro.

Venga de donde venga, conviene leer el resultado banda a banda antes de citar
el número único: el STI es una combinación ponderada de siete índices de
transferencia de modulación por banda de octava, y una sala suele fallar en una
parte concreta del espectro, no de forma uniforme.

<details>
<summary>Mostrar el código de esta figura</summary>

```python

from phonometry import speech

# Una sala reverberante (T60 = 0,9 s) medida con una relación señal-ruido de
# habla de 15 dB: una caída exponencial sintetizada hace de respuesta al
# impulso medida.
fs = 48000
rng = np.random.default_rng(0)
n = np.arange(fs)
ir = rng.standard_normal(fs) * np.exp(-6.9078 * n / fs / 0.9)
res = speech.sti_from_impulse_response(ir, fs, snr=15.0)
print(round(res.sti, 3), res.rating)      # 0.583 E

# En una línea: las barras de MTI por banda con el STI y su valoración.
res.plot(language="es")
plt.show()

# A mano, reproduciendo lo que dibuja STIResult.plot():
bandas = [125, 250, 500, 1000, 2000, 4000, 8000]
fig, ax = plt.subplots()
ax.bar(np.arange(len(bandas)), res.mti)
ax.set_xticks(np.arange(len(bandas)))
ax.set_xticklabels([f"{b}" for b in bandas])
ax.set_xlabel("Frecuencia [Hz]")
ax.set_ylabel("Índice de transferencia de modulación MTI")
ax.set_ylim(0.0, 1.0)
ax.set_title(f"STI = {res.sti:.2f} (valoración {res.rating})")
plt.show()
```

</details>

En esta sala los siete índices quedan dentro de 0,06 entre sí, la firma de una
caída uniforme en todo el espectro más un suelo de ruido de banda ancha. Un
perfil que se hunde en 125 Hz y 250 Hz apunta a reverberación en graves
(poca absorción a baja frecuencia), mientras que uno que cae solo en 4 kHz y
8 kHz suele significar que el altavoz no cubre con sonido directo la posición
del oyente, porque el aire y la directividad se llevan primero las bandas
agudas. Son remedios distintos, y solo la vista por bandas los distingue.

La medición directa envía la señal STIPA por toda la cadena dibujada abajo,
desde la fuente a través de la sala hasta el micrófono y hasta el análisis de
modulación por banda que produce el índice.

`stipa` emite un `UserWarning` cuando la grabación es más corta que los 15 s
recomendados (práctica STIPA de IEC 60268-16, de 15 s a 25 s): por debajo de eso
las componentes de modulación lentas se promedian sobre muy pocos periodos y el
STI queda sesgado a la baja (un bucle de retorno ideal da STI ≈ 0,956 a 5 s
frente a ≈ 0,998 a 18 s).

La implementación sigue la **Edición 5 (2020)**: el PDF normativo de la
Edición 4 es la base y cada cambio de la Ed. 5 está atribuido a su fuente en el
código; el único delta numérico es el espectro de habla masculina revisado del
apartado A.6.1. CI comprueba los vectores de verificación de la propia norma:
los seis pares de bandas de los factores de ponderación a ±0,001 STI, la tabla
de correspondencia $m$ ↔ STI, los puntos de control del enmascaramiento
dependiente del nivel y decaimientos con la forma de Schroeder a cuatro valores
de $T_{60}$.

El analizador también se verifica de extremo a extremo con las señales del
**banco de verificación de IEC 60268-16 rev 5** de
[stipa.info](https://www.stipa.info) (Embedded Acoustics BV): la escalera de
profundidad de modulación del método directo (Anexo C.3.2), los decaimientos
exponenciales del método indirecto frente a la MTF de Schroeder en forma
cerrada (C.3.3), la prueba de pendiente del banco de filtros con un tono
adyacente sin modular a +41 dB (C.4.2, $m \ge 0{,}5$), los pares de bandas de los
factores de ponderación (A.2.2) y la prueba de distorsión de fase del banco de
filtros con portadoras en los bordes de media octava
(A.3.1.2, |sesgo de STI| < 0,01 en TI = 0,1–0,9). Las cinco series pasan
con las funciones dependientes del nivel desactivadas, como prescribe el banco.
Los 49 WAV certificados permanecen en local (datos de terceros, no
versionados); CI reconstruye las mismas señales de forma sintética en la serie
de conformidad.

### Leer el resultado: las bandas del Anexo F

Todos los ejemplos de esta página terminan en una letra, y la letra es la parte
que lee el cliente. El Anexo F divide la escala en bandas con bordes en 0,36,
0,40, 0,44… 0,76, y la Tabla G.1 del Anexo G da un ejemplo de para qué se usa
cada banda. `STIResult.rating` devuelve la letra; el valor nominal de STI de la
tabla de abajo es el centro de la banda:

| Valoración | Rango de STI | Nominal | Uso típico (Anexo G, Tabla G.1) |
| :--- | :--- | :--- | :--- |
| `A+` | ≥ 0,76 | — | Estudios de grabación; excelente pero rara vez alcanzable |
| `A` | 0,72–0,76 | 0,74 | Teatros, auditorios de palabra, parlamentos, juzgados, sistemas de ayuda a la audición |
| `B` | 0,68–0,72 | 0,70 | Teatros, auditorios de palabra, teleconferencia |
| `C` | 0,64–0,68 | 0,66 | Mensajes complejos con palabras desconocidas |
| `D` | 0,60–0,64 | 0,62 | Aulas magnas, aulas, salas de conciertos |
| `E` | 0,56–0,60 | 0,58 | Salas de conciertos, iglesias modernas; megafonía de alta calidad |
| `F` | 0,52–0,56 | 0,54 | Megafonía en centros comerciales y edificios públicos, sistemas de alarma por voz, catedrales |
| `G` | 0,48–0,52 | 0,50 | **Valor objetivo de los sistemas de alarma por voz** |
| `H` | 0,44–0,48 | 0,46 | Alarma por voz y megafonía en entornos acústicos difíciles; límite inferior normal para alarma por voz |
| `I` | 0,40–0,44 | 0,42 | Alarma por voz y megafonía en espacios muy difíciles |
| `J` | 0,36–0,40 | 0,38 | No apto para sistemas de megafonía |
| `U` | < 0,36 | — | No apto para sistemas de megafonía |

De ahí se siguen tres cosas. El conocido requisito «STI ≥ 0,5» del trabajo de
alarma por voz es la banda **G**, cuyo comentario en la Tabla G.1 es literalmente
«valor objetivo de los sistemas de alarma por voz»; la propia NOTA 1 de la
Tabla G.1 añade que sus valores son objetivos mínimos. La escala es
deliberadamente gruesa, una banda por cada 0,04 de STI, porque ese paso «se basa
en la incertidumbre típica de las mediciones directas de STI», así que una banda
de diferencia es lo mínimo por lo que merece la pena discutir y citar tres
decimales de STI es falsa precisión. Y 0,04 es *más fino* que la dispersión entre
repeticiones de ≈ 0,03 de una medición STIPA que se señala más abajo, así que una
letra puede moverse entre repeticiones sin que el STI haya cambiado en sustancia.
Los anexos F y G son informativos, y el objeto y campo de aplicación de la
Edición 5 dice sin rodeos que el documento no da criterios para certificar un
canal de transmisión, así que un requisito de proyecto se escribe como un STI
numérico y la letra se usa para declararlo.

### De las posiciones a una valoración del espacio

El STI es una propiedad de un único camino de fuente a oyente, así que verificar
una sala o una instalación de alarma por voz es un *conjunto* de mediciones, no
una sola. Coloca el micrófono a la altura de oído de la postura prevista (unos
1,2 m sentado y 1,6 m de pie), reparte las posiciones por la zona atendida
incluyendo los rincones acústicamente peores y no los cómodos, y mantén al menos
una posición en cada zona de cobertura de altavoz de un sistema distribuido: el
apartado 7.6.4 pide «un número representativo de emplazamientos».

La regla de reducción es la parte en la que es fácil equivocarse. El apartado
7.6.4 dice que tomar la media simple de los resultados **puede inducir a error**,
y que una cifra única mejor, que tiene en cuenta la variación espacial, es la
**media menos una desviación típica**, a veces llamada *valoración del espacio*,
y el valor que una posición dada tiene alrededor de un 84 % de probabilidad de
alcanzar si los resultados son gaussianos. Mejor todavía es representar la
distribución estadística completa. La consecuencia práctica para una ficha:
cuando se fija un `requirement`, hay que decir si el número enmarcado es una
posición, la peor posición o la media menos una desviación típica, porque son
tres veredictos distintos contra el mismo límite; y las bandas de 0,04 de ancho
del Anexo F son la resolución natural a la que resumir la dispersión.

### ¿Directo o indirecto? Cómo elegir

Cada vía tiene modos de fallo que la norma hace explícitos:

- **Canales no lineales o variantes en el tiempo.** El método indirecto supone
  un canal lineal e invariante en el tiempo: una respuesta al impulso no puede
  representar el recorte, los compresores, el control automático de ganancia
  ni un vocoder. Para un sistema de sonido con procesado no lineal en la
  cadena, usa el método directo: la señal STIPA al menos atraviesa la cadena
  real, y la señal del STI completo es la opción fiable cuando la distorsión es
  severa (IEC 60268-16, apartado 6.3 y Tabla 3).
- **Efectos dependientes del nivel.** El STI no es invariante con el nivel: el
  enmascaramiento auditivo y el umbral de recepción actúan sobre los niveles
  de banda *absolutos* en el oyente. Reproduce la señal de ensayo al nivel de
  operación del sistema (la práctica del Anexo J de la norma la fija 3 dB por
  encima del $L_\mathrm{Aeq}$ del habla continua en la posición) y pasa `level=` y
  `ambient=` para que el análisis los incluya; una respuesta al impulso medida
  a nivel alto y reescalada después pierde estos efectos por completo.
- **Ruido de fondo impulsivo y fluctuante.** Una herramienta que cae o un
  murmullo durante una medición directa corrompe las profundidades de
  modulación medidas (apartado 7.13). El remedio de la norma es la vía
  indirecta: promedia la respuesta al impulso con MLS o barridos para obtener
  una MTF sin ruido y añade después la degradación por ruido mediante `snr=` o
  `level=`/`ambient=`. Una comprobación rápida es ejecutar el analizador con
  la fuente apagada; el STI residual debería quedar por debajo de 0,20.
- **Dispersión estadística.** La señal STIPA es ruido pseudoaleatorio, así que
  mediciones directas repetidas se dispersan hasta alrededor de 0,03 STI
  incluso en condiciones estacionarias (y más en ruido fluctuante); repite y
  compara en lugar de fiarte de una sola pasada, y respeta la duración mínima
  que señala el `UserWarning` de arriba.

De esos cuatro, la dependencia del nivel es la que se descarta con más facilidad,
así que merece la pena ver de qué tamaño es:

*La misma sala, la misma respuesta al impulso, y un número que cambia en más de
un tercio de la escala. Por debajo de unos 55 dB el habla apenas se despega del
ruido propio de la sala y el umbral de recepción de la Tabla A.3 empieza a
morder; por encima de unos 80 dB el enmascaramiento auditivo de la Tabla A.2
deja que las bandas graves fuertes enmascaren a las agudas. Entre medias hay
una meseta ancha, y por eso medir al nivel de operación no es una manía: una
respuesta al impulso medida a nivel alto y reescalada después se queda en la
línea a trazos plana y solo vale para un nivel que nadie anotó.*

<details>
<summary>Mostrar el código de esta figura</summary>

```python
# `ir` y `fs` son la sala reverberante de esta sección.
ambient = np.array([45.0, 40.0, 35.0, 30.0, 28.0, 25.0, 22.0])   # dB SPL
# El espectro de habla masculina de la Ed.5, apartado A.6.1, relativo a la banda de 500 Hz.
shape = np.array([-2.5, 0.5, 0.0, -6.0, -12.0, -18.0, -24.0])
shape_total = 10 * np.log10(np.sum(10 ** (shape / 10)))

totals = np.arange(40.0, 100.5, 2.5)
curve = [speech.sti_from_impulse_response(
    ir, fs, level=shape - shape_total + t, ambient=ambient).sti for t in totals]
print(round(min(curve), 3), round(max(curve), 3))          # 0.246 0.604
print(round(speech.sti_from_impulse_response(ir, fs).sti, 3))   # 0.609

fig, ax = plt.subplots()
ax.plot(totals, curve)
ax.axhline(speech.sti_from_impulse_response(ir, fs).sti, linestyle="--")
ax.set_xlabel("Nivel global de habla en el oyente [dB SPL]")
ax.set_ylabel("STI")
plt.show()
```

</details>

### Parámetros de `sti_from_impulse_response()` / `stipa()`

| Parámetro | Tipo | Unidades | Rango / valor por defecto | Notas |
| :--- | :--- | :--- | :--- | :--- |
| `ir` / `x` | array 1D | cualquiera / Pa | no vacío | Respuesta al impulso (indirecto) o grabación STIPA (directo) |
| `fs` | int | Hz | > 0 | |
| `snr` | float o vector de 7, opcional | dB | por defecto `None` | Añade la degradación por ruido estacionario |
| `level` | vector de 7, opcional | dB SPL | por defecto `None` | Activa el enmascaramiento auditivo + umbral de recepción (Tablas A.2/A.3) |
| `ambient` | vector de 7, opcional | dB SPL | requiere `level` | Niveles de banda del ruido ambiente |
| `reference` | array 1D, opcional (`stipa`) | — | por defecto `None` | Señal de la fuente medida en lugar del $m = 0{,}55$ nominal |

Ambas devuelven `STIResult`: `sti`, `mti` (7 bandas), `mtf` (7×14 o 7×2),
`band_levels`, `rating` (letra del Anexo F, `A+`…`U`).

### Informe IEC 60268-16 (`.report()`)

`STIResult.report(path)` genera una ficha PDF de una página dispuesta como un
informe de verificación de inteligibilidad de un sistema de megafonía o de
alarma por voz: una línea de base normativa que indica el método de medición (el
método indirecto de STI completo a partir de una respuesta al impulso, o el
método directo STIPA sobre una señal grabada), un bloque de metadatos
opcional, una tabla del índice de transferencia de modulación MTI por bandas de
octava junto a las barras de MTI por banda (el `.plot()` del propio resultado),
el número único enmarcado `STI = X` con la banda de valoración del Anexo F,
una fila de veredicto opcional y un pie con el descargo fijo. Usa el mismo
contenedor `ReportMetadata` y el mismo motor que la
[ficha de aislamiento de ISO
717](/phonometry/es/buildings/insulation/insulation-ratings/#informe-de-iso-717-report);
un `requirement` indicado se interpreta como el STI mínimo exigido (un STI mayor
cumple). La generación necesita reportlab y, para la figura que incrusta la
ficha, matplotlib (`pip install "phonometry[report,plot]"`); solo se admite
`engine="reportlab"`. Pasa `language="es"` para la ficha en español.

```python
from phonometry import ReportMetadata, speech

res = speech.sti_from_impulse_response(ir, fs)
res.report(
    "sti_fiche.pdf",
    metadata=ReportMetadata(
        specimen="Línea de altavoces de alarma por voz en vestíbulo",
        measurement_standard="IEC 60268-16",
        laboratory="Laboratorio de referencia Phonometry",
        requirement=0.5,             # STI mínimo exigido (un STI mayor cumple)
    ),
    language="es",
)
```

La ficha de ejemplo se regenera con `make reports` y se mantiene renderizada en
el repositorio; pulsa la vista previa para abrir el PDF.

## Qué cubre esta guía

La IEC 60268-16:2020 (Edición 5) para la opción de habla masculina, la única
que conserva la Edición 5: la función de transferencia de modulación y la
correspondencia m a STI (apartados A.5.2 a A.5.6), el método indirecto de STI
completo desde una respuesta al impulso medida mediante
`speech.sti_from_impulse_response()`, el método directo STIPA del Anexo B
mediante `speech.stipa_signal()` y `speech.stipa()`, el espectro de la señal
de ensayo masculina de la Ed.5 del apartado A.6.1, las correcciones de
enmascaramiento auditivo dependiente del nivel y de umbral de recepción de las
Tablas A.2 y A.3 (`level=` y `ambient=`), y las letras de valoración del Anexo
F devueltas como `STIResult.rating`.

La medición directa de STI completo (la señal de ensayo de 14 frecuencias de
modulación reproducida y grabada a través de la cadena real, según el apartado
6.3 y la Tabla 3, recomendada arriba cuando la distorsión es severa) no está
implementada: solo están disponibles la señal directa STIPA
(`stipa_signal`/`stipa`) y el cálculo indirecto de STI completo desde una
respuesta al impulso. La opción de habla femenina no falta en la biblioteca:
la propia Edición 5 la eliminó (preámbulo, punto d), así que no queda nada por
implementar.

## Véase también

- [Acústica de salas](/phonometry/es/buildings/rooms/room-acoustics/): la respuesta al
  impulso medida que consume el método indirecto, y las métricas de oficinas
  diáfanas (ISO 3382-3) construidas sobre el STI por posición.
- [Índice de inteligibilidad del habla](/phonometry/es/perception/speech/speech-intelligibility/):
  el índice basado en audibilidad de ANSI S3.5 que complementa al STI.
- [Sonoridad](/phonometry/es/perception/psychoacoustics/loudness/) y
  [Métricas de calidad sonora](/phonometry/es/perception/psychoacoustics/sound-quality/): sonoridad, agudeza,
  tonalidad y aspereza del sonido recibido.
- [Teoría](/phonometry/es/reference/theory/perception/): la derivación de la transferencia
  de modulación y la correspondencia $m$ ↔ STI.
- Referencia de la API: [`speech.sti`](/phonometry/es/reference/api/speech/sti/).
- Teoría: [Transferencia de modulación y STI](/phonometry/es/reference/theory/perception/#transferencia-de-modulación-y-sti-iec-60268-16): la función de transferencia de modulación, por qué m es un cociente de profundidades de modulación y cómo la matriz de m por bandas de octava se reduce a un único índice.