助听器的降噪、放大和压缩处理都会影响语音辨认,研发人员通常需要组织听辨测试,比较不同方案的效果。客观预测模型能够辅助筛选方案,减少对反复测试的依赖,但现有方法多基于英语或正常听力人群开发,用于普通话听损人群时容易出现偏差。
中国科学院声学研究所、与英国剑桥大学等单位合作,提出汉语助听器语音感知指数(Mandarin Chinese Hearing-Aid Speech Perception Index MCHASPI),根据听力图及处理前后的语音,预测听者能够正确辨认的汉字比例。研究于2026年10月20日在线发表于Trends in Hearing。
汉话与听力损失共同影响评估结果
汉语通过声调区分词义,声调所依赖的基频变化等线索受到破坏后,即使部分语音信息仍然保留,也可能影响理解。以英语数据开发的评估方法,对这些变化的反映未必准确。
听力损失进一步增加了预测难度:听阈升高使较弱的声音难以被察觉,频率分辨能力下降则使不同声音更难区分,仅根据录音本身的变化评分,难以反映具体听者的辨认能力。团队此前的普通话模型主要面向正常听力者,本次加入听力损失模拟,将听者的感知差异纳入评估。
模型以干净语音为参照,对比处理后语音中保留的声学信息,包括声音强弱随时间的起伏、波形细节和频谱形状,再通过逻辑函数或神经网络估计可懂度。这里的“可懂度”以汉字辨认正确率衡量,评价的是内容能否被听懂。
为避免局部时长变化干扰比较,研究团队将语音分段,分别调整时长和延迟,使相同内容对齐,同时根据各频带内超过阈值的片段比例分配权重,减少低水平片段对预测结果的影响。

图2|模型处理流程。参考语音与待评估语音经过听觉建模、时间对齐和特征比较,再由逻辑函数或神经网络映射为可懂度预测值。来源:论文图9,第12页。
24200条听辨记录用于建模与检验
研究招募25名参与者,包括12名正常听力者和13名轻度至中重度感音神经性听力损失者,每人辨认968条语音,共形成24200条记录。参与者在隔声测听室内通过耳机单耳聆听,以书写或复述方式提交答案,研究者据此统计汉字辨认正确率。
听损组的语音先经过软件模拟的助听器处理,放大增益和压缩参数依据各自听力图设置,因此实验反映的是模拟助听条件下的真实听辨表现,尚未涉及成品助听器佩戴测试。

图2|13名听损参与者的听力图,粗灰线为平均值。(论文图1,第4页)
研究设置了频率压缩、噪声干扰、混响和声调修改等六类测试条件,并用同一套汉语数据训练或校准七种对照方法,以比较不同方法预测听辨效果的能力。
按实验条件取平均后,新模型的均方根误差为0.132,低于最佳对照方法HASPI-C的0.180;声调修改条件下,两者分别为0.195和0.257,说明新模型的预测更接近实际听辨结果。这些数据反映各条件下的平均表现,尚不能代表对单个用户逐句预测的精度。

图3|左为HASPI-C,右为新模型;点越接近对角线,预测与实测越一致。(论文图11e、11i局部,第19页)
适用于研发比较距离验配应用仍有差距
这项研究为汉语助听器研发提供了一种结合听力差异的评估方法,可辅助比较不同降噪和压缩设置下的语音听辨效果,为算法筛选及后续听者测试提供依据。对研发人员而言,其价值在于评估语音处理效果时,能够同时考虑普通话特点和听损者的感知差异。
目前,该方法适用于有干净参考语音的研发测试,研究已通过软件模拟助听条件下的真实听辨实验验证,后续还需考察其在实际助听器佩戴中的表现
论文信息:Xu, C., Moore, B. C. J., Wang, X., Diao, M., Liu, Z., Li, X., & Zheng, C. (2026). A Mandarin speech intelligibility prediction model for hearing aids. Trends in Hearing, 30, 23312165261496844. https://doi.org/10.1177/23312165261496844
