A3.09.4Required SNR for intelligibility varies with content and familiarity研究设计
达到可懂度所需的信噪比因内容类型与熟悉度而不同
别名: 语境预测性 · 词汇熟悉度 · semantic predictability
概念解释
同一个信噪比数值，听懂一段熟悉的家常对话和听懂一串随机数字或陌生术语所需要的余量并不一样。达到某个可懂度所需的信噪比阈值（言语接收阈）会随内容的语境可预测性、词汇熟悉度、听者对该语言或口音的熟练程度而系统性变化——内容越可预测、越熟悉，所需的信噪比余量越小；内容越随机、越陌生，所需的余量越大。这意味着"信噪比要留多少余量"没有一个跨内容通用的答案。
机制
语音识别不是纯粹从声学信号里逐字解码，而是声学证据与听者头脑中已有的语言、语境预期共同作用的结果。当上下文能预测接下来大概率会出现哪些词（日常句子、常见搭配），听者可以用较弱、较不完整的声学证据去确认预期，即使一部分音素被噪声掩盖，也能靠语境补全；随机数字串、生僻术语、外语词汇没有这种预期可用，每一个音素都必须依赖声学证据本身被完整听清，噪声造成的局部信息丢失就无法被"猜"回来。这也是为什么母语者与非母语听者在同样信噪比下的可懂度差异巨大——母语者对语言的统计规律更熟悉，语境预测的补全能力更强。
怎么研究
范式与言语接收阈测量一致，但把材料类型作为核心自变量做对照：高预测性材料（完整的日常语句）对比低预测性材料（无意义音节、随机数字、非词），或者同一批被试对比母语材料与非母语/陌生口音材料，在多个信噪比水平下测出各自的言语接收阈曲线。因变量是正确识别率或达到 50% 正确率所需的信噪比。
这套方法常用来给一个产品的语音提示设计一个"内容相关的信噪比余量表"，而不是给所有语音内容套用同一个安全边际——数字验证码、陌生专有名词类内容需要比常规提示语大得多的余量。
边界
- 语境预测性的补全效果依赖听者事先掌握相应的语言与背景知识；对该语言不熟练、认知负荷已经很高（同时在做别的任务）、或听力本身已下降的用户，语境补全能力会打折扣，实验室里测出的"高预测性材料余量小"这个结论对这些用户不完全适用。
- 极端安静（信噪比很高）时内容类型的差异会被压缩，因为声学证据本身已经足够完整，语境预测的补全空间用不上；差异主要在信噪比处于临界区间时才明显。
怎么落地
- 给语音提示分类定余量：日常问候、状态播报这类高预测性内容可以用较小的信噪比余量；验证码、陌生专有名词、姓名拼读这类低预测性内容需要单独放大余量，或改用更慢的语速、逐字重复等方式补偿。
- 面向非母语用户或口音差异较大的场景，不能直接套用母语用户测得的信噪比余量，需要按目标用户群体重新测一版可懂度曲线。
- 验证办法：对同一批候选语音内容分别测出高预测性材料与低预测性材料各自的可懂度—信噪比曲线，找出曲线出现明显下降的拐点，把系统实际使用的信噪比余量设在拐点之上而不是套用统一数值。