在语音任务中，f0(pitch) 提取是必不可少的重要一环。常见的 pitch 提取算法， 包括 praat/Sptk 等praat/pyworld/sptk f0提取算法的python脚本。 在提取过程中，重要的两个参数是 f0_min 和 f0_max，上下限设置错误会导致基频提取发生 “倍频” or “半频” 错误。

半频/倍频错误是指在提取f0的过程中，因为周期计算错误，导致提取值为真实值一半或两倍。

这两个参数因人而异，例如男女说话人的基频范围可能差别较大，同一说话人在不同语句中基频也会有较大起伏，在一些特殊场景例如歌唱中，也会有较高的基频值。 因此，凭经验确定这两个参数并不靠谱，最近听大师介绍了一个基于数据统计的方法，感觉很有效，记录整理如下。

基于统计方法确定F0提取上下限参数

核心思想，对于足够大的采样样本来说，f0正确的分布应该满足正态分布or有偏正态分布。

对待提取数据，准备一个不太小的数据集（500条以上），这里以bzn-tts数据为例。

1. 对每个发音人，说话的数据，使用30-1000的参数预提取。
2. 画出 f0 对应统计直方图，看图决定上下限。如下图所示。
3. 上限设置比较简单，可以比图片显示的最大值高100Hz左右即可。如果看到曲线分布包络右端，不平滑，可以适当需要调高。特别是在歌声数据下可能要格外注意。
4. 下限设置，以不出现低频部分额外的一个分布尖峰为准，比如下图中70Hz那里存在明显尖峰，那么下限设置在70，可以消除掉这个尖峰。 （说明某些音频基频为120Hz，但发生半频错误被提成了60Hz）
5. 用新找到的基频上下限重新提取，重复2～4，直至基频左右两端都光滑为止。

Note: 实测该方法针对单说话人无背噪音频数据，效果比较理想。多说话人场景可能不适用。