音频处理Lec1：真正的Intro？ – 黑凤梨君的个人网站

引言 Intro

语音是最自然的人与人交流形式，是人类每天使用的最有趣信号之一。
Speech is the most natural form of human-to-human communication, and it is one of the most intriguing signals that humans work with every day.

有两种音频信号：模拟和数字。
Two kinds of audio signals: Analog and Digital

我们听不到数字音频信号，只能听模拟信号。
We cannot hear digital audio signals, only analog.

然而，我们可以使用技术（即数字系统）处理数字音频信号。
However, we can process digital audio signals using technology (i.e., digital systems).

语音链 The Speech Chain

语音通过以下几个步骤转换

消息形成（Message Formulation）输入文本。
text; Message Formulation
语言编码（Language Code）产生音素和韵律。
phonemes, prosody; Language Code
神经肌肉控制（Neuro-Muscular Controls）产生发音动作。
articulatory motions; Neuro-Muscular Controls
声道系统（Vocal Tract System）产生激励和共振峰。
excitation, formants; Vocal Tract System
声道系统输出声波波形。
acoustic waveform
声波波形通过传输信道（Transmission Channel）。
acoustic waveform; Transmission Channel
传输信道输出声波波形，进入基底膜运动（Basilar Membrane Motion）。
acoustic waveform; Basilar Membrane Motion
基底膜运动后进入神经转导（Neural Transduction）。
Neural Transduction
神经转导后进行特征提取（feature extraction）。
feature extraction
语言翻译（Language Translation）产生音素、词、句子。
phonemes, words sentences; Language Translation
消息理解（Message Understanding）产生语义。
semantics; Message Understanding

语音编码 Speech Coding

语音信号 $x_c(t)$ 经 A/D 转换器变为样本 $x[n]$ 。
speech signal $x_c(t)$ ; A-to-D Converter; samples $x[n]$
样本 $x[n]$ 经分析/编码变为数据 $y[n]$ 。
samples $x[n]$ ; Analysis/Encoding; data $y[n]$
数据 $y[n]$ 通过信道或介质。
data $y[n]$ ; Channel or Medium
数据 $\hat{y}[n]$ 经合成/解码变为样本 $\hat{x}[n]$ 。
data $\hat{y}[n]$ ; Synthesis/Decoding; samples $\hat{x}[n]$
样本 $\hat{x}[n]$ 经 D/A 转换器变为解码信号 $\hat{x}_c(t)$ 。
samples $\hat{x}[n]$ ; D-to-A Converter; decoded signal $\hat{x}_c(t)$

数字语音处理的应用 Applications

数字传输与存储。Digital Transmission & Storage
语音合成。Speech Synthesis
语音识别。Speech Recognition
说话人验证/识别。Speaker Verification/Identification
语音质量增强。Enhancement of Speech Quality
残疾人辅助。Aids for the Handicapped

语音识别与模式匹配 Speech recognition and pa ttern matching

在语音识别中，目标是识别语音识别。
In Speech recognition, the goal is to identify speech recognition

主要有以下几个关键步骤

说话人识别。speaker recognition
说话人验证。speaker verification
关键词检测（word spotting）。word spotting
语音记录自动索引。automatic indexing of speech recordings

流程：语音经 A/D 转换器、特征分析、模式匹配，输出符号。
A-to-D Converter; Feature Analysis; Pattern Matching; symbols

语音合成 Speech synthesis

文本到语音（TTS）合成系统广泛用于将书面文本转换为语音输出。Text-to-speech (TTS) synthesis systems are widely used to convert written text into spoken output.

流程：文本经语言规则、合成算法、D/A 转换器，输出语音。
text; Linguistic Rules; Synthesis Algorithm; D-to-A Converter; speech