僅供自己學習參考，若有侵權，請聯絡[email protected]

說話人語音訊號產生原理：

聲音散發出來後表現成一種隱形波的形式，經過波的傳播，這種聲音就可以被人耳發覺，這種波的振動頻率的範圍劃分在 20Hz-100k Hz 的區間裡。人類生存的大自然中包含各種各樣的聲音，就像我們所熟悉的颳風聲、打雷聲、下雨聲、撞擊聲、鳴笛聲等。而說話人發出的語音訊號也屬於聲音的一種，歸類在人的發音器官發出的、附帶一定的語法和語義的聲音的範疇。語音的振動頻率最高可達 25kHz。喉嚨部位的聲帶對人們發出聲音的影響是很大的，它可以為語音的形成提供一種很及時的激勵源：聲帶只要發生振動，之後就會產生聲音。聲帶分為左右聲帶，而處於兩聲帶部位的部分叫做聲門。人們呼吸時，左右聲帶呈現開啟的狀態，講話的時候，兩聲帶則恢復到閉合的狀態。當人們在說話的時候，處於合攏狀態的聲帶由於受到了聲門裡的氣流的衝擊作用，就會由閉合的狀態向張開狀態進行轉換。又因為聲帶具有很強的韌性，這一屬性導致聲帶緊接著發生迅速閉合的現象，隨後又張開接著又閉合。這種往復閉合和張開的過程使得氣流形成了一系列的脈衝訊號，之後再通過空氣將聲音傳送到對方的耳朵裡。每一次的張開和閉合的過程所用的時間就被稱為是基音的週期，把週期取倒數就得到了基音的頻率，簡稱基頻。在人類語言學的範疇裡，規定基頻的範圍處在 80-500Hz 之間，它是隨著說話人的性別，年齡以及說話時所在的環境等條件的變化而變化，語音學統一認為女人和小孩的基頻要小於男人。 在聲帶振動和不振動的情況下都會產生對應的語音，其中規定因為聲帶的振動而產生的聲音叫做濁音，那些沒有經過聲帶的振動而產生的聲音就叫做清音。語音學裡還規定，所有的母音和一少部分子音都屬於濁音的範疇；另外剩下的一大部分的子音就被劃分在了清音的範圍裡。當空氣在肺部流動後就會形成一定的氣流，然後氣流經過聲帶的時候，倘若聲帶此時處在緊繃的狀態，它就會立刻先張弛然後再振動，如此以來就形成了週期性的張開和閉合。聲帶開啟的時候，氣流就會立即從聲門部位噴射出來，進而就可以形成一個脈衝；聲帶閉合的時候，脈衝序列處在間歇期，因而在聲門的位置就會隨之產生一個空氣流，這種氣流屬於表現週期性的脈衝序列，一個個脈衝序列經過聲道後再從嘴脣發射出相應的聲波，穿過空氣再形成聲音。

不同的聲音激勵源就會產生不同的聲音型別，就像濁音、清音和爆破音的激勵源是互不相同的，濁音的形成來自處於聲門處的週期性的脈衝序列；清音的形成來自位於聲道區的某一個收縮區域下的空氣湍流；爆破音是由位於聲道的某一個閉合點處形成的氣壓以及這種氣壓的突然釋放所產生的。

專業術語：

       瞭解專業術語，是為了讓產品與設計和研發更好更有效的溝通，可以有效降低溝通成本；對於專業術語所代表的知識，我們需要了解它的含義、原理、要求、侷限等等，可以有效幫助我們在產品設計上做得更好；

1、訊號處理，提取我們所需要的聲音的過程，根據不同的行業、不同的硬體、不同的場景等等，這個過程都會有不同的表現，在語音產品裡，這個階段往往會被產品忽略，它很關鍵，是所有語音互動的開始，意味著，如果這個做得不好，就不用再談什麼語音體驗了；

2、語音識別（ASR），現在很多人會把語音識別等同看成整個語音產品，語音識別主要指的是語音轉寫成文字的過程；

3、自然語言處理（NLP），語言的理解、處理、生成的全過程，這裡比較被人忽略和遺忘的是“語言生成”這個過程，這是產品細節裡最為繁雜的工作之一；

4、語音合成（TTS），主要是將文字合成出音訊，之後播報出來；

5、對話管理（DM），主要是管理和定製語音的對話邏輯（語音互動流程），這是業內比較火的用於建立技能服務（Skill Service，或者也有叫領域服務）的平臺的基礎， 可以定製出自己想要的互動流程；

音素（phone），是語音中的最小的單位，依據音節裡的發音動作來分析，一個動作構成一個音素。音素分為母音、子音兩大類。如漢語音節

32個漢語音素b p m f d t n l g k h j q x z c s zh ch sh r ng a o e i u ü ê 舌面母音；-i [zi] -i [zhi] er舌尖母音

英語音素：即48個音素。

首先，20個母音音素，分為單母音和雙母音。

12個單母音。按發音部位把單母音分為前母音：/iː/， /ɪ/， /e/， /æ/，中母音：/ɜː/， /ə/。後母音：/ɑː/， /ʌ/， /ɔː/， /ɒ/，/uː/，/ʊ/（這裡採用的是RP發音音標，像一些典型美式音標未給出，如/ɝː/， /ɚ/）。母音可以根據母音高度（即舌面與上齶的距離）大小程度依次學習。如後母音：/ɑː/·/ɒ/，/ʌ/·/ɔː/，/ʊ/，/uː/母音高度依次由低到高。

8個雙母音。合口雙母音：/aɪ/， /eɪ/， /aʊ/， /əʊ/， /ɔɪ/。集中雙母音：/ɪə/， /eə/ ，/ʊə/。

然後是28個子音音素，分為清子音和濁子音，其中十個清子音與十個濁子音恰好成對。

清子音： /p/ /t/ /k/ /f/ /s/ /θ/ /ʃ/ /tʃ/ /ts/ /tr/

濁子音： /b/ /d/ /g/ /v/ /z/ /ð/ /ʒ/ /dʒ/ /dz/ /dr/

然後剩下的幾個音標：/m/，/n/，/l/，/ŋ/，/h/，/r/，/j/，/w/。