重磅译制 牛津大学xDeepMind自然语言处理 第9讲（上）什么是语音

语音是声音的一种，本质上是空气的振动，通过声波传递信息，是人类交流和表达的重要媒介，在自然语言处理中是重要的研究对象。语音的产生：语音由人类声带振动产生，通过口腔、鼻腔等共鸣腔形成不同声音。声带振动频率决定音高，共鸣腔形状影响音色，气流强弱控制音量。这些物理特性共同构成语音的基本要素。语音的物理属性：语音作为机械波，具有频率、振幅、周期等物理参数。频率对应音高（如女高音频率更高），振幅决定响度（大声说话振幅大），周期性振动形成音调。这些属性可通过声学分析量化描述。语音的感知机制：人类通过听觉系统解析语音，外耳收集声波，中耳放大振动，内耳耳蜗将机械振动转化为神经信号。大脑听觉皮层进一步处理这些信号，识别音素、语调等要素，最终理解语言内容。语音的组成单位：语音由音素（最小语音单位）、音节（由元音和辅音构成）和音调（声调或语调）组成。例如，汉语通过声调区分意义（如“ma”的四个声调），而英语通过语调表达情感或疑问。语音的声学特征：语音信号可提取基频（声带振动频率）、共振峰（共鸣腔频率响应）、能量（响度）等特征。这些特征通过频谱分析可视化，用于语音识别、合成等任务。例如，元音的共振峰分布具有特定模式。语音的分类维度：语音可按发音方式分为元音（声带振动且气流无阻碍）和辅音（气流受阻或声带不振动）；按声调分为声调语言（如汉语）和非声调语言（如英语）；按语调分为陈述句、疑问句等句式。语音的表示方法：语音可通过时域波形（显示振幅随时间变化）或频域频谱（显示频率成分）表示。现代技术常用梅尔频率倒谱系数（MFCC）提取特征，模拟人耳对频率的非线性感知，是语音识别的标准输入。语音的研究意义：语音是自然语言处理的核心领域之一，研究内容包括语音识别（转文字）、语音合成（文字转语音）、说话人识别等。其应用涵盖虚拟助手、无障碍通信、智能客服等场景，对人机交互发展至关重要。