在對話音設計編碼方案之前，首先需要了解話音波形的基本特性，在這些特性基礎上，完成對聲音數據的壓縮編碼、聲音的識別以及文本-聲音的轉換等。
話音是由於肺部中的受壓空氣沿著聲道通過聲門而產生的。普通男人的聲道從聲門到嘴的平均長度約為17釐米，這個事實反映到聲音信號中，相當於在1 ms數量級內的數據具有相關性，這種相關稱為短期相關。
聲道也被認為是一個濾波器，這個濾波器有許多共振峰，這些共振峰的頻率受隨時間變化的聲道形狀所控制，例如口腔為可變共振腔，舌的移動就會改變聲道的形狀。許多話音編碼器用一個短期濾波器來模擬聲道。但由於聲道形狀的變化比較慢，模擬濾波器的傳遞函數的修改不需要那麼頻繁，典型值在20 ms左右。
壓縮空氣通過聲門激勵聲道濾波器，根據激勵方式不同，發出的話音分成三種類型:濁音(voiced sounds)，清音(unvoiced sounds)和爆破音(plosive sounds)。
分享到:
閱讀更多 AI科技生活 的文章
