语音处理

语音就是语言的有声表达，它作为一种与生俱来的最常用的思维表达方式，能够以其丰富的内容充分表达出人们的思想感情，与其他表达手段相比，具有速度快、使用方便等优点。在日常办公活动中，语音与文字一样，有重要的作用，是交换信息最简单、最主要的一种形式。语音按其要素可分三部分： 音素、音节和音调。音素是语音组成的最小单位，汉字有元音音素a,o,e,i,u,u,6个，辅音音素21个。汉字不是拼音文字，但可以用21个声母和35个以元音为中心组成的韵母来拼读。一般的拼读顺序是声母在前，韵母在后。音节是由一个或几个音素组成的最小的语音结构单位。音调，我国汉字将字音的高、低、升、降变化分为阴平 (ˉ), 阳平 (ˊ), 上声 (ˇ), 去声 (ˋ)四种声调，它可以使任何一段普遍的话都具有节奏感。电话是已经普通使用的语音处理系统，电话通信在办公活动中占有的比重越来越大。随着程控交换机和微型计算机的引入，为人们提供了功能更强，使用更方便的通信手段。如自动重拨、定时呼叫、自动转接、应答、录音等功能，解决了占线、打不通、人不在，费时间等麻烦。许多智能化的办公设备中也都具有声音输出功能。如智能复印机，操作时便以声音形式指示如何操作，提供可能出现的故障等信息。计算机的声音处理技术复杂，相对处理能力不及文字、数据、图形、图象信息处理。随着声音处理技术的发展，计算机的声音处理能力有了很大提高。
计算机声音处理包括三方面：
❶用声音输入代替键盘输入文字信息，进行文件编辑、修改、显示等处理。
❷用声音发布命令，对计算机进行各种操作，如文件处理、统计数据、输出打印等。
❸将存储的各种文字信息、数据资料用语音输出给使用者。
计算机声音处理技术有声音输入和声音输出。
❶声音输入，亦称声音识别。通过人直接对计算机讲话，去发布命令或输入文件数据等信息，如口述一篇文章或领导人的口头指示，通过声音输入系统就可以直接输入到计算机中，由计算机对输入声音存储起来，通过打印机就可得到书面的文件、材料或者领导人的指示。计算机进行语音识别有两种办法。一种是样板匹配法。即系统内存有大量的声音字典，字典内每一个字、词都存有标准的数字化的声波波形信息。对输入的声音进行声波波形分析，然后在字典中逐条查对，实现声音识别。这种方法容易实现，目前许多成功的声音识别系统都采用这种方法。另一种方法是按一定规则把测得的声音特征进行计算，转译成字、词、短语和句子。这种方法计算复杂、技术难度高，但是一种发展前途好的方法，
❷声音输出。将文字信息经过计算机处理后，以声音形式输出。计算机进行声音输出 （声音合成） 有两种方法： 一是波形存储法。它利用一个单词和短语组成的语汇表。表中存储的是经过数字化处理的单词和短语的声波波形信息。当要构成一段讲话的声音时，先把该段讲话的内容以文字形式存入计算机，计算机处理该文本后产生一系列波形，并把这些波形和存储的单词和短语的波形相比较，自动选择那些与文本波形相同的单词和短语波形。并将它们顺序连接起来，经过数/模转换器，变成模拟信号去驱动音响设备发出相应的声音，这种方法所产生的声音质量，接近于人的正常发音质量，但由于按波形合成声音时，只能机械地把所存储的波形连结起来，缺乏灵活性，不能适应上下文的关系去改变声音的音调。另一种方法是参数合成法。它是把分类声音波形所得到的有关参数存在于计算机中，再根据生成模型重现合成。它对计算机存储容量要求不高，可提供语音的节奏、强度和发音持续时间，能适应上下文信息的要求，但计算较复杂，且音质较差。