本科目將講解語音處理的基本原理，並介紹一些近代語音處理領域的技術
Spoken Language Structure #
語音溝通的決定因素 #
語音溝通的決定因素與以下兩者息息相關：語音生成（Speench Generation）與語音感知（Speech Understanding）
以下將介紹這些東西如何讓電腦與人類作為配對
| Topic | Computer | Human |
|---|---|---|
| Message Formulation | 創建或接收一個要表達的概念或訊息 | 大腦中形成思維或意圖 |
| Language System | 把想要表達的訊息轉換成詞序（Sequence of words），並且找出詞序的發音、語調與音素序列（phoneme sequence） | 人類語言系統中語法和語意的規則運用 |
| Neuromuscular Mapping | 使用演算法與模型來合成聲音的過程 | 控制發聲器官（如聲帶、嘴唇、下顎、舌頭等）以產生聲音序列的過程 |
| Cochlea（耳蝸） Motion | 透過語音分析（Speech Analysis）進行頻率分析 | 聲音傳到內耳的耳蝸，由耳蝸進行頻率分析（Frequency Analysis） |
| Neural Transduction | 尚未有對應 | 神經將訊息用信號傳給大腦，大腦再透過自己的方式理解語意 |
目前尚未知道人類神經活動如何映射到語言系統，以及大腦如何理解訊息。
聲音 #
聲波 #
- 聲波是疏密波，且須透過微粒（molecules）傳播
- 我們可以將聲波畫成正弦波（sine wave）來表示
聲音的量測 #
聲音的強度與 振幅（Amplitude） 有關，我們可以透過以下方式測量聲音的強度
- 分貝（Decibel）：
- 用來比較兩個聲音之間的強度，因此分貝是相對值
- 公式如下：$$dB = 10log_{10}(I / I_0)$$
- 我們定義 0dB 是人類聽覺的閾值
- 聲壓級（Sound Pressure Level, SPL）：
- 聲音強度與壓力平方成正比
- 公式如下：$$SPL(dB)=20log_{10}(P / P_0)$$
- \(P_0\) 為基準聲壓，為人類聽覺的最低聲壓閾值，通常取 1KHz 的 \(2 \times 10 ^{-5} \mathrm{\mu bar}\)
- 準確的聲音閾值：
- 每個頻率的聲音閾值都不太一樣
- 以下圖表可以看出每個頻率的最低聲音閾值
- 人耳在 4000 Hz 的聲音閾值最低
