簡要給大家介紹一下語音怎么變文字的吧。希望這個介紹能讓所有同學看懂。
首先，我們知道聲音實際上是一種波。常見的 mp3、wmv 等格式都是壓縮格式，必須轉成非壓縮的純波形文件來處理，比如 Windows PCM 文件，也就是俗稱的 wav 文件。wav 文件里存儲的除了一個文件頭以外，就是聲音波形的一個個點了。下圖是一個波形的示例。
在開始語音識別之前，有時需要把首尾端的靜音切除，降低對后續步驟造成的干擾。這個靜音切除的操作一般稱為 VAD，需要用到信號處理的一些技術。
要對聲音進行分析，需要對聲音分幀，也就是把聲音切開成一小段一小段，每小段稱為一幀。分幀操作一般不是簡單的切開，而是使用移動窗函數來實現，這里不詳述。幀與幀之間一般是有交疊的，就像下圖這樣：
圖中，每幀的長度為 25 毫秒，每兩幀之間有 25-10=15 毫秒的交疊。我們稱為以幀長 25 ms、幀移 10 ms 分幀。圖中，每幀的長度為 25 毫秒，每兩幀之間有 25-10=15 毫秒的交疊。我們稱為以幀長 25 ms、幀移 10 ms 分幀。
分幀后，語音就變成了很多小段。但波形在時域上幾乎沒有描述能力，因此必須將波形作變換。常見的一種變換方法是提取 MFCC 特征，根據人耳的生理特性，把每一幀波形變成一個多維向量，可以簡單地理解為這個向量包含了這幀語音的內容信息。這個過程叫做聲學特征提取。實際應用中，這一步有很多細節，聲學特征也不止有 MFCC 這一種，具體這里不講。
至此，聲音就成了一個 12 行（假設聲學特征是 12 維）、N 列的一個矩陣，稱之為觀察序列，這里 N 為總幀數。觀察序列如下圖所示，圖中，每一幀都用一個 12 維的向量表示，色塊的顏色深淺表示向量值的大小。
接下來就要介紹怎樣把這個矩陣變成文本了。首先要介紹兩個概念：
1.音素：單詞的發音由音素構成。對英語，一種常用的音素集是卡內基梅隆大學的一套由 39 個音素構成的音素集，參見 The CMU Pronouncing Dictionary。漢語一般直接用全部聲母和韻母作為音素集，另外漢語識別還分有調無調，不詳述。
2.狀態：這里理解成比音素更細致的語音單位就行啦。通常把一個音素劃分成 3 個狀態。
語音識別是怎么工作的呢？實際上一點都不神秘，無非是：
第一步，把幀識別成狀態（難點）；
第二步，把狀態組合成音素；
第三步，把音素組合成單詞。
如下圖所示：
圖中，每個小豎條代表一幀，若干幀語音對應一個狀態，每三個狀態組合成一個音素，若干個音素組合成一個單詞。也就是說，只要知道每幀語音對應哪個狀態了，語音識別的結果也就出來了。圖中，每個小豎條代表一幀，若干幀語音對應一個狀態，每三個狀態組合成一個音素，若干個音素組合成一個單詞。也就是說，只要知道每幀語音對應哪個狀態了，語音識別的結果也就出來了。