语音识别与合成（待续）

语音识别：

参考：https://www.zhihu.com/question/20398418

一个音素通常都划分成若干个状态，比如3个。

语音识别先分帧，若干帧语音对应一个状态，每3个状态对应一个音素。

英文语音识别：通过提取mfcc,f0等特征+HMM把帧识别为状态（难）-------------》把状态组成音素------序列挑选识别器---------》把音素组合为单词

语音合成：

句子文本---断句注音韵律等前端处理---》音子+上下文

合成一般2类方法，参数合成和拼接合成。

HTS声码器参数合成 会有较明显的机器音（muffle）。

拼接合成 对音库的要求高，音库小容易造成听感不连贯问题。

一些基础：

梅尔倒谱系数：http://blog.csdn.net/zouxy09/article/details/9156785/

线对谱：http://www.doc88.com/p-3406303371151.html  这个不是太好理解

----一些基础知识----

from http://blog.csdn.net/zouxy09/article/details/7941585

音节：

      音节是听觉能感受到的最自然的语音单位，有一个或几个音素按一定规律组合而成。

汉语音节:

       汉语中一个汉字就是一个音节，每个音节由声母、韵母和声调三个部分组成；汉语普通话中的无调音节（不做音调区分）共有400个音节。拼音是拼读音节的过程，就是按照普通话音节的构成规律，把声母、韵母、声调急速连续拼合并加上声调而成为一个音节。如：q-i-áng→qiáng（强）。

 

英语音节：

        音节是读音的基本单位，任何单词的读音，都是分解为一个个音节朗读。英语中一个元音音素可构成一个音节，一个元音音素和一个或几个辅音音素结合也可以构成一个音节。英语的词有一个音节的，两个音节的，多个音节的。一个音节叫单音节词，两个音节叫双音节词，三个音节以上叫多音节。如：take拿，ta'ble 桌子，po‘ta'to马铃薯，po’pu‘la'tion人口，con’gra‘tu’la'tion祝贺。te‘le’com‘mu‘ni’ca'tion电讯。

        元音音素是构成音节的主体，辅音是音节的分界线。每个元音音素都可以构成一个音节，如：bed床，bet 打赌。两个元音音素都可以构成一个音节，如：seat坐位，beat 毒打，beast极好的。两元音音素之间有一个辅音音素时，辅音音素归后一音节，如：stu'dent学生，la'bour 劳动。有两个辅音音素时，一个辅音音素归前一音节，一个归后一音节，如： win'ter冬天 fa'ther 父亲，tea'cher教师。

 

音素：

         音素是根据语音的自然属性划分出来的最小语音单位。从声学性质来看，音素是从音质角度划分出来的最小语音单位。从生理性质来看，一个发音动作形成一个音素。如〔ma〕包含〔m〕〔a〕两个发音动作，是两个音素。相同发音动作发出的音就是同一音素，不同发音动作发出的音就是不同音素。如〔ma-mi〕中，两个〔m〕发音动作相同，是相同音素，〔a〕〔i〕发音动作不同，是不同音素。

 

汉语音素：

        音节只是最自然的语音单位，而音素是最小的语音单位音素。汉语包括10个元音，22个辅音，总共有32个。一个音节，至少有一个音素，至多有四个音素。如“普通话”，由三个音节组成（每个字一个音节），可以分析成“p,u,t,o,ng,h,u,a”八个音素。