机器视觉&语音识别

一、机器视觉：
       摄像头视频采集，真彩色转256色，二值化，BP神经网络，训练或模版匹配。
 
动物体跟踪、立体物体定位，距离测试
 
二、语音：
     识别（RAS），朗读（TTS）。
     我想知道语音采集后怎么处理呢？视频采集出来的是一幅图片，而音频呢？没有头绪！