Introduction

1、人类语音非常复杂，同样的人说同一句话话音频也很可能是不一样的。

2、涉及到语言和语音的操作

3、语音到文字是语音识别_ASR过程

4、文字到语音是语音合成_TTS过程（只是简单举一个算法过程的例子）

5、语音到语音过程

（1）语音分离

（2）声音转化，比如柯南

6、我主要不知道的是语音到class的过程。实际使用大概有：分辨说话者（speaker）和分辨唤醒词（keyword spotting）等。

7、对于输入时文字的使用的算法，主要有BERT和他的朋友们，训练集是越来越大的。

8、对于输出为文字的操作

（1）自回归：模型在生成文本时，每一步生成的词或标记（token）都依赖于之前生成的词或标记；模型在生成下一个词时，会将之前生成的所有词作为输入，并基于此进行预测。

（2）非自回归：在生成文本时，各个词或标记的生成是并行进行的，生成的每个词不依赖于之前生成的词；非自回归模型会在同一时间生成整个序列的所有词。

9、文字转化为文字的操作：比如翻译、概括摘要、对话、回答问题。

（1）文法剖析：把文法剖析看做文字到文字

10、其他应用：学习如何学习（让机器学习的算法）

11、语音、文字、影像都可能被攻击

12、人类语言处理中的辨识性ai