语音生成，语音识别基础知识

声学->音频->语音 范围逐渐缩小

通过语谱图可以看出不同语音的特点。

OOV：Out of Vocabulary 问题

语音识别评估指标

accuracy 音素错误率，词错误率（Word Error Rate, WER）,字错误率（Character Error Rate），句错误率（Sentence Error Rate）

effciency 实时错误率（删除、插入、替换，可能会超过100%）

语音生成

浊音：声带振动，声音波形具有周期性，有稳定音高

清音：声带不振动，波形类似白噪声，无稳定音高

音素：一种语言中具有语义的最小结构单元，可以分为辅音和元音

共振峰：在声音的频谱中能量相对集中的一些区域（语谱峰值）

协同发音：音素在声学上的实现和上下文强相关

音素抄本：一段语音对应的音素列表（时间信息由人工标注或自动对齐获得），服务于语音识别声学建模

音节：元音和辅音的结合构成，比音素颗粒度更大

语音识别

信道：不同特性麦克风、不同采样率、传输编码

环境：距离衰减、噪声、混响、干扰人声