第5章多媒体音频技术案例.ppt

5.5 语音识别技术及应用 5.5.1 语音识别的基本原理及过程 5.5 语音识别技术及应用 5.5.2 文本—语音转换技术 5.5.3 语音识别软件（ViaVoice） 目录 * 第五章 多媒体音频技术 第5章 多媒体音频技术 音频概述 声音的数字化 Audition音频处理软件 MIDI与音乐合成 语音识别技术及应用 5.1 音频基础 5.1.1 声音的基本概念 声音在物理学上称之为声波，是通过一定介质（如空气、水等）传播的连续的振动的波。 声波引起某处媒质压强的变化量称为该处的声压。 声音的强弱体现在声波的振幅上 音调的高低体现在声波的周期和频率上。 5.1.1 声音的基本概念 声波是随时间连续变化的物理量，它有3个重要指标： 振幅——波的高低幅度，表示声音的强弱； 周期——两个相邻波之间的时间长度； 频率——每秒振动的次数，以Hz为单位。 振 幅 周 期 基 线 1．声音如何传播 声音依靠介质的振动进行传播。 声源实际上是一个振动源，它使周围的介质（空气、液体、固体）产生振动，并以波的形式进行传播。 声源的形式多样，例如，吉他、人的声带、农村的拖拉机等。 声源振动，通过它周围的空气、水等传播介质进行传播，形成“声波”。 人耳接收到声波，耳膜随之振动，再通过听觉神经末梢的传递，就可以听见声音。 2．声音的频率 声源每秒振动的次数称为该声源的“频率”。 用音频来表示声音信号的频率，单位为赫兹（Hz）。 频率对于声音来说是个非常重要的概念，不同的声音有不同的频率范围，人耳只能听到频率范围在20Hz～20kHz之间的声音，低于20Hz的次声和高于20kHz的超声都听不到。 次声波 可听声波 超声波 20Hz 20kHz f(Hz) 人耳对不同频率的敏感程度有很大差别 对中频段（2 kHz～4 kHz）最为敏感，幅度很低的信号都能被人耳听到； 对低频区和高频区较不敏感，能被人耳听到的信号幅度比中频段要高得多。 10 20 50 200 3.4k 7k 15k 20k CD-DA FM广播 AM广播 电话 f(Hz) 3．声音的传播方向 当辐射出来的声波波长比声源的尺寸大时，声波比较均匀地向各方向传播； 当辐射出来的声波波长小于声源的尺寸时，声波集中地向正前方一个尖锐的圆锥体范围内传播。 4．声音的三要素 声音效果的三要素：音调、音强、音色。 音调：指声音的高低。音调的高低，主要取决于声波频率的高低。频率越高，音调越高，反之亦然。 在使用音频处理软件对声音的频率进行调整时，其音调也会随之产生变化。例如，男子发音，其频率约在90～140Hz之间，其音调较低；女子发音的频率约在270～550Hz之间，其音调较高。 音强：是指声音的强度，又称声音的响度，由声波振动的振幅决定。它是人耳感受到的声音强弱，是人对声音大小的一个主观感觉量。 音色：即声音的品质，它由泛音的多少、泛音的频率和振幅决定。例如，不同的乐器在基本振动频率相同的情况下，仍然可以区分各自的特色，就是因为它的音色不同。 5．音质 “音质”是声音的质量，音质的好坏与音色的频率范围有关。 影响音质的因素 对于数字音频信号，音质的好坏与数据采样频率和数据位数有关。 音质与声音还原设备有关。 音质与信号噪声比有关。 5.1.2 音频素材的获取 自行录制 Windows自带的录音机 （Sound Recorder） 从素材库或网站中获取 从CD、VCD等媒体中获取 目录 5.2 声音的数字化 采样频率 在某个特定的时刻对模拟信号进行测量叫做采样。采样频率也称取样频率，是指在单位时间（1s）内采样的次数。 采样 量化 声音的模拟信号 声音的数字信号 编码 5.1.2 数字化过程 5.2 声音的数字化 量化位数 量化是将经过采样得到的离散数据转换成二进制数的过程。量化位数，即分辨率，是指将经过采样得到的离散数据转换成二进制数的位数,一般为32、16、8、4位。 声道数 声音通道的个数称为声道数，是指一次采样所记录产生的声音波形个数。声道有单声道和立体声之分。 5.2.2 数字音频压缩标准 1 音频压缩方法概述 音频压缩方法是指对原始数字音频信号流（PCM编码）运用适当的数字信号处理技术，在不损失有用信息量，或者所引入损失可忽略的条件下，降低（压缩）其码率，也称为压缩编码。逆变换的过程，称为解压缩或解码。 输入音频信号 输出音频信号 编码器 传输/存储 解码器 5.2.2 数字音频压缩标准 2.音频压缩技术标准 目录 .rm ● RA(RealAudio) Real音频文件 主要适用于在网络上的在线音乐欣赏