波形音频.PPT

第四章 多媒体音频 4.1 多媒体音频 实验 4.1.2 声卡 语音识别技术的应用 语音识别的困难 在连续语音中，词与词之间没有明显的停顿间隙，词与词之间的分割困难 ； 每一个基本的声学识别单元（如音素）受前后音素发音方式的影响（称为交调），而使语音声学信号的特征变得不稳定； 不同人或不同的心理和生理以及在不同的说话环境，即便说同一个词，声学信号特征也会发生变化； 一个词的读音不仅包含了与词义有关的特征，而且还包含了说话人的性别、年龄、情绪等大量与词义无关的信息，而后面这些信息对语音的识别造成了干扰，而且把这些互不相关的信息分离开比较难； 自然语言的多变性难以借助一些基本的文法规则进行描述，从而使计算机的编程产生困难。 语音合成技术 4.1.3 音频文件的格式 Wave文件：WAV格式也称为波形文件，是最常见的声音文件之一。WAV是微软公司专门为Windows开发的一种标准数字音频文件，该文件能记录各种单声道或立体声的声音信息，并能保证声音不失真。但WAV文件对存储空间需求太大，不便于交流和传播，因此常用于短时间的录音。 MIDI文件：它是国际MIDI协会开发的乐器数字接口文件，采用数字方式对乐器所演奏出来的声音进行记录（每个音符记录为一个数字）。在MIDI文件中，只包含产生某种声音的指令，这些指令包括使用MIDI设备的音色、声音的强弱、声音持续的时间等，计算机将这些指令发送给声卡，声卡按照指令将声音合成出来，因而占用的磁盘空间非常小。其扩展名为 .MID。MIDI文件只适合于记录乐曲，而不适合对歌曲进行处理。 MPEG音频文件 MPEG是运动图像专家组（Moving Picture Experts Group）的英文缩写，代表MPEG运动图像压缩标准。包括MPEG视频、MPEG音频和MPEG系统（视音频同步）三个部分。 这里的音频文件格式指的是MPEG标准中的音频部分。其特点是能以较小的比特率、较大的压缩率达到近乎完美的CD音质。 MPEG音频压缩的原理很简单，首先是利用编码技术，将源文件(多为WAV格式)重新进行编码压缩，其次是利用数据缩减，将人类听觉中的不敏感部分删除，从而达到缩小文件尺寸的目的。和所有压缩格式一样，MPEG也会造成声音的失真，所以根据需要的不同，人们又定义了不同的压缩比率，这就是MPEG压缩格式的由来。 关于MPEG4、 MPEG5 MP4最初是指继MP3之后出现的一种音频格式，采用以MPEG-2AAC为基础的音频压缩技术。每首MP4乐曲是一个扩展名为“.exe”的可执行文件，内嵌播放器，直接双击就可以播放。与MP3相比，MP4文件的大小仅为MP3的70%左右。 视频MP4格式：MPEG-4 RealAudio文件： RealAudio是RealNetworks公司开发的一种流式音频文件格式，压缩比可高达1：96。主要用于在低速率的广域网上实时传输音频信息。网络的连接速度不同，客户端所获得的声音质量也不尽相同（对于28.8Kbps的连接，可以达到广播级的声音质量；如果拥有更快的线路连接，则可以获得CD音质的声音）。其扩展名为.RA/.RM/.RAM Windows Media Audio文件：这是微软推出的与MP3格式齐名的一种新的音频格式。WMA格式在压缩比和音质方面都超过了MP3，支持音频流技术，适合在网络上在线播放，其扩展名为 .WMA/.ASF/.ASX/.WAX AIFF文件：AIFF是音频交换文件格式，是苹果计算机公司开发的一种声音文件格式，主要用于苹果电脑平台下音频原始素材的保存。其扩展名为.aif/.aiff。 Audio文件：它是Sun Microsystems公司推出的一种经过压缩的数字声音格式，主要用于UNIX系统和Java平台上，支持多种压缩方式，也是Internet上常用的声音文件格式。其扩展名为.au Voice文件： Voice文件是Creative Labs(创新公司)开发的声音文件格式，多用于保存Creative Sound Blaster(创新声霸)系列声卡所采集的声音数据，被Windows平台和DOS平台所支持，其扩展名为.VOC，主要用于DOS游戏 。 CD-DA格式文件 ：CD-DA格式是光盘数字音频文件，也就是我们俗称的CD音乐。其采样频率是44.1kHz、采样精度16位，是高质量的声音。 音频的获取方式 对音频文件的直接采用 市场上有很多的音乐光盘或声音库，直接以数字文件的格式提供给用户。 用麦克风录制声音 “录音机”是Windows系统提供的一个声音采集、处理工具，它具备基本的播放、录音和简单声音编辑等功能。 其它音频设备输入