识音频，懂声音

杨磊

编者按：近年来，随着人工智能技术和硬件设备的快速发展，越来越多的人工智能应用产品走进我们的日常生活，语音识别、语音合成和说话人识别等相关智能产品如雨后春笋般出现在人们的视野内。人们不禁好奇：人工智能领域的语音技术是什么？它和我们中学时代物理课上学习的声波有什么联系？本期就让我们谈谈有关声音的故事。

图像和声音作为人机智能交互领域的两个最重要媒介，正在吸引着全世界的科学家开展各类的相关算法研究和产品应用开发。由于二者的数据结构存在重大差异导致相应的研究工作主要分为图像和声音两个基本的发展方向。前者主要是指和图片处理相关的工作，关注图片内部元素的空间排列;后者主要是指处理与音频信号相关的工作，注重音频信号内部元素的时间关联性。音频信号的范围广泛，它除了包括语音研究外，还包含其他很多重要而有趣的研究方向，如声音场景分析、音乐风格分类和语音情绪识别等。因此，我们可以将音频视作为传递信息、主观意向、情绪表达的重要沟通工具，它是人类最为熟悉和运作最为有效的消息传递方式之一。随着多媒体信息处理技术的发展、计算机数据处理能力的增强，音频处理技术及其相关现实场景的开发应用正受到越来越多的关注。

声波、声音、语音和音乐

认识音频之前，我们先弄清楚几个概念——声波、声音、语音和音乐。……