语音学与语音特征提取

我们在本书中讨论的文本字符并不是随机符号。它们还是一项惊人的科学发明：一种对人类语音构成元素的理论模型。

我们已知最早的文字系统（苏美尔、中国、玛雅）主要是表意文字系统：一个符号表示一个完整的词。但从目前能够找到的最早阶段开始，一些符号也被用来表示构成词语的声音。右图中的楔形文字符号在苏美尔语中读作 ba，意为“配给”，但也可以纯粹作为声音 /ba/ 使用。我们拥有的最早汉字同样包含语音成分；这些汉字被刻在骨头上，用于占卜。

纯粹基于声音的文字系统，无论是音节文字（如日语平假名）、字母文字（如罗马字母），还是辅音文字（如闪米特文字系统），都可以追溯到这些早期的表意—音节文字系统，通常是在两种文化相遇之后发展而来。因此，阿拉伯、阿拉米、希伯来、希腊和罗马文字系统都源自一种西闪米特文字；一般认为，这种文字由西闪米特雇佣兵根据埃及象形文字的草写形式改造而来。日语音节文字则由汉字的草写形式改造而来；而汉字本身曾被用于以表音方式记录唐代传入中国的佛经梵文。

“口语由更小的语音单元组成”这一隐含思想，是语音识别（将波形转写为文本）和语音合成（将文本转换为波形）算法的基础。本章从计算角度介绍语音学：研究世界各语言所使用的语音、语音如何在人类声道中产生、如何以声学形式实现，以及如何将其数字化和处理。