關鍵概念：
一幀訊號通過傅利葉變換可以提取出頻譜，頻譜具有精細結構（反映音高，用處不大）和包絡（反映音色，用處大）。
mfcc：梅爾頻率倒譜係數，主要描述頻譜包絡。梅爾頻率是基於人耳聽覺特性提出來的， 它與hz頻率成非線性對應關係。梅爾頻率倒譜係數(mfcc)則是利用它們之間的這種關係，計算得到的hz頻譜特徵。主要用於語音資料特徵提取和降低運算維度（對於乙個很多維（取樣點）的資料，可以通過mfcc提取出其中最重要的幾個取樣點從而降低了資料的維度）。
識別乙個未知語音之後，要通過計算其與模板（提前已知）的距離來判斷語音是什麼意思。比較這個距離，要用到dtw動態彎演算法，讓待識別語音中的每一幀與模板中最相似的一幀進行匹配，總距離即為各幀匹配後所得的歐氏距離之和。
gmm：高斯混合模型。如果每個詞有多個模板，便可把模板訓練成模型（將模板切割成多個段落），在採用gmm模型識別語音時，依然是採用動態彎演算法，將歐氏距離代替為gmm概率密度，概率最大的模型即為識別結果。
hmm：隱馬爾可夫模型。（具體意義見ppt）
bigram：乙個馬爾可夫模型。音素hmm模型通過詞典復合成單詞hmm模型，再由單詞hmm模型與語言模型復合成語言hmm。
現在的結構已經應用了神經網路，具體見ppt。
補充資料：
語音識別技術
中科院聲學所將為奧運會提供語音技術支援 日前，由首信集團 首都資訊發展股份 牽頭 中科院聲學所參與其核心模組研製的 奧運會多語言服務 系統被北京奧組委正式採用。這標誌著聲學所在利用自身科研優勢 積極為 科技奧運 做貢獻方面取得了新的成果。從2002年開始，聲學所就參與了由科技部和北京市科委組織，北京...
語音識別技術
雖然人從外部獲取資訊，絕大部分來自來自視覺，可是語音的地位一直很高的，它很好的表表達了人的特徵和清晰的收入方式。其中語音識別技術的地位又是很高的，可以讓機器在字面上明白你在說什麼，這是自然的人機互動的基礎。現在走在語音識別技術前沿的公司有科大訊飛，google 微軟。在我們的前面幾篇 blog 中已...
語音識別技術概覽
語音識別基本和識別類似，都是從傳統的模型到深度神經網路dnn，再到rnn 深度卷積網路cnn。在端到端方面也是從隱馬爾科夫hmm到ctc lfmmi，再到attention方面 下面是一些模型列表 1.混合高斯 隱馬爾科夫模型 gmm hmm 2.深度神經網路 隱馬爾科夫模型 dnn hmm 3.深...