在对话音设计编码方案之前，首先需要了解话音波形的基本特性，在这些特性基础上，完成对声音数据的压缩编码、声音的识别以及文本-声音的转换等。
话音是由于肺部中的受压空气沿着声道通过声门而产生的。普通男人的声道从声门到嘴的平均长度约为17厘米，这个事实反映到声音信号中，相当于在1 ms数量级内的数据具有相关性，这种相关称为短期相关。
声道也被认为是一个滤波器，这个滤波器有许多共振峰，这些共振峰的频率受随时间变化的声道形状所控制，例如口腔为可变共振腔，舌的移动就会改变声道的形状。许多话音编码器用一个短期滤波器来模拟声道。但由于声道形状的变化比较慢，模拟滤波器的传递函数的修改不需要那么频繁，典型值在20 ms左右。
压缩空气通过声门激励声道滤波器，根据激励方式不同，发出的话音分成三种类型:浊音(voiced sounds)，清音(unvoiced sounds)和爆破音(plosive sounds)。
分享到:
閱讀更多 AI科技生活 的文章
