5.8 语音感知

这里我们不细谈语音感知中关于音素、音节、单字等方面的知识。中文的语音感知和英文有很大不同。感知语音学是研究语言感知的学科。语音由说话人说出，成为言语波，通过空气传到听话人耳中，经过听觉机制、神经系统理解语音含义。广义地说，上述全过程都是言语的感知过程。听觉的研究属于生理学方面，神经系统的研究属于感知方面。语言的感知与语言学、语音学有密切关系，因此成为一门独特的学科[1]。语言是人类最自然的交互方式。计算机发明之后让机器能够“听懂”人类的语言、理解语言含义并能做出正确回答，就成为人们追求的目标。这个过程主要采用了三种技术，即自动语音识别（Automatic Speech Recognition，ASR）、自然语言处理（Natural Language Processing，NLP）和语音合成（Speech Synthesis，SS）。语音识别技术的目的是让机器能听懂人类的语音，这也是目前快速发展的一个学科，是汽车语音交互的一个重要组成部分。

人类在语音感知的过程中，和文字语言一样，同时采取由下至上的方法（识别文字和语音的元素）和由上至下的模式（通过应用场景和上下文来“猜测”可能的文字或语音）。在自然语言处理方面，由上至下的模式对语言的理解是很重要的一环。

在人与人语言交流的过程中，除了语言、语音本身传达的信息之外，还有其他因素对语言交流起到很大作用：1）口腔的运动。对于听力有问题的人，唇读起到很大作用。其实对于正常人来讲，唇读对语音的理解也起到很大作用，它丰富了我们所听到的语言，通过生活中与人面对面交流的不断实践，它已经成为我们“听”话的一部分。试想，当你在看电视剧时，配音演员的声音与演员的口型没有对上，你会觉得很不舒服，甚至会干扰你对听到内容的理解。2）非语言的暗示。这些包括了我们讲话时的手势、身体姿势及面部表情等。3）歧义性。这里是指在两个人或多个人交流时，听者的面部呈现出困惑和不解的表情，使得演讲者适当地调整自己的讲话，或者对让人困惑的内容做进一步解释。4）对交流的内容有共同的背景知识。