1、 特征提取模式匹配语音识别类比：语音识别的第一步就是语音特征提取。 语音识别的第一步就是语音特征提取，语音信号是在人体中肺喉声道等器官构成的语音产生系统中产生的，它是一个高度不平稳的信号，它的幅度谱和功率谱也随着时间不停的变化，但是在足够短的时间内，其频谱特征相当平稳。

2、 流程：输入-编码-解码-输出 语言识别输入的是声音，属于计算机无法识别的模拟信号，所以需要通过模型将其转化成数字信号，并对其中的特征进行提取，编码时，会将声音切成很小的片段，成为 帧 ，类似于视频中最小时间单位的帧。 帧和帧之间会有一定的重叠。

4、 语音交互的完整流程大致为：唤醒→语音识别（ASR）→自然语音处理（NLP）→语音合成（TTS）可以类比为：打招呼→耳朵→大脑→嘴巴 （1）定义：将设备从休眠态变为工作态 （2）唤醒方式：语音或按键。 语音可设置唤醒词，按键一般是长按电源键0.5s。

3、 从上图中，我们可以看到它的界面是很简洁的。 操作流程如下：第一，点击添加音视频按钮，把音频文件放到界面中去；第二，点击开始降噪按钮，就自动开始转文字了；第三，当转文字的进度是100%的时候，点击保存结果就可以了。

5、 的介绍，以中文语音识别为例子，可以简单理解为，语音经过一些列信号处理后，通过声学模型，把语音映射成对应的拼音序列，再通过语言模型，把拼音序列，转换为文字序列。