🚀 CODING4KIDS · AI 零基础互动教程 · AI 入门系列

AI 入门第 15 讲:AI 怎样听懂声音?语音识别与声音世界

声音看不见、摸不着,为什么手机能听懂“设置闹钟”?跟机器人小星一起,把声音变成波形、数字和文字,探索语音识别与声音世界的奥秘!

👶 适合 9–15 岁 ⏱️ 约 35–45 分钟 🎧 6 个声音互动实验 🏅 6 题声音探索家闯关

🤖 故事开场:小星的耳朵在哪里?

小乐对小星说:“帮我找一首轻快的歌。”小星先把麦克风接收到的声音转换成数字,再利用语音识别模型推测小乐说了什么。可是旁边的风扇嗡嗡响,小星把“轻快”听成了“勤快”……它该怎么办?

🌊

声音是振动

振动使空气产生压力变化,传到耳朵或麦克风。

🎙️

麦克风转成信号

设备采集信号,再把它表示成一串数字。

🧠

模型识别规律

从声音特征和上下文中推测语音内容。

⚠️ 科学提醒:AI 的“听懂”通常是指完成语音识别或理解任务,不意味着它拥有与人一样的听觉体验。
01

实验 01 · 声波实验室:声音为什么有高低和大小?

调节频率和振幅,观察声波怎样改变。可以按“播放示范音”听到生成的简单正弦波(音量请调低)。

频率越高,通常听起来越尖。

振幅增大,通常听起来更响;真实响度感受还受频率等因素影响。

这里用数学正弦波模拟纯音。真实语音由许多不同频率成分组成,复杂得多。本实验不录音。

02

实验 02 · 数字采样机:怎样把连续声波变成数字?

计算机不能直接把整条连续曲线存进内存,需要在许多时刻测量它,这叫采样。采样点越稀疏,越容易遗漏变化。

⚠️ 科学补充:真实数字音频还要进行量化:把测量到的幅度表示成有限精度的数字。实际采样率通常以“每秒多少次”计量(如 16,000 次/秒),而不是本实验的“每周期几点”。
03

实验 03 · 声音特征侦探:为什么声音也能画成“图”?

语音中不同频率的能量随时间变化。声谱图把时间、频率和能量放到一张图里。

这是教学用的人工特征图,不是对真实录音计算得到的声谱图。真正的声谱图通常通过短时傅里叶变换等方法得到。

04

实验 04 · 语音识别闯关:同音词——光听声音够不够?

中文有很多同音或近音词。小星听到一段声音后,还需要利用上下文推测最合理的文字。

⚠️ 说明:这个练习只模拟“根据语境消除歧义”的一步,没有真实麦克风输入,也没有运行语音识别神经网络。真实 ASR(自动语音识别)还需要声学特征、模型预测和解码。
05

实验 05 · 噪声挑战赛:风扇太吵,为什么 AI 听错了?

拖动噪声滑块,看看教学用的简化置信度模型怎样变化。

图中的百分比是预设教学公式算出的示意分数,不是实际 AI 模型的准确率或可靠概率。降噪也可能损伤有用语音。

06

实验 06 · AI 听觉任务指挥官:听懂、翻译、说出来是同一件事吗?

语音技术其实有不同任务分工。请为下面任务选择正确的技术。

🛡️ 安全提醒:录音可能包含姓名、住址或别人的声音。使用真实语音服务前,应了解录音会不会上传、保存和分享,尤其不要未经同意录制或传播他人的声音。
07

知识地图 · 一句话是怎样被 AI 识别的?

一张图看懂从声波振动到文字输出的六步典型流程。

🗣️ 人说话
➡️
🎙️ 麦克风
➡️
🔢 数字采样
➡️
🌈 声音特征
➡️
🧠 模型预测
➡️
📝 文字结果

这是一条便于理解的典型流程。现代端到端模型不一定显式分成每一步,有些模型直接从波形或其他音频表示学习。

💡 进阶知识:为什么有些语音助手还会回答问题?

语音识别把声音转换成文字或内部表示;语言模型理解问题并生成回答;语音合成再把回答变成声音。现代多模态系统也可能把多个环节整合到一个模型里。

💡 进阶知识:什么是频谱和声谱图?

频谱描述声音包含哪些频率成分。声谱图则展示这些频率成分随时间的变化。语音中的元音、辅音和噪声可能产生不同图案,但不能仅凭一张示意图准确识别所有词语。

08

知识闯关 · 6 道题,挑战声音探索家徽章

完成下面 6 道单选题,检验你对声波采样、声谱图与语音技术的理解!

答完题目后点击“批改答案”。
09

毕业任务 · 设计一个“校园语音小助手”

它能帮助谁?要识别什么声音?如果听错了怎么办?怎样保护使用者隐私?

写下你的设计吧!
🌟 查看参考方案

“课堂字幕小助手”在获得老师和同学适当同意后,为课堂讲话生成字幕。它会在噪声大或结果不确定时标记“待确认”,不擅自猜测人名;默认不保存录音,允许授权人员管理数据。

🌟 今天记住三句话:
① 声音是振动,麦克风和采样技术能把它变成数字信号。
② AI 语音识别会利用声音特征和上下文,但遇到噪声、口音或同音词仍可能出错。
③ 语音识别、语音翻译和语音合成是不同任务;使用录音技术时必须注意隐私与同意。

🏆 AI 入门第 15 讲 · 核心知识打卡台

🌱 声音探索新星

已掌握:0 / 5 个核心知识点(点击下方卡片点亮勋章)

✅ 1. 理解声波频率与振幅的意义
✅ 2. 明白数字采样与量化原理
✅ 3. 认识声谱图的时间频率能量表示
✅ 4. 掌握同音词上下文纠错与抗噪
✅ 5. 区分 ASR/TTS 并保护录音隐私
Coding4Kids 专属少儿 AI 零基础互动系列教程 · AI 入门第 15 讲 · 无外部依赖 · 所有实验离线运行 · 不采集麦克风声音。

相关文章

← 返回教程列表
顶部