1. 背景：
- 编程语言的词汇量一般很少，而且非常结构化，代码只能在拼写和语法完全正确时，编辑和运行
- 人类语言叫「自然语言」，有大量的词汇，不同的词义，不同的口音
- 让计算机拥有语音对话的能力，这个想法从构思计算机就有了
- 「自然语言处理」因此诞生，简称 NLP，它是结合了计算机科学和语言学的一个跨学科领域
- NLP 早起的一个基本问题是怎么把句子切成一块块，数据块越小越容易处理
2. 词性
- 名词、代词、冠词、动词、形容词、副词、介词、连词和感叹词
- 子类
- 单数名词 VS 复数名词
- 副词最高级 VS 副词比较级
3. 短语结构规则
- 电脑也需要知道语法，因此开发了「短语结构规则」来代表语法规则
4. 分析树
- 给语言制定的一系列的规则，用这些规则可以做出「分析树」
- 作用：给每个单词标了可能是什么词性，也标明了句子的结构
5. 语音识别
- 计算机从声音中提取词汇，这个领域叫做「语音识别」
- 贝尔实验室在 1952 年推出了第一个语音识别系统，绰号 Audrey，自动数字识别器
- 1962 年的世界博览会上，IBM 展示了一个鞋盒大小的机器，能识别 16 个单词
- 1971 年，DARPA 启动了一项雄心勃勃的五年筹资计划，之后诞生了卡内基梅隆大学的 Harpy
- Harpy 是第一个可以识别 1000 个单词以上的系统
6. 谱图
- 横轴是时间，纵轴是不同频率的振幅，颜色越亮，那个频率的声音越大
- 这种从波形到频率的转换，是用一种算法实现的，这个算法叫做「快速傅立叶变换 FFT」
- 举例：和立体声系统的 EQ 可视化器类似
- 谱图是随着时间变化的
7. 音素
- 构成单词的声音片段
- 英语大概有 44 种音素
- 语音识别软件知道这些音素，所以本质上变成了音素识别
8. 语音合成
- 用途：让计算机输出语音，很像语音识别，不过反过来把一段文字，分解成多个声音，然后播放这些声音
- 早期语音合成技术，可以清楚听到音素是拼在一起的
- 举例：
- 1937 年，贝尔实验室的手动操作机器
- 如今，Siri, Cortana, Alexa 好了很多，但还不够像人
