Sprachsignals

Sprachsignale bezeichnet Signale, die menschliche Sprache transportieren. In der Technik umfasst der Begriff akustische Sprachsignale, die als Schallwellen entstehen und durch Mikrofone erfasst oder in der Analyse als digitale Signale verarbeitet werden. Sprachsignale können sowohl natürlich aufgenommen als auch synthetisch erzeugt sein und dienen als Grundlage vieler sprachbasierter Anwendungen.

Typische Eigenschaften von Sprachsignalen sind ihre zeitliche Variation und Nicht-Stationarität. Voiced-Abschnitte resultieren aus glottaler Stimmproduktion, unvoiced Abschnitte aus turbulenten Luftströmungen. Typische Merkmale sind die Grundfrequenz F0, Formanten der vokalischen Resonanzen, Energieverlauf und Intonation. Die Art der Aussprache, der Sprecher und der Kontext beeinflussen Lautstärke, Geschwindigkeit und Tonhöhe erheblich.

Repräsentationen von Sprachsignalen erfolgen im Zeitbereich, im Frequenzbereich oder im Zeit-Frequenz-Bereich. Wichtige Darstellungen sind das Wellenformsignal, das Spektrum und das Spektrogramm. Für die Analyse und Verarbeitung werden Merkmale wie MFCCs, Pitch-Kurven und Energieprofile verwendet. Zur Aufnahme gelten übliche Abtastraten von 8 kHz in der Telekommunikation bis zu 16–44 kHz für hochauflösende Aufnahmen. Sprachsignale können unkomprimiert oder komprimiert gespeichert werden (z. B. PCM, MP3, Opus).

Anwendungen umfassen Spracherkennung, Sprachsynthese, Sprachverbesserung, Sprecheridentifikation, Sprachtelekommunikation und forensische Phonetik. Herausforderungen sind Variabilität zwischen Sprechern und Sprachen, Hintergrundrauschen, Akzente, Mehrkanal- und Raumverhältnisse sowie Datenschutz- und Ethikfragen. Die Feldbezeichnung umfasst Sprachsignalverarbeitung, Sprachsynthese und robuste Sprachtechnologien.