早上好呀！

時域與頻域的愛恨糾葛

語音訊號的時頻變換是一種數學技術，用於將語音訊號從時域（時間）轉換為頻域（頻率），先簡單介紹一下我們之後會一直討論到的轉換方式。

1. FFT（快速傅立葉轉換，Fast Fourier Transform）：

• FFT是一種高效的算法，用於計算離散傅立葉轉換（DFT），將時域訊號轉換為頻域。
• 它通常用於計算信號的頻譜，以便分析信號的頻率成分。

2. IFFT（逆傅立葉轉換，Inverse Fast Fourier Transform）：

• IFFT是FFT的逆過程，將頻域訊號轉換回時域。
• 在通信和語音處理中，它通常用於從頻域訊號中重建時域訊號。

3. STFT（短時傅立葉轉換，Short-Time Fourier Transform）：

• STFT是將語音訊號分成多個小時間段，然後對每個時間段應用FFT的方法。
• 它產生一個時頻表示，稱為時頻圖（Spectrogram），顯示語音在不同時間和頻率上的強度變化。
• STFT在語音處理中廣泛用於特徵提取、語音識別和語音合成。

4. ISTFT（逆短時傅立葉轉換，Inverse Short-Time Fourier Transform）：

• ISTFT是STFT的逆過程，它將時頻表示恢復為原始語音訊號。
• 在語音合成中，ISTFT用於從頻域訊號生成時域訊號。

5. COLA（常數重疊相加，Constant Overlap-Add）：

• C指的是常數，是在ISTFT之後產生的條件。

先大致的了解以上名詞及定義，就可以來看後面的文章，更深入了解上面這些方法之間的關係！

參考書籍：Hey Siri及Ok Google原理：AI語音辨識專案真應用開發
參考網站：今日無
學習對象：ChatGPT