要构建能理解语音的系统，我们必须先了解语音本身的结构及其数字表示方式。本章提供必要的背景知识，从声波的特性开始，到它在计算机上可供处理的数字表示形式。

我们将介绍从语音话语到机器可读格式的完整过程。你将学习人类语音的基本特性，以及将其数字化的技术步骤。一个表示为 $x(t)$ 的连续模拟音频信号，必须通过采样和量化等过程，转换为离散的数字序列 $x[n]$。

学完本章后，你将能够：

• 描述一个典型的自动语音识别（ASR）系统的高层架构。
• 辨认语音的基本语言单位，例如音素和音位变体。
• 解释模拟音频如何通过采样和量化转换为数字信号。
• 使用 Python Librosa 库加载和处理音频数据。
• 区分信号的时域和频域表示。
• 生成并理解语谱图，作为可视化语音的一种方式。

本章以一个动手练习作为结尾，你将应用这些技能来加载并可视化音频波形和语谱图，为后续的特征提取方法做准备。