课程演示与拓展视频

按课程主题整理的演示、科普与交互工具，可随进度反复查看。

Intelligent Speech Technology

Fall 2026 | 南京大学 | 王帅

Foundations

语音产生与感知

对应课程早期：理解语音如何产生、如何被听见。

发音机理

了解人类语音产生的生理机制，包括声带振动、声道调节等关键过程，帮助理解语音信号是如何从发声器官产生的。

在 B 站观看

听觉机制

探索人类听觉系统的工作原理，包括声音的接收、传导和感知过程，理解我们如何听到并解析语音信号。

在 B 站观看

看见声音

影视飓风的物理特效短片：用多种方式捕捉并展示声音的形态，帮助建立“声音是振动、可以被看见”的直觉， 很适合作为信号处理入门前的感性铺垫。

在 B 站观看
ASR

自动语音识别

对应 Foundations / Advanced ASR：从直觉理解到评价工具。

语音识别技术深度解析

目前看到过的最好的语音识别科普视频之一，适合在进入 ASR 章节前后建立整体图景。

在 B 站观看

贝叶斯定理：直觉与智能的密码

漫士科普视频。贝叶斯思想贯穿经典 ASR（如 HMM / 声学—语言模型融合）中的概率推断， 建议在学习 ASR 基础时一并观看。

在 B 站观看

听方言猜家乡

凭口音细节推断说话人来自哪里——和 ASR 里的声学特征、口音差异、说话人/方言相关建模直觉相通， 适合用来讨论“声音里到底编码了什么信息”。

在 B 站观看

WER 交互演示

对照参考文本与识别结果，直观理解替换、插入、删除，以及 Word Error Rate 的计算方式。课程 ASR 章节配套工具。

打开 WER Demo
Dialogue

语音对话系统

对应课程后半：对话、智能体与系统视角。

早期语音对话系统

李开复博士展示的早期语音对话系统，体现语音识别与自然语言处理的结合，是语音技术发展史上的重要里程碑。

在 YouTube 观看
TTS

语音合成

对应 Foundations / Advanced Speech Synthesis：从拼接合成到现代系统直觉。

拼接合成示例

展示语音合成中的拼接合成技术：通过拼接预录制语音片段生成流畅语音。鬼畜视频也可以看作某种（经过调音的）拼接合成。

在 B 站观看

Google 语音助手（拼接合成）

展示 Google 早期语音助手使用的拼接合成方案：用精心设计的小语音单元拼接，实现相对自然的语音输出。

在 YouTube 观看
Singing & Music

歌声合成与转换

对应 Voice Conversion / Audio and Music Processing 相关周次。

歌声合成示例

展示先进歌声合成技术所能达到的自然度。技术很好，但请理性看待 up 主的读博劝退内容。

在 B 站观看

AI 孙燕姿歌声转换

展示 AI 歌声转换能力：通过深度学习实现歌手音色的转换与模仿，和 voice conversion 主题直接相关。

在 B 站观看
返回 Fall 2026 课程主页