孙秀龙1. 语音、声音与言语的基础概念辨析
在语言学和声学领域，voice（语音）、sound（声音）和speech（言语）这三个术语经常被混用，但它们实际上代表着完全不同的概念。作为从业十年的语音技术工程师，我见过太多因为概念混淆导致的技术方案偏差。今天我们就来彻底理清这三者的区别与联系。
语音（voice）特指人类通过声带振动产生的有声信号，它有三个关键特征：由人类发声器官产生、携带语言信息、具有特定的声学特征（如基频范围在85-255Hz）。当你说话时，无论内容是什么，只要是通过声带发出的就是语音。
声音（sound）则是更广泛的物理概念，指任何通过介质（通常是空气）传播的机械波。从物理角度看，声音有三个核心参数：频率（决定音高）、振幅（决定响度）和波形（决定音色）。鸟鸣、汽车喇叭、音乐都属于声音范畴。
言语（speech）是语音的高级组织形式，特指具有语法结构和语义内容的有意义语音序列。它必须包含语言三要素：语音（物质外壳）、词汇（建筑材料）和语法（结构规则）。当你说"今天天气真好"时，这就是一个完整的言语表达。
关键区分：所有speech都是voice，所有voice都是sound，但反过来不成立。比如咳嗽声是voice但不是speech，雷声是sound但既不是voice也不是speech。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 产生机制与物理特性对比
2.1 生理生成机制差异
人类语音的产生是个精密的生理过程：肺部气流→声带振动→声道调制→口鼻辐射。声带振动产生基音（典型男性基频110Hz，女性220Hz），声道形状变化形成不同的共振峰（Formant），这是区分元音的关键。
非语音声音的产生机制则五花八门：
- 乐器：弦振动（吉他）、空气柱振动（笛子）
- 环境声：物体碰撞（敲门声）、流体运动（风声）
- 电子声：振荡电路（警报声）
言语的产生还需要大脑语言中枢的参与。布洛卡区负责语法处理，韦尼克区处理语义理解，这两个区域的协同工作才能产生有意义的言语。
2.2 声学特征参数对比
通过频谱分析可以清晰看到三者的区别：
| 特征 | 语音(voice) | 一般声音(sound) | 言语(speech) |
|------------|-------------------|----