Específicamente:
* Grabaciones de voz Capture la señal acústica: Graban las vibraciones de las ondas de sonido producidas por las cuerdas vocales, la lengua, los labios, etc., ya que son emitidos por un altavoz. Esta es una forma de onda continua.
* Los fonemas son unidades lingüísticas abstractas: No son directamente observables en la forma de onda; En cambio, se infieren de la señal acústica. Los lingüistas y los científicos del habla analizan las propiedades acústicas de la grabación para identificar los fonemas que componen las palabras habladas.
* El mapeo es complejo y no es uno a uno: El mismo fonema puede sonar diferente según el contexto (por ejemplo, los sonidos circundantes, el acento del altavoz). Además, la señal acústica contiene mucho más que solo fonemas; Incluye características prosódicas como entonación, estrés y ritmo, así como ruido y otros artefactos.
En resumen, una grabación de voz son los datos sin procesar; Los fonemas son la interpretación lingüística de aspectos de esos datos. Extraer fonemas de una grabación de voz requiere un procesamiento de señales sofisticado y conocimiento lingüístico.