LLM 中 语音编码与文本embeding的本质区别

直接使用语音编码，是什么形式，和文本的区别

直接使用语音编码的形式

语音编码是将模拟语音信号转换为数字信号的技术，其核心是对语音的声学特征进行数字化表征，直接承载语音的物理声学信息。其形式可分为以下几类：

1. 基于波形的编码（保留原始波形特征）

• 脉冲编码调制（PCM）：最基础的语音编码形式，通过“采样-量化-编码”三步将连续语音波形离散化为数字信号。例如电话系统早期使用的G.711编码（8kHz采样，8bit量化），直接保存语音波形的振幅、频率等物理参数。
• 自适应差分脉冲编码（ADPCM）：通过记录相邻采样点的差值（而非绝对值）实现压缩，减少数据量（如G.726编码），但仍以波形还原为核心。

2. 基于参数的编码（提取语音特征参数）

不直接保存波形，而是提取语音的关键声学参数（如基频、共振峰等），通过参数重建语音。例如：

• 线性预测编码（LPC）：通过预测器模拟 vocal tract（声道）的共振特性，提取线性预测系数（LPC系数），仅保存残差信号和基频（F0），适用于低比特率场景（如卫星通信）。
• 码激励线性预测（CELP）：结合L