音声合成：音高、泛音、谐波、基频 到底是什么概念？

工具

Kaldi，虽然非常高效，表现也好，但是忒难用，不灵活，总得改C++代码；
PyKaldi，虽然用上了机器学习界宠儿Python，但本质上跟Kaldi还是一回事嘛；
PyTorch-Kaldi，虽然灵活了一些，声学模型也易于修改，但是，跟前面一样，它也还是Kaldi呀；
ESPNET，虽然是基于Python和PyTorch的，但是只支持端到端语音识别，太不全面了；

• mac os 软件：http://spek.cc/
• 声音四大要素：音高、强弱、长短、音色
  • 音高：就是振动的频率不同导致的区别。
  • 强弱：就是振动的振幅不同导致的区别。
  • 长短：就是振动持续时间的不同导致的区别。
  • 音色：音色的区别是由于各种振动，其总能量在泛音各音级上能量分配不同而造成的。

音高

• 中央区的A音符发出的频率为440Hz（表示成"A=440Hz"，或是"A440"），通常被当作“标准音高”。
  • 人类对音高