語譜圖是二戰(zhàn)時期發(fā)明的，語譜圖就是語音頻譜圖，一般是通過處理接收的時域信號得到頻譜圖，因此只要有足夠時間長度的時域信號就可。專業(yè)點講，那是頻譜分析視圖，如果針對語音數(shù)據(jù)的話，叫語譜圖。語譜圖的橫坐標是時間，縱坐標是頻率，坐標點值為語音數(shù)據(jù)能量。由于是采用二維平面表達三維信息，所以能量值的大小是通過顏色來表示的，顏色深，表示該點的語音能量越強。

基本信息

可是為什么采用二維平面來表示三維信息呢？這個是有歷史原因的。在數(shù)字技術發(fā)展以前，人們可視化研究語音數(shù)據(jù)的方法是把數(shù)據(jù)通過頻率濾波器，然后各個頻率的數(shù)據(jù)驅動相應的類似針式打印的設備按頻率高低順序記錄在一卷紙上，信號的強弱由記錄在紙上的灰度來表示。記錄紙按照一定的速度旋轉，即相當于在不同的時間里記錄下語音數(shù)據(jù)。

語譜圖還分為窄帶語譜圖和寬帶語譜圖。

主要內容

我們可以觀察語音不同頻段的信號強度隨時間的變化情況。由于音樂信號本身頻率豐富，不太容易看出規(guī)律，我們可以觀察一下純粹的語音數(shù)據(jù)的語譜圖（附圖）。從圖中可以看到明顯的一條條橫方向的條紋，我們稱為“聲紋”，有很多應用。條紋的地方實際是顏色深的點聚集的地方，隨時間延續(xù)，就延長成條紋，也就是表示語音中頻率值為該點橫坐標值的能量較強，在整個語音中所占比重大，那么相應影響人感知的效果要強烈得多。而一般語音中數(shù)據(jù)是周期性的，所以，能量強點的頻率分布是頻率周期的，即存在300Hz強點，則一般在n*300Hz點也會出現(xiàn)強點，所以我們看到的語譜圖都是條紋狀的。

盡管客觀人發(fā)聲器官的音域是有限度的，即一般人發(fā)聲最高頻率為4000Hz，樂器的音域要比人寬很多，打擊樂器的上限可以到20KHz。但是，由于我們數(shù)字分析頻率時，采用的是算法實現(xiàn)的，一般是FFT，所以其結果是由采樣率決定的，即盡管是上限為4000Hz的語音數(shù)據(jù)，如果采用16Khz的采樣率來分析，則仍然可以在4000Hz以上的頻段發(fā)現(xiàn)有數(shù)據(jù)分布，則可以認為是算法誤差，非客觀事實。