输出：
phoneme：音素：通过发音的最小单元
grapheme：字母：通过书写的最小单元
word：单词：通过单词
morpheme：词素：语言中构成词的要素
输入
取声音信号的一个windows，这个windows一般为25ms
通过一个向量表述这一小段声音讯号的特征：
1、400 sample points：采样点（假设声音的频率十16KHz）
2、39-dim MFCC
3、80-dim filter bank output：录波器组输出<逐渐取代MFCC>
原文：https://www.cnblogs.com/zx5359499/p/13941798.html