计算机读懂声音的过程涉及多个步骤和组件，以下是一个简化的解释：
声音捕捉
麦克风：计算机通过麦克风捕捉到我们的声音，并将其转换成电信号。
信号处理
声卡：声卡负责将电信号转换成计算机可以识别的二进制数据。为了去掉声音信号中的间断性，需要对声卡进行采样和量化。
傅里叶变换：计算机依靠傅里叶变换对声音信号进行处理，将连续的声波信号转换成离散的数字信号。
特征提取
在特征提取阶段，计算机提取声音信号的频率、强度、时长等特征，形成一个数字化的声学特征向量。
模式匹配
计算机将提取的特征与预先存储的语音模型进行比较，找出最匹配的模型。这个语音模型通常是通过大量的训练数据，让计算机学会各种语音特征和其对应的语言模式。
语音识别
通过特征提取和模式匹配的双重步骤，计算机得以理解和识别声音，实现从声音到文本的转化。现代语音识别技术，如Google的SpeechRecognition库，可以进一步简化这一过程，使得计算机能够直接将音频转换为文本。
文本输出
最后，计算机将识别出的文本输出，例如通过屏幕显示或语音合成技术转换为语音输出。
总结来说，计算机通过麦克风捕捉声音，声卡和傅里叶变换将声音信号数字化，然后提取特征并与语音模型匹配，最终实现语音识别并将结果输出为文本或语音。这一过程涉及多个技术环节，包括信号捕捉、处理、特征提取、模式匹配和识别输出。