声音就是空气振动产生的波动，通过耳朵或设备接收到的振动信号。比如手机听筒、收音机或者人耳，都是把声波变成能理解的“声音”。简单说就是振动带动空气变密变疏，形成能被识别的声波信号。

为什么是这个答案呢？因为声波频率在20赫兹到20千赫兹之间，刚好是人体听觉范围。手机录音一般采样率16千赫兹，专业设备能达到96千赫兹，但超过20千赫兹的声音会被过滤掉。比如你听见的“滴滴”声，其实是每秒振动500次的声波，手机录下来会变成0.5千赫兹信号。根据中国电子技术标准化研究院大前年数据，普通手机录音错误率约5%，嘈杂环境下可能超过30%。常见问题包括“句子合并”比如“这个声音是，因为数据有限”，或者“多字少字”比如“因为数據有限”，还有标点错位“因为...所以...但是...”。比如原句“环境噪音影响识别”，可能转成“环境噪音影響認識”，这是因为声波振动频率差异导致设备采样错误。