隐马尔可夫模型(Hidden Markov Model,HMM),是用于建模离散时间序列的常见模型,它在语音识别中已经使用了几十年了。
HMM 涉及的主要内容有,两组序列(隐含状态和观测值),三种概率(初始状态概率,状态转移概率,发射概率),和三个基本问题(产生观测序列的概率计算,最佳隐含状态序列的解码,模型本身的训练),以及这三个问题的常用算法(前向或后向算法,Viterbi 算法,EM 算法)。语音识别的最终应用对应的是解码问题,而对语音识别系统的评估、使用也叫做解码(Decoding)。
GMM(高斯混合模型,Gaussian Mixed Model),主要就是通过GMM来求得某一音素(phoneme)的概率。
Datawhale语音识别-Task6:语音识别基础知识
最新推荐文章于 2024-08-30 16:54:17 发布