本文介绍了HMM在声学模型训练中的应用，包括Word-hmm和Sub-word hmm两种情况。Word-hmm适用于无静音标注的训练数据，常用训练流程为HInit->HRest，而Sub-word hmm则需要HERest命令，根据训练数据类型分为有标签和无标签两种训练方式。此外，文章还列举了相关命令如HInit、HCompV、HRest和HERest的作用及其在训练过程中的使用。
概况
1. Word-hmm
一个词对应一个hmm的情况，对应的训练数据如果删除了开始结尾的静音数据的话，无需标注既可以训练。
常用训练流程：
HInit->HRest
对于训练数据较少而且需要较好的抗噪性，可以使用固定方差的模型。模型的方差可以使用HCompV进行估算，无需进行重估。
2. Sub-word hmm
对于phone级别的hmm训练，需要额外引入HERest命令，根据训练数据的类型可以分为两类训练方式：
1. 对于labelled的训练数据
由于有分段音素级别的标注，可以使用word-hmm的初始化方式，使用HInit和HRest单独的初始化每一个单独的phone。
2. 对于unlabelled的训练数据
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
