Speech Recognition

一、语音处理比文字处理样本数多很多（T>>N）

二、token种类

1、phoneme：发音的具体单位，可以类似为音标，早期最常用

（1）lexicon：符点，记载了文字和phoneme之间的关系

2、grapheme：书写的基本单位

（1）英文单词，N为长度，V为字符集数量，这里的+是加上了标点符号和空格。

（2）中文句子

3、word（几乎没有办法计算V的大小）

4、morpheme：最小的有意义的单元（比如词根），比使用word少，多于使用grapheme：需要语言学家或统计学家得出。

5、bytes：非常具有独立性

6、utf-8

7、占比及发展

三、语音+不同算法的应用：语音识别、翻译、目的性分类、空位填充

四、声学特征

1、读取框25ms，每次移动大小10ms 得出一个feature

2、样本点个数十分大量，维度也有不同的选择方式

2、声音信号通过各个算法获得的不同结果

3、发展趋势及论文中使用占比

4、文字及声学样本数目对比

五、模型使用趋势