作者:禅与计算机程序设计艺术
1.简介
近年来,基于人工智能(AI)、机器学习(ML)等新技术的应用已经成为科技创新和产业变革的主流趋势。以语音识别为例,移动端的语音识别技术已经深入到用户每天使用的交互方式之中。为了更好地理解这些技术背后的理论基础和算法原理,本文从语音识别的概率模型出发,着重阐述概率模型的建立方法、计算过程和推断结果。并通过案例——语音识别中的混合高斯模型(Gaussian Mixture Model,GMM),进一步探讨GMM在语音识别领域的应用。最后,还将该理论扩展到其他语言表述的情形,以一种通用的形式提升对这一类技术的理解。文章以1.2节进行简介,2-6节分别进行了阐述。
1.2 概述
背景介绍
语音识别(Speech Recognition,SR)系统是指一个自动化的计算机程序,能够将语音信号转换成文字信息。其功能包括语音转文本(Speech to Text,STT)、手语识别(Voice Recognition,VR)等。而在实际应用当中,往往需要结合机器学习(Machine Learning,ML)的方法处理各种环境下复杂的语音信号。因此&