ASR---自动语音识别 概述

 

语音识别基本原理：

观察矢量X=X1X2…Xn
词序列W=W1W2…Wm 
最优词序列W^

 

P(X|W): 声学模型描述了词W产生的情况下信号X的概率。

P(W): 语言模型描述了词W出现的频率

概率分布P(X|W)和P(W)被假设成某种已知的概率分布函数Pa(X|W)和Pb(W):

概率分布函数中的参数集a和b通过统计学的方法从实际训练数据中估计得到

P(W)语言模型：

 

 

语音识别系统：

 

语料库corpus：尽可能覆盖各种发音，性别，年龄多样化，数据越多越好。

发音字典Lex/dict：是联系AM, LM, Decoder的桥梁。

保存某种特定的对应关系。exp:词----发音    汉字----声韵母

深圳

深圳