BW算法是對某一個HMM(一個音素)進(jìn)行訓(xùn)練，需要該HMM對應(yīng)的觀察向量(一段音頻)，如何讓一段文本中的某個音素找到對應(yīng)一整段音頻中的一小段音頻？需要用到對齊來找到所有的[音素-音頻]的配對。

? ?

訓(xùn)練時也需要解碼

1，設(shè)訓(xùn)練的一句話有n個音素，即n個HMM，即3n個狀態(tài)。將這句話對應(yīng)的音頻平均地切分為n個片段(無環(huán)回的HMM)，每個片段有3個狀態(tài)(無環(huán)回，否則一個HMM大于三個狀態(tài))

2，使用k-means算法，將每個狀態(tài)對應(yīng)的所有特征向量聚類為M個簇(這句話有3nM個簇)

3，為狀態(tài)i中的每個簇計算均值、協(xié)方差矩陣和混合權(quán)重(即計算一個GMM，這句話有3nM個GMM)

4，用3中計算好的所有GMMs(3nM個)將這一段音頻解碼(維特比解碼)為多個狀態(tài)，多個HMM

5，重復(fù)上述2-4步直至收斂

? ?

hmm_chinese.pdf p59

在訓(xùn)練時用的是Viterbi算法，在識別時則用狀態(tài)Viterbi算法處理狀態(tài)級數(shù)據(jù)，用詞匯Viterbi算法處理詞匯級數(shù)據(jù)

? ?

識別過程

不考慮句法時，識別過程很類似連接詞識別中的一次通過算法

將詞匯表中所有詞對應(yīng)的所有音素的所有狀態(tài)排成一排，讀入一個待識別句子的語音數(shù)據(jù)，由維特比算法可得到一個最佳狀態(tài)序列。得到狀態(tài)序列后，可通過類似編譯原理中的文法來得到對應(yīng)的HMM序列。

? ?

聲學(xué)模型(HMMs)表示的是各詞內(nèi)狀態(tài)之間的轉(zhuǎn)移

語言模型(n-gram)表示的是詞之間的轉(zhuǎn)移概率關(guān)系

? ?

解碼時需要用到狀態(tài)Viterbi算法和詞匯Viterbi算法

? ?

一句話的識別過程需要在狀態(tài)層與詞匯層之前不斷切換，狀態(tài)層:為當(dāng)前狀態(tài)選擇概率最大的幾個下一狀態(tài)，直至詞的最后狀態(tài)處；詞匯層:為當(dāng)前詞選擇概率最大的幾個下一詞。這樣直至這句話的結(jié)尾，就得到了多條路徑，每條路徑包含兩個信息:累積概率和回溯路徑，選擇多條路徑中累積概率最大的那條路徑，使用其回溯路徑進(jìn)行回溯，就得到了該句子的識別結(jié)果。

轉(zhuǎn)載于:https://www.cnblogs.com/JarvanWang/p/7499575.html

總結(jié)

以上是生活随笔為你收集整理的训练与解码的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。