什么是嵌入式訓練(Embedded Training)？

序列的標注問題

機器學習的問題主要分為三類：分類問題，標注問題和回歸問題

標注問題的輸入是一個觀測序列，輸出是一個標記序列或者狀態序列。標注問題的一個目標是訓練一個模型，使它能夠對觀測序列給出標記序列和狀態序列。

常用的統計學習方法： 隱馬爾科夫模型，條件隨機場。

在信息提取和自然語言處理中，標記問題是常見的基本問題。

如何標注

在進行語音識別的時候，我們不知道語音的哪一個部分對應的是哪一個音素或者詞。首先想到的是，人為給它打上標簽，即每一個音頻中的因素或者詞都根據發音字典等等被手動分開和標記。然而實際情況中由于工作量太大而無法操作，這就需要一個方法能夠自動切分音素或者詞。

最常見的實現方式可以參考下圖：

圖中展示的主要是兩部分：

(1)根據字典建立隱馬爾科夫模型；

這個模型定義了一些反映發音的隱狀態

(2)特征提取

提取MFCC特種

接下來最重要的是如何訓練得到HMM的參數問題？即如何得到轉移矩陣和發射概率。

一個高效的訓練方法是直接使用Viterbi解碼算法訓練，這種訓練方法的另外一種叫法是維特比對齊或者強制對齊(forced alignment)。

為什么叫嵌入式訓練

因為每一個發音都嵌在整個句子中，作為訓練的一部分，所以把這個訓練過程叫做嵌入式訓練。

嵌入式訓練的過程

(1)建立句子的HMM模型

(2)初始化轉移概率A

(3)使用訓練集的均值和方差初始化發射概率B

(4)使用Viterbi算法訓練，得到B

這種訓練方法的基本思路是：在知道詞對應的觀測狀態下，直接設定轉移概率強制Vertibi解碼時通過確定的詞。

嵌入式訓練的結果

這個訓練的目的就是為了把音頻信號與我們的特征一一對應，也就是對齊，為后面的識別做準備。

總結

以上是生活随笔為你收集整理的语音识别中强制对齐_语音识别中的标注问题和嵌入式训练的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。