上下文相关音素-状态绑定

最新推荐文章于 2020-12-06 16:56:56 发布
最新推荐文章于 2020-12-06 16:56:56 发布
阅读量4.9k 收藏 13
点赞数 2
分类专栏： 语音识别 声学模型训练 文章标签： HMM 状态绑定
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/quheDiegooo/article/details/60873999
版权
本文介绍了发音过程中由于上下文影响导致的音素变化，提出了triphone概念以解决单音素的上下文独立问题。详细阐述了HMM状态绑定的过程，包括初始化、EM迭代、状态绑定和聚类，并提到了两种聚类方法：数据驱动和决策树方法。状态绑定旨在减少参数爆炸问题，而聚类方法用于处理未在训练数据中出现的triphone。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在发音过程中，因为协同发音的影响，同一个音素在不同的位置，其发音变化很大，如下图所示：

同样的元音[eh]在不同的单词中的发音在频域上区分非常明显。


因为单音素monophone 是上下文独立的（context-independent）

为了能够表示这种区别，因此提出了triphone的概念，triphone是根据左右音素来确定的，因此是上下文相关的（context-dependent）


上图中：W对应的是词组；Q对应的是monophone；L对应的就是triphone；P对应聚类或者状态绑定之后的triphone

接下来本文就要讨论triphone聚类/状态绑定的过程。

聚类过程有2中，一种是居于数据驱动的聚类过程，第二种是基于决策树的聚类过程，首先讨论基于数据的过程

最低0.47元/天 解锁文章
[语音识别] 单音素、三音素、决策树
MachineLP的专栏
03-23 2988
了解单音素、三音素、决策树主要从几个问题出发： （1）什么是音素？ 以前的音标现在也可以叫音素，而且现在正广泛的把音标叫音素。 每一种语言中的音素都是不一样的，即使是同种语言中，方言的音素也是不一样的。音素应该与人体的发音严格的区分开，因为音素是指一个有规律的有限的发音系统而人体的发音则是无限的。 以英语为例，英语共有48个音素，其中元音20个，辅音28个。英语辅音和元音在语言中的作用，就相当...
从yesno模型入门kaldi语音识别
热门推荐
初级菜鸟
08-16 11万+
yesno模型   kaldi常用工具 http://blog.youkuaiyun.com/zjm750617105/article/details/52548798 kaldi官网工具大全http://kaldi-asr.org/doc/tools.html yesno孤立词识别kaldi脚本http://www.cnblogs.com/welen/p/7485151.html 执行 run.s...
上下文相关音素-决策树聚类
quheDiegooo的专栏
03-10 4573
triphone的决策树聚类过程。 通过monophone训练triphone过程
5-基于决策树的状态绑定
bangdan0851的博客
04-21 287
本文会讨论关于context-dependent model的优化——基于决策树的状态绑定（Tree-based state tying）。 Outline： Context-dependent model Tree-based state tying 1. Context-dependent model 在《GMM-HMMs语音识别系统》中，默认的建模单...
语音识别common1（音素，三音素）
u012809299的博客
04-14 9662
语音是一个连续的音频流，它是由大部分的稳定态和部分动态改变的状态混合构成。 一个单词的发声（波形）实际上取决于很多因素，而不仅仅是音素，例如音素上下文、说话者、语音风格等； 协同发音（指的是一个音受前后相邻音的影响而发生变化，从发声机理上看就是人的发声器官在一个音转向另一个音时其特性只能渐变，从而使得后一个音的频谱与其他条件下的频谱产生差异。）的存在使得音素的感知与标准不一样，所以我们需要
什么是上下文
二进制君
08-07 7317
微信公众号：二进制人生 专注于嵌入式linux开发。 内容整理自网络，主要参考https://blog.youkuaiyun.com/wuxing26jiayou/article/details/104883455。红色字体为编者备注。 我们在介绍进程、线程、中断时常常提及上下文的概念，那么什么是上下文。 一、上下文基本概念 进程上下文和中断上下文是操作系统中很重要的两个概念，这两个概念在操作系统课程中不断被提及，是最经常接触、看上去很懂但又说不清楚到底怎么回事。造成这种局面的原因，可能是原来接触到的操作系统课.
语音识别基本概念 II
为实现四个现代化奋斗
10-17 696
声学模型基本单元 常用的声学模型基本单元是单词（Word）、上下文无关音素（Monophone）、上下文相关音素（Triphone，Biphone）和音节（Syllable）。Monophone 模型具有模型简单、状态数较少、识别速度刽、内存占用少且与识别词汇量无关等优点，但其对发音的相关性描述不够精确，一选识别率不搞。Triphone和Syllable模型对发音相关性能准确建模，但模型数量巨大...
决策树状态绑定学习笔记一
04-04
这种方法尤其适用于三音素（Triphone）建模，因为它能够捕捉到上下文敏感性，从而提高识别率。 #### 基础概念 1. **三音素（Triphone）**：在语音识别中，一个音素通常与其左右相邻的两个音素一起考虑，这种组合被...
Kaldi ASR中的决策树状态绑定技术详解
三音素模型比单一音素模型拥有更高的分辨率，能更好地处理音素的上下文依赖性。状态绑定是三音素模型中，将具有相似声学表现的状态进行分组的过程，这样可以减少模型的复杂性，提高识别效率。 压缩包子文件的文件...
CONTEXT DEPENDENT PHONE MODELS FOR LSTM RNN ACOUSTIC MODELLING翻译
nopSled
07-03 344
摘要 长短期记忆循环神经网络（LSTM RNN）与隐马尔可夫模型（HMM）结合在一起，最近表现出优于其他声学模型的性能，例如用于大规模语音识别的高斯混合模型（GMM）和深层神经网络（DNN） 。我们认为，使用具有LSTM RNN的多状态HMM声学模型是GMM-HMM和DNN-HMM建模的不必要方式，因为LSTM RNN能够通过连续而非分段固定的声学轨迹建模来预测输出分布。我们证明了上下文无关的全音素或三态模型的具有相等的结果，并显示了最小持续时间的建模可以改善结果。我们继续说明，在给定最小持续时间模型的情况
Phoneme的相关概念以及Triphone
dhj_tsukuba的博客
05-18 3594
Phoneme的相关概念以及Triphone 目录Phoneme的相关概念以及Triphone前言可用来训练HMM的基本单位1. 片语 phrase2. 词 words3. 单音 syllables4. 音素 phonemes5. Triphone困难中文基本构成中文模型参考教程 前言 无论多长或者多短的语音单位都可以做成HMM 可用来训练HMM的基本单位 一般我们都会认为单位越小，训练效果越好，那么下面讲一下选择的基准，或者说评价标准： 精度(Accuracy)，希望我们的模型可以精确描述声音 是否容
triphone训练
披着鲨鱼皮的海盗
10-11 865
转载1：https://blog.youkuaiyun.com/fengzhou_/article/details/78066589 转载2：https://blog.youkuaiyun.com/fengzhou_/article/details/78070595 目录 决策树部分 1. acc-tree-stats 2. cluster-phones 3. compile-question 4. bui...
基于HTK的连续语音识别系统搭建学习笔记（四）
James Zhang's Blog
01-28 3380
3.创建绑定状态的三音素HMM模型 目的是加入上下文依赖（context-dependent）三音素模型并得到稳健的训练。包括两步，先由单音素得到三音素并重估参数，第二步就是绑定三音素的状态以使输出更加稳健。 [step 9]得到三音素HMM 上下文依赖三音素模型可以用单音素作为初始，再进行重估。由于重估时要三音素级标注文本，就先生成标注文本。 创建文件：mktri.led 创建位置：根
WinHTK开发与使用三：连续语音识别
neustar1的专栏
02-16 7639
WinHTK开发与使用三：连续语音识别 本文接上文，介绍连续语音识别系统设计过程，演示视频见下载资源中。 二、连续语音识别系统设计         上面讨论了一个简单的十个孤立数字识别系统的设计过程，可以看出比较简单，效果也非常好。下面将设计一连续语音识别系统，相比较于孤立词识别而言，它有很多不同的地方，且过程也比较繁琐复杂，识别效果并不是非常好（当然这是有很多原因的）。为了便于实现
语音识别基础1:建模单元 phone
林宋的搬砖流水账
11-11 2298
声学模型 描述一种语言的基本单位被称为音素Phoneme，例如BRYAN这个词就可以看做是由B, R, AY, AX, N五个音素构成的。英语中貌似有50多个音素，可以用50几个HMM state来表示这些音素，这种表示方法就是context independent模型中的单音素monophone模式。然而语音没有图像识别那么简单，因为我们再说话的时候很多发音都是连在一起的，很难区分，所以一般用左...
论文翻译（4）-Context-Dependent Sentiment Analysis in User-Generated Videos
想握住此生辽阔
10-17 4157
Context-Dependent Sentiment Analysis in User-Generated Videos 用户生成视频中的上下文相关情感分析 论文及代码地址：https://github.com/soujanyaporia/multimodal-sentiment-analysis 链接：https://pan.baidu.com/s/1SalF1JSWYvzSSc2A_zHZRA 提取码：v72o 摘要 多模态情感分析是一个正在发展的研究领域，它涉及视频中情感的识别。目前的研究认为话语是
语音识别技术介绍
weixin_45114252的博客
12-06 2853
目录背景基本概念一般流程预处理常用方法声学模型（一）多样性问题（二）语音识别任务的指标语言模型解码器工作原理（一）分析声音（二）提取特征（三）识别音素和状态（声学模型）识别文字（语言模型+ 解码器）深度学习方法发展基于transfomer的语音识别模型语音数据集 背景 语音识别 ( Automatic Speech Recognition, ASR ) 技术是语音交互领域中发展最快，同时是语音相关任务中最有挑战也是最重要的技术之一。 基本概念 语音识别的任务主要是将语音转成对应的文字，其输入信号是一段音频信
一文搞懂HMM（隐马尔可夫模型）
兔清风的博客
10-08 1万+
一文搞懂HMM（隐马尔可夫模型） 什么是熵(Entropy) 简单来说，熵是表示物质系统状态的一种度量，用它老表征系统的无序程度。熵越大，系统越无序，意味着系统结构和运动的不确定和无规则；反之，，熵越小，系统越有序，意味着具有确定和有规则的运动状态。熵的中文意思是热量被温度除的商。负熵是物质系统有序化，组织化，复杂化状态的一种度量。 熵最早来原于物理学. 德国物理学家鲁道夫·
DNN-HMM 中 DNN 与 HMM 的关系
dearwind153的专栏
04-13 9636
状态绑定参考：点击打开链接决策树的聚类参考：点击打开链接一、简单原理介绍在发音过程中，因为协同发音的影响，同一个音素在不同的位置，其发音变化很大，如下图所示：同样的元音[eh]在不同的单词中的发音在频域上区分非常明显。因为单音素monophone 是上下文独立的（context-independent）为了能够表示这种区别，因此提出了triphone的概念，triphone是根据左右音素来确定的，
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值