语音识别

介绍

语音识别是将音频波形转换为文字的过程，本质上是音频序列到符号序列的解码问题，先插一张通俗简单的图（盗图谁不会？）

上图简单介绍了训练与识别的流程，主要用到两个模型：声学模型和语音模型，然后由解码网络（也就是“语音解码和搜索算法”这个框，通常是wfst–有限状态转换器实现）将这两个模型整合到一起；之前有说过识别过程是一个序列到序列的解码问题，在wfst中就是一个网络寻径问题（带权最短路径？viterbi？动态规划？一个意思）。下面依次通俗讲解各个部分。

声学

声学模型，通俗的讲，是用于将语音转换成拼音的模型，如何转换？先提一个概念：音素，可以简单理解成声母、韵母、或者音标，一个字的发音由若干音素串联组成，很显然我们的问题就变成了解码音素序列；而一个音素又是由多个音频帧组成，问题进一步转换为若干个音频帧到底属于哪一个音素；ok，那么现在的问题就转变为“判断音频特征序列是否属于某一个音素模型”，对时间序列的建模显然HMM隐马尔可夫模型很适合，建模的对象就是音素（也有对字、词的建模，比如对字的建模，HMM隐状态是声母韵母的音素，观测序列是MFCC特征，这或许能让你更好的理解，然而实际生产模型几乎都是基于音素的建模，通常是状态绑定的三音素模型，前述的对字建模反而会让人走入误区，因为音素HMM模型的隐状态是无实际物理意义的）。

识别千万步，特征第一步，从特征提取说起，音频帧是PCM时域信号不便直接分析，那首先需要找到能显著标注该音频帧的特征值。

特征提取：音频帧是时域信号，其时域特征不足以区分不同的发音，而频域特征却清晰很多，并且频谱的共振峰包含了绝大部分的语音信息，所以特征提取的方式也都是围