超级会员免费看
本文以最经典的基于GMM-HMM的语音识别框架为例，通俗解释语音识别流程。通过MFCC特征提取、GMM分类、HMM序列建模和语言模型（LM）约束，解释如何将音频转化为文本。通过举例和关键概念介绍，帮助理解这一过程。
语音识别的基本流程
语音的识别对于人类来说是很自然的一个过程，但要让机器“听懂”却十分困难。一段音频文件，机器怎么才能知道它代表的是什么意思呢？语音识别要做的事，就是组CP：根据音频文件来判断对应的文本。当然，要让机器真正的“听懂”和“理解”，还涉及到很多其他的知识，语音识别只是其中一个环节。
那么机器接收到左边这段语音之后，是怎么把它一口口吞下去，最后吐出来一个“two”呢？下图中，我们以最经典的基于GMM-HMM的语音识别框架为例，可以看到，经过数据准备、特征提取、训练、再到解码，就可以获取最终的结果。
流程看完，是不是有人要问了：我知道你有道理，但是为什么有道理呢？我不想听你说理论，就想
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
