声学模型训练----Acoustic Modeling

最新推荐文章于 2024-02-29 16:17:28 发布

小排_611

最新推荐文章于 2024-02-29 16:17:28 发布

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

分类专栏：语音识别

本文链接：https://blog.youkuaiyun.com/weixin_37355348/article/details/77414837

本文介绍了ASR系统的声学模型训练，从上下文无关到上下文相关，如单音素到三音素HMM的转变。讨论了选择声学单元的标准，解释了音素和音素的区别。此外，文章还探讨了为什么使用三音素模型，以及如何处理数据不足的问题，如共享策略和混合物分裂方法。最后，概述了CD建模的流程图。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

General Framework for AM：

Building ASR system incrementally
Context-independent ➔ Context-dependent modeling 上下文无关文本➔上下文相关模型
Mono-phone ➔ Tri-phone HMM 单音素➔三音素
Single Gaussian mixture per state ➔ Multiple Gaussian mixtures per state 单高斯➔混合高斯

Data Preparation：

Acoustic Unit Selection：

Criteria
Accurate: accurately represent the acoustic realization that appears in different contexts
Trainable: have enough data to estimate the parameters of the unit
Generalizable: any new word can be derived from a predefined unit inventory for task-independent speech recognition

标准
准确性：准确地表示出现在不同上下文中的声学实现
可训练的：有足够的数据估计参数
可概括的：可以从任务无关语音识别的预定单位清单中导出任何新单词

Units available