本文探讨了以Sphinx为代表的SpeechRecognition系统中的HMM模型及其局限性，并分析了Sphinx4复杂的内部数据结构如何影响其性能。
1、识别模型
Sphinx为代表的Speech Recognition(SR)系统中，主要应用的模型都是HMM。也就是一个元素的识别主要依据之前的若干元素，而与其后的元素无关。这是一个比较重大的缺陷。其他模型可以更好的处理这个问题，如Bayesian或CRF。
2、复杂的数据结构影响性能
Sphinx4的数据结构较为复杂，而且应用了很多Java中的泛型、List、重载、接口等技术。这些技术在方便编程的同时，实际上严重的影响速度。
References:
[1]SPHINX III Signal Processing Front End SpeciÞcation
[2]Sphinx 4 Code Walk-Through
[3]Sphinx 4 Overview
[4]Sphinx 4 Architecture Overview
[5]Sphinx 4 for the JavaTM platform Architecture Notes
[6]Sphinx4 Acoustic Model
[7]HMMs vs. HMM States
Sphinx为代表的Speech Recognition(SR)系统中，主要应用的模型都是HMM。也就是一个元素的识别主要依据之前的若干元素，而与其后的元素无关。这是一个比较重大的缺陷。其他模型可以更好的处理这个问题，如Bayesian或CRF。
2、复杂的数据结构影响性能
Sphinx4的数据结构较为复杂，而且应用了很多Java中的泛型、List、重载、接口等技术。这些技术在方便编程的同时，实际上严重的影响速度。
References:
[1]SPHINX III Signal Processing Front End SpeciÞcation
[2]Sphinx 4 Code Walk-Through
[3]Sphinx 4 Overview
[4]Sphinx 4 Architecture Overview
[5]Sphinx 4 for the JavaTM platform Architecture Notes
[6]Sphinx4 Acoustic Model
[7]HMMs vs. HMM States
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
