基于DNN-HMM的语音识别技术
基于DNN-HMM的语音识别声学模型结构如下图所示，与传统的基于GMM-HMM的声学模型相比，唯一不同点在于用DNN替换了GMM来对输入语音信号的观察概率进行建模。DNN与GMM相比具有如下优点： DNN不需要对声学特征所服从的分布进行假设； DNN的输入可以采用连续的拼接帧 ...
原文：【语音识别】一文搞懂hmm
一 一些概念理解 熵：代表信息的不确定性。描述一件事情的时候，考虑到所有的不确定性，能将风险降到最低 最大熵：如上，描述一件未知状态时候，要尽量考虑所有的可能结果，以此估计出的结果风险才最低。从此处出发，使用最大熵模型，可以用在估计词性，要考虑到该词语的上下文条件，发音。这些都考虑到后给出的结果风险最低，指的是最接近实际结果。 最大熵的模型函数如下 假设w 是要估计的词的词性，则w ，w 可以是该 ...
2016-01-25 18:15 1 7668 推荐指数：
相关推荐
使用HMM进行分类识别（以语音识别为例）
本文内容参考了： [1] 基于HMM的语音识别系列博客 [2] 从语音识别到股指预测---隐马尔科夫模型(HMM)的一种应用 [3] 知乎问题：HMM 实际应用过程中，如何确定隐含状态数量？ [4] 袁冰清,于淦,周霞.浅说语音识别技术[J].数字通信世界,2020(02 ...
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 ...
AI大语音（九）——基于GMM-HMM的连续语音识别系统
上一专题GMM-HMM声学模型中讲述了其理论知识，这一章利用理论搭建一套GMM-HMM系统，来识别连续0123456789的英文语音。 本系统是单音素，未涉及后面三音子的训练以及决策树的内容。 在GMM专题和HMM专题中分别讲述了其训练都是EM算法，那么融合形成GMM-HMM模型后会 ...
语音识别传统方法(GMM+HMM+NGRAM)概述
春节后到现在近两个月了，没有更新博客，主要是因为工作的关注点正从传统语音（语音通信）转向智能语音（语音识别）。部门起了个新项目，要用到语音识别（准备基于Kaldi来做）。我们之前做的传统音频已基本成熟，就开始关注在语音识别上了。对于我们来说，这是个全新的领域（虽然都是语音相关的，但是语音通信偏信 ...
隐马尔科夫模型用于语音识别的原理（HMM+GMM）
本文简明讲述GMM-HMM在语音识别上的原理，建模和测试过程。这篇blog只回答三个问题： 1. 什么是Hidden Markov Model？ HMM要解决的三个问题: 1) Likelihood 2) Decoding 3) Training 2. GMM是神马？怎样用GMM求某一 ...
《语音识别的前世今生：GMM+HMM & 深度学习》讲座笔记
这是我4月份在BitTiger公开课听的王赟大牛《语音识别的前世今生》整理的笔记 ，本来打算整理通畅再发的，结果实在没时间就一拖再拖。笔记有些草率，不过应该可以看明白，希望可以对有用，也祝王赟大神好 ...
机器学习&数据挖掘笔记_14（GMM-HMM语音识别简单理解）
为了对GMM-HMM在语音识别上的应用有个宏观认识，花了些时间读了下HTK（用htk完成简单的孤立词识别）的部分源码，对该算法总算有了点大概认识，达到了预期我想要的。不得不说，网络上关于语音识别的通俗易懂教程太少，都是各种公式满天飞，很少有说具体细节的，当然了，那需要有实战经验才行 ...