基於DNN-HMM的語音識別技術
基於DNN-HMM的語音識別聲學模型結構如下圖所示，與傳統的基於GMM-HMM的聲學模型相比，唯一不同點在於用DNN替換了GMM來對輸入語音信號的觀察概率進行建模。DNN與GMM相比具有如下優點： DNN不需要對聲學特征所服從的分布進行假設； DNN的輸入可以采用連續的拼接幀 ...
原文：【語音識別】一文搞懂hmm
一 一些概念理解 熵：代表信息的不確定性。描述一件事情的時候，考慮到所有的不確定性，能將風險降到最低 最大熵：如上，描述一件未知狀態時候，要盡量考慮所有的可能結果，以此估計出的結果風險才最低。從此處出發，使用最大熵模型，可以用在估計詞性，要考慮到該詞語的上下文條件，發音。這些都考慮到后給出的結果風險最低，指的是最接近實際結果。 最大熵的模型函數如下 假設w 是要估計的詞的詞性，則w ，w 可以是該 ...
2016-01-25 18:15 1 7668 推薦指數：
相關推薦
使用HMM進行分類識別（以語音識別為例）
本文內容參考了： [1] 基於HMM的語音識別系列博客 [2] 從語音識別到股指預測---隱馬爾科夫模型(HMM)的一種應用 [3] 知乎問題：HMM 實際應用過程中，如何確定隱含狀態數量？ [4] 袁冰清,於淦,周霞.淺說語音識別技術[J].數字通信世界,2020(02 ...
一文搞懂HMM（隱馬爾可夫模型）
什么是熵(Entropy) 簡單來說，熵是表示物質系統狀態的一種度量，用它老表征系統的無序程度。熵越大，系統越無序，意味着系統結構和運動的不確定和無規則；反之，，熵越小，系統越有序，意味着具有確定和 ...
AI大語音（九）——基於GMM-HMM的連續語音識別系統
上一專題GMM-HMM聲學模型中講述了其理論知識，這一章利用理論搭建一套GMM-HMM系統，來識別連續0123456789的英文語音。 本系統是單音素，未涉及后面三音子的訓練以及決策樹的內容。 在GMM專題和HMM專題中分別講述了其訓練都是EM算法，那么融合形成GMM-HMM模型后會 ...
語音識別傳統方法(GMM+HMM+NGRAM)概述
春節后到現在近兩個月了，沒有更新博客，主要是因為工作的關注點正從傳統語音（語音通信）轉向智能語音（語音識別）。部門起了個新項目，要用到語音識別（准備基於Kaldi來做）。我們之前做的傳統音頻已基本成熟，就開始關注在語音識別上了。對於我們來說，這是個全新的領域（雖然都是語音相關的，但是語音通信偏信 ...
隱馬爾科夫模型用於語音識別的原理（HMM+GMM）
本文簡明講述GMM-HMM在語音識別上的原理，建模和測試過程。這篇blog只回答三個問題： 1. 什么是Hidden Markov Model？ HMM要解決的三個問題: 1) Likelihood 2) Decoding 3) Training 2. GMM是神馬？怎樣用GMM求某一 ...
《語音識別的前世今生：GMM+HMM & 深度學習》講座筆記
這是我4月份在BitTiger公開課聽的王贇大牛《語音識別的前世今生》整理的筆記 ，本來打算整理通暢再發的，結果實在沒時間就一拖再拖。筆記有些草率，不過應該可以看明白，希望可以對有用，也祝王贇大神好 ...
機器學習&數據挖掘筆記_14（GMM-HMM語音識別簡單理解）
為了對GMM-HMM在語音識別上的應用有個宏觀認識，花了些時間讀了下HTK（用htk完成簡單的孤立詞識別）的部分源碼，對該算法總算有了點大概認識，達到了預期我想要的。不得不說，網絡上關於語音識別的通俗易懂教程太少，都是各種公式滿天飛，很少有說具體細節的，當然了，那需要有實戰經驗才行 ...