傳統聲學模型之HMM和GMM
聲學模型是指給定聲學符號(音素)的情況下對音頻特征建立的模型。 數學表達 用 \(X\) 表示音頻特征向量 (觀察向量)，用 \(S\) 表示音素 (隱藏/內部狀態)，聲學模型表示為 \(P(X|S)\)。 但我們的機器是個牙牙學語的孩子，並不知道哪個音素具體的發出的聲音是怎么樣的。我們只能 ...
原文：AI大語音（八）——GMM-HMM聲學模型
基於GMM的 孤立詞識別系統以詞為訓練單位，添加新詞匯需要重新進行訓練，若要涵蓋所以詞，差不多 萬個詞，訓練量極大，預測時也要計算 萬個模型的似然，哪個大預測出哪個，在實際應用中有局限性，只能應用於小詞匯量場合。 孤立詞識別系統識別了 的數字的英文單詞，但是假如有人用英文報電話號碼，是識別不了整個號碼的，甚至識別不了其中的one。 孤立詞識別這個模型無法從一連串英文號碼 里面包含了one two ...
2020-09-24 14:36 0 871 推薦指數：
相關推薦
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 ...
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 ...
AI大語音（六）——混合高斯模型（GMM）
出任意類型的分布？ AI大語音：不僅GMM可以，只要性質不太奇怪的混合模型一般都能近似任意分布。這個 ...
PocketSphinx語音識別系統語言模型的訓練和聲學模型的改進
PocketSphinx語音識別系統語言模型的訓練和聲學模型的改進 zouxy09@qq.com http://blog.csdn.net/zouxy09 關於語音識別的基礎知識和sphinx的知識，詳細能夠參考我的另外兩篇博文： 語音識別的基礎知識 ...
語音合成中聲學模型在可控性上的努力
本文主要介紹3種模型，分別是前向注意力（Forward Attention，FA/FA+TA），逐步單向注意力（Stepwise Monotonic Attention，SMA）和FastSpeech2，前兩者都是要求注意力權重盡量保證單調向前。具體來說，假設某一解碼步上的注意力權重 ...
【sphinx】中文聲學模型訓練
一 .使用CMUSphinx訓練聲學模型 CMUSphinx工具包中自帶好幾個高質量的聲學模型。美語模型，法語，中文模型。這些模型是經過優化的，為了得到最佳的性能，大多數指令交互系統能直接用這些模型，甚至一些大詞匯量的應用也能直接用他們。 除此之外，CMUSphinx提供了功能 ...
從聲學模型算法總結 2016 年語音識別的重大進步丨硬創公開課
https://zhuanlan.zhihu.com/p/24979135 雷鋒網按：在過去的一年中，語音識別再次取得非常大的突破。IBM、微軟等多家機構相繼推出了自己的 Deep CNN 模型，提升了語音識別的准確率；Residual/Highway 網絡的提出使我們可以把神經網絡訓練 ...