声学模型

✍ dations ◷ 2025-04-03 18:04:21 #计算语言学,语音识别

声学模型(Acoustic model)是语音识别系统中最为重要的部分之一,目前的主流系统多采用隐马尔科夫模型进行建模。隐马尔可夫模型的概念是一个离散时域有限状态自动机,隐马尔可夫模型HMM是指这一马尔可夫模型的内部状态外界不可见,外界只能看到各个时刻的输出值。对语音识别系统,输出值通常就是从各个帧计算而得的声学特征。用HMM刻画语音信号需作出两个假设,一是内部状态的转移只与上一状态有关,另一是输出值只与当前状态(或当前的状态转移)有关,这两个假设大大降低了模型的复杂度。HMM的打分、解码和训练相应的算法是前向算法、维特比算法和前向后向算法。

声学模型的输入是由特征提取模块提取的特征。一般来说,这些特征是多维的向量,并且其取值可以是离散或连续的。早期的声学模型常常采用矢量量化(Vector Quantification)的方法,将信号直接映射到某个码本 k {\displaystyle k} ,根据上下文的不同将其拆分成不同的建模单元。例如,用表示在之后,之前发音的具体实现。上下文的选择方法有很多,最常见的是三音子建模单元,也就是考虑左上文右下文各一个音子,加上中心音子形成三音子对。

上下文相关建模大大提高了建模的准确性,但是同时也使得模型数量急剧膨胀,使得模型的可训练性大大降低。为了解决这一问题,就需要引入某些聚类算法来减少模型中需要训练的参数。

为了解决模型参数过多的问题,可以使用某些聚类方法来减小模型中的参数数量,提高模型的可训练性。聚类可以在模型层次,状态层次乃至混合高斯模型中每个混合的层次进行。可以将半连续隐马模型看作进行高斯混合进行聚类后的连续隐马模型。目前应用最多的方法是对状态聚类的方法。其思路是,根据状态间混合高斯模型概率输出的相似性,将输出概率接近的状态聚合在一起,以便对其的训练更加充分。聚类的方法有基于规则的方法和数据驱动方法两类。

聚类后的状态被称为Senone,每个Senone都是完整独立的高斯混合模型,它也是解码过程中的最基本单元。

传统上,参数估计使用的方法为Baum-Welch算法,属于最大似然准则下的EM算法。目前研究者提出了多种区分性训练方法(仍然属于产生式模型,但使用区分性准则)进行训练,取得了较好的效果。

相关

  • 骨科手术骨科即骨外科,也被称为矫形外科(英语:Orthopedic surgery 或 Orthopaedics,美式英文:Orthopedics)是使用手术和非手术的方法来治疗肌肉骨骼系统创伤、脊柱损伤、运动损伤、退行性
  • 玉嫔玉嫔(1843年8月14日-1863年1月5日),星恳达尔汉系叶赫那拉氏,出自褚孔格第三子尼雅尼雅喀一脉。满洲正白旗人。员外郎桂祥之女,全志的孙女,兵部尚书那清安之曾孙女。清文宗璹嫔为她
  • 30S核糖体亚基30S核糖体亚基(prokaryotic small ribosomal subunit、30S subunit)原核生物70S核糖体中的小亚基。它是核糖体RNA与核糖核蛋白组成的复合物,包括16S 核糖体RNA和21种碱性蛋白质
  • 高屏高屏地区,原称高高屏,是指台湾南部偏西南濒台湾海峡的地区,由高雄市、屏东县所构成,居住人口超过361万,聚集超过六分之一的台湾人口,拥有高雄都会区一个大型都会化地带,其余地区主
  • 方岑方岑(1968年6月2日-),本名林芳岑,曾为台湾女演员、主持人,现改行水疗师。早期家庭生活因为父亲生意失败从优渥转贫穷,国光艺校期间半工半读帮助家计和还债;之后靠机缘演出广电基金单
  • 傅炳昭傅炳昭(1865年-1946年),山东黄县人,中国近代实业家、银行家。傅炳昭于同治四年(1865年)生于山东省登州府黄县(今龙口市),其早年家境较好,曾赴华南、南洋商业考察。另据周学熙后人回忆,傅
  • 利玛窦中学利玛窦中学(Colégio Mateus Ricci)是一所非牟利的私立教会学校、澳门公共学校网络的成员。2015年是60周年校庆。它与海星中学同属天主教耶稣会管理。学校提供学前敎育、小学
  • 孔多尔库乔山坐标:14°44′25″S 72°29′12″W / 14.74028°S 72.48667°W / -14.74028; -72.48667孔多尔库乔山(Kuntur K'uchu),是秘鲁的山峰,位于该国南部,由普伊卡区和圣托马斯区负责管辖,
  • 密纹小囊蛤密纹小囊蛤(学名:)是弯锦蛤目弯锦蛤科小囊蛤属的一种。本物种分布于黄海南部及东中国海北部周边的中国大陆和韩国沿岸,常栖息于水深62-82米左右、含砂量较高的沉积物中。也见于
  • 半导体泵浦固体激光半导体泵浦固体激光(英语:Diode-Pumped Solid-State Laser,缩写为DPSS Laser),通过激光泵送给一个固体增益介质,例如,一个红宝石或掺钕YAG激光器(英语:Nd:YAG laser)晶体,带有激光二极