上下文相关的GMM-HMM声学模型
一、上下文对音素发音的语谱轨迹的影响
受到上下文的影响,同一个音素的发音语谱轨迹不同
为提高识别准确率,对音素建模时应将这种上下文影响考虑在内
二、基于上下文相关的音素建模
注意,非单音素建模中,每个模型依旧代表一个音素,只是考虑了这个音素的上下文关系而已
(一)双音素diphones
考虑上个音素/下个音素对当前音素的影响
对于ROCK:
两个??分别取决于ROCK的前一个单词的最后一个音素和后一个单词的第一个音素
灰色的边界单元为邻近单词所共享
为语法/词序列中观察到的前后音素的每个组合构建单独的基于双音素的单词模型,
因此,同一个单词对应的单词模型常有多个
有时,根据语法,同一个单词的不同模型的部分可以重叠
由于边界单元为邻近单词所共享,所以不再具有明确识别出的单词级HMM
无法区分哪些双音素是词内,哪些是跨词---单词边界不明确
因此可区分对待词内双音素与跨词双音素---共2xNxN个模型(N为单音素个数)
分别用词内训练数据和跨词训练数据进行训练
(二)三音素triphones
考虑上个音素和下个音素对当前音素的影响
与双音素不同,不存在跨词共享的边界单元
与双音素相同,??与前一个单词和后一个单词相关,同一个单词常对应多个单词模型
有时,根据语法,出现部分重叠
三音素的情况变得更为复杂:
模型数更多,搜索更慢
基于单音素
基于三音素
填料音:背景噪音等,有声填料音:"UM","UH"等
三音素类型:
词内三音素
词首跨词三音素
词尾跨词三音素
单词只有单音素的三音素
(三)多音素nphones
(四)单词vs单音素vs双音素vs三音素vs多音素
1、单词
词汇量大时,为每一个单词建模,导致模型的数量很大,模型很难训练
无法识别训练数据中未出现过的单词---这样的单词实际很多(Zipf定律)
2、单音素
3、双音素
4、三音素---最常用,可通过参数共享控制模型复杂度
三音素数量分布非常接近Zipf定律轨迹
5、多音素
Nphone:
随着N的增大,多音素数量分布轨迹越来越接近Zipf定律,
当N大于3时,相对于收益的增加程度,代价的花费更大,
因此,常使用三音素
三、基于上下文相关的声学模型训练
上下文相关的GMM-HMM声学模型的更多相关文章
- 04(1) 基于上下文相关的GMM-HMM声学模型1
1.上下文对音素发音的语谱轨迹的影响 受到上下文的影响,同一个音素的发音语谱轨迹不同 为提高识别准确率,对音素建模时应将这种上下文影响考虑在内 2.基于上下文相关的音素建模 注意,非单音素建模中,每个 ...
- 04(2) 基于上下文相关的GMM-HMM声学模型2之参数共享
1.三音素建模存在的问题 问题一:很多三音素在训练数据中没有出现(尤其跨词三音素) 问题二:在训练数据中出现过的三音素有相当一部分出现的频次较少 因此,三音素模型训练时存在较严重的数据不足问题 2.参 ...
- 上下文相关的GMM-HMM声学模型续:参数共享
一.三音素建模存在的问题 问题一:很多三音素在训练数据中没有出现(尤其跨词三音素) 问题二:在训练数据中出现过的三音素有相当一部分出现的频次较少 因此,三音素模型训练时存在较严重的数据不足问题 二.参 ...
- [源码解析] PyTorch 分布式 Autograd (3) ---- 上下文相关
[源码解析] PyTorch 分布式 Autograd (3) ---- 上下文相关 0x00 摘要 我们已经知道 dist.autograd 如何发送和接受消息,本文再来看看如何其他支撑部分,就是如 ...
- 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 ...
- kaldi基于GMM的单音素模型 训练部分
目录 1. gmm-init-mono 模型初始化 2. compile-train-graghs 训练图初始化 3. align-equal-compiled 特征文件均匀分割 4. gmm-acc ...
- HMM拓扑与转移模型
<Topology> <TopologyEntry> <ForPhones> 1 2 3 4 5 6 7 8 </ForPhones> < ...
- JavaScript的执行上下文
在JavaScript的运行过程中,经常会遇到一些"奇怪"的行为,不理解为什么JavaScript会这么工作. 这时候可能就需要了解一下JavaScript执行过程中的相关内容了. ...
- Execution Contexts (执行上下文)
本章我们一起讨论一下ECMAScript的执行上下文及相关可执行代码的各种类型.so...什么是执行上下文?我们来看看定义: 每次当控制器转到ECMAScript可执行代码的时候, 即会进入到一个执行 ...
随机推荐
- 使用delphi-cross-socket 开发kbmmw smart http service
前几天我说了使用delphi-cross-socket 扩展kbmmw 的跨平台支持,今天我说一下使用 kbmMWCrossScoketHttpServerTransport 在linux 下支持 k ...
- 核心一:IoC
IoC 1.中文名称:控制反转 2.英文名称:(Inversion of Control) 3.IoC是什么? 3.1 IoC 完成的事情原先由程序员主动通过new 实例化对象事情,转交给Spring ...
- 2018.10.29 bzoj4564: [Haoi2016]地图(仙人掌+莫队)
传送门 根据原图建一棵新的树. 把原图每一个环上除了深度最浅的点以外的点全部向深度最浅的点连边. 然后可以搞出来一个dfsdfsdfs. 这个时候我们就成功把问题转换成了对子树的询问. 然后就可以对权 ...
- 将驼峰转化为下化线(将型如AbcDef转化为abc_def)
strtolower(preg_replace('/((?<=[a-z])(?=[A-Z]))/', '_', 'AbcDef'))
- UVa 10828 Back to Kernighan-Ritchie (数学期望 + 高斯消元)
题意:给定一个 n 个结点的有向图,然后从 1 结点出发,从每个结点向每个后继结点的概率是相同的,当走到一个没有后继结点后,那么程序终止,然后问你经过每个结点的期望是次数是多少. 析:假设 i 结点的 ...
- javascript 根据 两点 经纬度 测出距离
<!DOCTYPE html> <html> <head> <meta http-equiv="Content-Type" content ...
- (转)ASP.NET(C#)FileUpload实现上传限定类型和大小的文件到服务器
上传文件有两个主要的目的地,一个是服务器,另一个是数据库,ASP.NET内置了FileUpload这个上传控件,文本框显示用户选择的文件的全名. 其属性主要包括: ContenLength:上传文件大 ...
- java web 大文件下载
泽优大文件下载产品测试 泽优大文件下载控件down2,基于php开发环境测试. 开发环境:HBuilder 服务器:wamp64 数据库:mysql 可视化数据库编辑工具:Navicat Premiu ...
- loadrunner实战篇 - 客户关系管理系统性能测试
系统介绍 图1(客户关系管理系统模块关系图) 需求分析 一.性能指标 性能指标分 ...
- POJ3169--Layout(SPFA+差分系统)
Description Like everyone else, cows like to stand close to their friends when queuing for feed. FJ ...