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