易于训练等优点自世纪年代开始被广泛应用于语音识别

[sami]

因此汉语音节结构可以简化为声母+韵母汉语中共有个无调音节大约个有调音节。 声学建模单元的选择可以采用多种方案比如采用音节建模、音素建模或者声韵母建模等。汉语普通话比较合适采用声韵母进行声学建模因为不存在冗余所以不同音节之间可以共享声韵母信息如“”和“”均有韵母“”。

这种建模单元方案可以充分利用训练数据使得训练出来的声学模型更加稳健。如果训练数据足够多则建议采用带声调的声韵母作为声学模型的建模单元。对于英文来讲因为没有声调可以采用音素单元来建模。为了表述方便很多文献也常常把普通话的声韵母归为音素级别。

音素的上下文会对当前中心音素的发音产生影响使当前音素的声学信号发生协同变 马耳他电话号码列表 化这与该音素的单独发音有所不同。单音素建模没有考虑这种协同发音效应为了考虑该影响实际操作中需要使用上下文相关的音素也被称为“音子”作为基本单元进行声学建模即考虑当前音素的前一个音素和后一个音素使得模型描述更加精准。

对音子进行精细建模需要大量的训练数据而实际上对于某些音子而言数据很难获得同时精细建模导致模型建模单元数量巨大例如音素表有个音素则需要的音子总数为:=模型参数显然急剧增加。因此严格意义上的音子精细建模不太现实往往通过状态绑定策略来减小建模单元数目典型的绑定方法有模型绑定、决策树聚下面将着重介绍类声学模型包括基于-的声学模型、基于-的声学模型以及端到端模型。

基于-的声学模型是一种统计分析模型它是在马尔可夫链的基础上发展起来的用来描述双重随机过程。的理论基础在年前后由等人建立随后由的和的等人应用到语音识别中..和.等人进一步推动了的应用和发展。有算法成熟、效率高、易于训练等优点自世纪年代开始被广泛应用于语音识别、手写字识别和天气预报等多个领域目前仍然是语音识别中的主流技术。