连续语音中音素识别的隐马尔可夫模型
Hidden markov models for phoneme recognition in continuous speech
我知道当我有一个孤立的音素时如何应用隐马尔可夫模型 (HMM)。我只需要创建几个 HMM 模型（每个模型至少有 3 个状态），每个音素一个，计算所有这些模型的前向算法，看看哪个概率最大。
但现在我有一个连续的语音数据库，每帧都标有音素 (TIMIT)。我如何训练 HMM 使其能够识别连续语音中的音素？
简而言之：对于连续语音识别，您可以使用辅助静音模型将音素模型连接到大型 HMM 中。
首先，您可以在孤立的音素上训练模型并将其应用于连续语音。例如，您可以根据现有标签对训练音频进行分块。
在识别步骤，将维特比解码（最可能的隐藏状态序列）应用于组合模型相当于识别音素序列。更多细节你可以从HTK书中学习相应的chapter。
要在连续数据上训练 HMM，您也可以使用类似的技巧：将单个音素模型组合成一个用于整个基础句子的大模型。训练框架将找到模型状态和音频之间的最佳对齐方式。同样，HTK book 提供了一个很好的教程。
Phoneme Recognition on the TIMIT Database provides a complete overview of the methods with a lot of references to papers. For instance, this classical article描述了上下文无关的音素识别的基本方法。
我知道当我有一个孤立的音素时如何应用隐马尔可夫模型 (HMM)。我只需要创建几个 HMM 模型（每个模型至少有 3 个状态），每个音素一个，计算所有这些模型的前向算法，看看哪个概率最大。
但现在我有一个连续的语音数据库，每帧都标有音素 (TIMIT)。我如何训练 HMM 使其能够识别连续语音中的音素？
简而言之：对于连续语音识别，您可以使用辅助静音模型将音素模型连接到大型 HMM 中。
首先，您可以在孤立的音素上训练模型并将其应用于连续语音。例如，您可以根据现有标签对训练音频进行分块。
在识别步骤，将维特比解码（最可能的隐藏状态序列）应用于组合模型相当于识别音素序列。更多细节你可以从HTK书中学习相应的chapter。
要在连续数据上训练 HMM，您也可以使用类似的技巧：将单个音素模型组合成一个用于整个基础句子的大模型。训练框架将找到模型状态和音频之间的最佳对齐方式。同样，HTK book 提供了一个很好的教程。
Phoneme Recognition on the TIMIT Database provides a complete overview of the methods with a lot of references to papers. For instance, this classical article描述了上下文无关的音素识别的基本方法。