一、神经网络
当前常用的语音识别框架如下图
其背后的逻辑是
在特征提取时采用的神经网络里面的DNN技术
DNN技术可以分为两种，一种是CNN模型，一种是RNN模型
二、解码器
解码器信息来源于声学模型、词典、语言模型。框图如下：
2.1 声学模型
常用的声学模型为GMM-HMM，即混合高斯模型-隐马尔科夫模型
HMM模型对时序信息进行建模，在给定HMM的一个状态后，GMM对属于该状态的语音特征向量的概率分布进行建模。
2.2 词典
字典：就是发音字典，中文中就是拼音与汉字的对应，英文中就是音标与单词的对应
用途：
根据声学模型识别出来的音素，在字典中来找到对应的汉字（词）或者单词，用来在声学模型和语言模型建立桥梁，将两者联系起来。
比方如下词语的映射表：
2.3 语言模型
语言模型是针对某种语言建立的概率模型，是用来计算一个句子的概率的概率模型。
划分以下两种：
2.3.1 N元统计语言模型：N-gram模型、平滑化
2.3.2 神经网络语言模型：
与统计语言模型不同的是，神经网络语言模型不通过计数的方法对nn元条件概率进行估计，而是直接通过一个神经网络对其建模求解。
用途：
1、决定哪一个词序列的可能性更大
2、已知若干个词，预测下一个词
例子：
1、I went to a party.
Eye went two a bar tea.
2、你现在在干什么？
转载请说明出处
知优网 » AI智能语音识别算法 下篇（人工智能语音识别算法）
知优网 » AI智能语音识别算法 下篇（人工智能语音识别算法）
