企业官网建设流程全解析

吴江盛泽建设局网站,手机网页制作app,免费网页制作代码,wordpress 后台打开慢基于模式匹配的方法无法描述发音中的各种变动性。例如#xff0c;不同人在发一个’a’或同一个人发两次‘a’时#xff0c;都会存在差异。此外#xff0c;人在识别声音时不仅需要听清发音#xff0c;还需要有语言背景#xff0c;才能理解对方说的话。我们都有这样的经验不同人在发一个’a’或同一个人发两次‘a’时都会存在差异。此外人在识别声音时不仅需要听清发音还需要有语言背景才能理解对方说的话。我们都有这样的经验参加一个专业性很强的报告会时即便听清楚了演讲者的每一个发音如果没有相关的专业背景依然很难理解其内容。为了克服这些局限20 世纪 80 年代研究者引入了统计模型方法用以对发音过程进行更精准的建模。这一方法引入了两类核心模型声学模型——用于描述发音的各种变动性语言模型——引入语言背景知识帮助系统选择更合理的句子。声学模型的目的是描述语音的生成过程。该模型将句子拆分为最基本的发音单元——音素而每个音素再细分为三个更小的基元称为“状态”。语音的生成过程可以看作是状态的跳转过程。隐马尔可夫模型Hidden Markov Model, HMM是应用最广泛的声学模型。如图 所示每个音素如b、p、m、f 等被表示为一个独立的 HMM这些音素的 HMM 前后连接组成句子。本质上一个 HMM 是一个状态序列包含若干状态图中是 3 个。状态之间可以顺序跳转图中圈与圈之间的连接也可以在同一个状态内部循环圈上的自环连接。每个状态都对应一个概率分布函数描述其可能生成的声学特征如共振峰。通过这种状态跳转和生成隐马尔可夫模型可以描述一个完整的发音过程并且可以计算模型对一段语音的生成概率。隐马尔可夫模型HMM描述语音的生成过程。每个圆圈代表一个状态每三个状态代表一个发音单元音素。在为每个音素建立了对应的 HMM 模型后即可对音素进行识别。具体方法将待识别的语音送入每个音素的HMM计算每个HMM 生成该语音的概率选择生成概率最高的HMM其对应的音素即为识别结果。对于连续语音识别情况更加复杂因为需要考虑音素之间在时间上的拼接顺序并选择生成整段语音概率最大的拼接方式。HMM 是一种生成模型旨在描述语音的生成过程。这一模型的识别过程本质上是对语音生成过程的一种反向推理。在 2012 年之前HMM 一直是语音识别领域的主流技术直到深度学习技术的兴起才逐渐被取代。语言模型在语音识别中除了声学信息语言信息同样重要。语言信息可以通过语言模型引入用来选择更合理的句子。图展示了一个例子。在这个例子中待识别的句子在发音上比较模糊声学模型难以区分“鱼刺”、“鱼翅”和“鱼池”这三个词。此时语言模型可以发挥作用。根据语言背景知识“我被鱼刺卡了”更符合常理语言模型赋予其更高的概率0.80。因此基本上可以断定句子里说的是“鱼刺”。不同句子的语言模型分数不同