Key points are not available for this paper at this time.
Les systèmes de reconnaissance vocale continue à vocabulaire étendu sont connus pour être intensifs en calcul. Un des principaux goulots d'étranglement est le calcul du modèle de mélange gaussien (GMM) et diverses techniques ont été proposées pour aborder ce problème. Nous présentons une étude systématique des techniques de calcul rapide du GMM. Comme il existe un grand nombre de ces techniques et qu'il est impraticable de toutes les évaluer de manière exhaustive, nous avons d'abord classé les techniques en quatre niveaux et sélectionné des représentantes à évaluer dans chaque niveau. Sur la base de ce cadre d'étude, nous fournissons une analyse détaillée et une comparaison des techniques de calcul du GMM d'un point de vue à quatre niveaux et explorons deux questions pratiques subtiles : 1) comment différentes techniques peuvent être combinées efficacement et 2) comment l'élagage par faisceau affectera les performances des techniques de calcul du GMM. Toutes les techniques sont évaluées dans le domaine du CMU Communicator. Nous comparons également leurs performances avec d'autres rapportées dans la littérature.
Chan et al. (Mon,) ont étudié cette question.