语音识别的训练与搜索方法

语音识别涉及三个过程：从语音信号中提取声学指标，估计观察到的指标字符串是由假设的语句段引起的概率，并通过在假设的替代方案之间进行搜索来确定识别的语句。本文不涉及第一个过程。估计指标字符串的概率涉及任何给定语句段（例如，一个单词）产生指标的模型。为此使用隐马尔可夫模型（HMMs） Makhoul, J. & Schwartz, R. (1995) Proc. Natl. Acad. Sci. USA 92, 9956-9963。其参数为与状态转移相关的状态转移概率和输出概率分布。本文将描述从语音数据通过其连续重估获得这些参数值的Baum算法。识别器希望找到可能导致观察到的声学指标字符串的最有可能的语句。该概率是两个因素的乘积：语句产生该字符串的概率和说话者希望产生该语句的概率（语言模型概率）。即使词汇量适中，也不可能对语句进行穷举搜索。本文描述了一种实用算法 Viterbi, A. J. (1967) IEEE Trans. Inf. Theory IT-13, 260-267，它在给定指标字符串的情况下，找到最有可能的语句的可能性很高。