Machine learning 基于HMMs的语音识别
我正在使用Hmm进行单独单词的语音识别。我已经为我的数据库培训了HMM。我计算并比较传入音频信号的似然概率。我的问题是，不同的词有不同数量的最佳状态，这将给出不同数量的搜索路径（搜索路径数量=状态/观察值），因此概率无法比较。如何规范不同数量状态的影响？您需要上下文无关语法或语言模型（通常为-3克概率模型）来识别话语，而不是单个单词。然后使用适当的算法计算每条路径的分数。我强烈建议您看看现有的解决方案，如或。您需要上下文无关语法或语言模型（通常为-3-gram概率模型）来识别话语，而不是单个单词。然后使用适当的算法计算每条路径的分数。我强烈建议您看看现有的解决方案，如或Machine learning 基于HMMs的语音识别,machine-learning,artificial-intelligence,speech-recognition,speech-to-text,hidden-markov-models,Machine Learning,Artificial Intelligence,Speech Recognition,Speech To Text,Hidden Markov Models,我正在使用Hmm进行单独单词的语音识别。我已经为我的数据库培训了HMM。我计算并比较传入音频信号的似然概率。我的问题是，不同的词有不同数量的最佳状态，这将给出不同数量的搜索路径（搜索路径数量=状态/观察值），因此概率无法比较。如何规范不同数量状态的影响？您需要上下文无关语法或语言模型（通常为-3克概率模型）来识别话语，而不是单个单词。然后使用适当的算法计算每条路径的分数。我强烈建议您看看现有的解决方案，如或。您需要上下文无关语法或语言模型（通常为-3-gram概率模型）来识别话语，而不是单个单词