Machine learning HTK：理解生成的.mlf文件中的分数

我试图理解文件result recont.mlf，因此该文件中有以下行：

---

“as”中哪一个发音准确：带-524.427185或-1054.774536的那一个在解码过程中获得的声学分数通常非常小。为防止下溢，使用对数似然度代替似然度：

较小的参数值对应于较大的对数负值：

因此，第一个“as”获得了更高的声学分数（-524.427185）。对数是一个单调函数（参数越大-值越大），因此可以直接比较对数可能性：

-524>-1054

顺便说一句，它不一定意味着第一个“as”发音更好。声学评分取决于许多因素，包括模型拓扑和模型训练数据