Python 如何使用语音识别的音频信号数据集训练HMM？

我读过一些关于HMM和MFCC的期刊和论文，但我仍然对它如何与我的数据集（句子音频数据集）一步一步地工作感到困惑

我的数据集示例（音频表单）：

• 你好，早上好
• 祝你考试好运
• 等 约343个音频数据和20个扬声器（6800个音频数据）

我只知道：

我的句子数据集用于获得转换概率

嗯，是音素

使用39个MFCC特征来训练HMM模型

我的问题是:

我需要把我的句子切碎成单词还是仅仅用句子来训练 嗯，模特

我需要火车上的音素数据集吗？如果是的话，我需要训练它吗？如果不是，我的程序如何识别输入的音素

我必须先做哪些步骤

注意：我使用python，我使用hmmlearn和python_speech_特性作为我的库

我需要把我的句子切分成单词还是仅仅用句子来训练HMM模型

理论上你只需要句子和音素。但是，使用单独的单词可能对您的模型有用（它会增加培训数据的大小）

我需要火车上的音素数据集吗？如果是的话，我需要训练它吗？如果不是，我的程序如何识别输入的音素

你需要音素，否则，如果你的模型没有任何孤立音素的例子，它将很难找到正确的音素分段。您应该首先在孤立的音素上训练HMM状态，然后添加其余的数据。如果你有足够的数据，你的模型也许能够在没有孤立音素例子的情况下学习，但我不会在这方面做得更好

我必须先做哪些步骤

---

建立你的音素例子，并用它们来训练一个简单的HMM模型——你不需要对音素之间的转换建模。一旦你的隐藏状态有了一些关于音素的信息，你可以继续对孤立的单词和句子进行训练。

你有音素的时间分段吗？如果我继续对我的句子进行训练，我的程序可以预测单词还是仅仅预测句子？算法的运行机制并不真正知道单词和句子之间的区别，除非为单词转换引入隐藏状态。HMM模拟“序列”，所以如果它适用于句子，它也适用于单词。