下面简明讲述GMM-HMM在语音识别上的原理,建模和测试过程。为了便于读者理解,以一个词的识别全过程作为例子。
1、将声波分割成等长的语音帧,对每个语音帧提取特征(例如,梅尔频率倒谱系数)
2、对每个语音帧的特征进行GMM训练,得到每个语音帧frame(o_i)属于每个状态的概率
3、根据每个单词的HMM状态转移概率计算每个状态序列生成该语音帧的概率。 哪个词的HMM序列计算出来的概率最大,就判断这段语音属于该词)
用户访问量
注册用户数
在线视频观看人次
在线实验人次
下面简明讲述GMM-HMM在语音识别上的原理,建模和测试过程。为了便于读者理解,以一个词的识别全过程作为例子。
1、将声波分割成等长的语音帧,对每个语音帧提取特征(例如,梅尔频率倒谱系数)
2、对每个语音帧的特征进行GMM训练,得到每个语音帧frame(o_i)属于每个状态的概率
3、根据每个单词的HMM状态转移概率计算每个状态序列生成该语音帧的概率。 哪个词的HMM序列计算出来的概率最大,就判断这段语音属于该词)
¥ 5999
·难
·20
¥ 9999
·难
·1
¥ 7999
·难
·8
¥ 199
·易
·31
¥ 899
·适中
·15
¥ 1688
·适中
·198
¥ 28000
·难
·169
¥ 199
·偏易
·3589
¥ 100000
·难
·171
¥ 998
·难
·9
¥ 1899
·难
·15
¥ 199
·易
·342
¥ 5999
·适中
·30
¥ 6999
·难
·18
¥ 5999
·难
·15
¥ 3999
·难
·15
¥ 2999
·难
·57