我正在尝试使用 HMM-GMM 解决/理解 ASR。
在抽象层面上，我确实了解正在发生的事情，但我不了解 GMM 如何融入其中
。
我的数据有来自单个用户的 5K 小时的语音。我从这篇文章中截取了上面的图片。
我知道什么是 GMM，但我无法理解它。有人可以用一个简单的例子来解释。
使用 HMM-GMM 进行语音识别中的 GMM
数据挖掘
nlp
高斯
马尔可夫隐藏模型
语音转文本
2022-03-02 18:42:59
1个回答
之前的答案是错误的，所以我删除了它。
这是我在阅读 daniel Jurafsky 和 James H Martin 的语音和语言处理之后的第二次尝试（好书值得阅读）。
与观测/声学相关的 39 个特征被认为来自多元高斯的混合。
为什么混合 MV 高斯？假设每个状态（电话）有一个单一的 MV 高斯是一个强有力的假设，这可能不是真的。
HMM 如何在 ASR 中与 GMM 相结合：考虑一个单变量情况，其中单个倒谱特征（通常为 39）由单个高斯表示，并且 HMM 状态具有生成特定观察的平均值和方差。获得哪个观察是由哪个状态产生的，这是解码问题的一部分。
让我知道这是否正确？
其它你可能感兴趣的问题