语音识别之Kaldi学习GMM-HMM
语音识别之Kaldi kaldi语音识别理论与实践课程学习。 前面的博客介绍了语音识别的基础知识及原理。现在开始学习实战。以Kaldi框架为基础。 Kaldi是一个有全套的语音识别代码的工具，由Dan Povey博士和捷克的BUT大学联合开发，最早发布于2011年，底层代码使用C++编写，接口采用s...
语音识别传统方法(GMM+HMM+NGRAM)概述
春节后到现在近两个月了，没有更新博客，主要是因为工作的关注点正从传统语音（语音通信）转向智能语音（语音识别）。部门起了个新项目，要用到语音识别（准备基于Kaldi来做）。我们之前做的传统音频已基本成熟，就开始关注在语音识别上了。对于我们来说，这是个全新的领域（虽然都是语音相关的，但是语音通信偏信号处...
高斯混合模型（GMM）
复习：1.概率密度函数，密度函数，概率分布函数和累计分布函数概率密度函数一般以大写“PDF”（Probability Density Function），也称概率分布函数，有的时候又简称概率分布函数。 而累计分布函数是概率分布函数的积分。 注意区分从数学上看，累计分布函数F(x)=P(X<x)...
机器学习&数据挖掘笔记_14（GMM-HMM语音识别简单理解）
为了对GMM-HMM在语音识别上的应用有个宏观认识，花了些时间读了下HTK（用htk完成简单的孤立词识别）的部分源码，对该算法总算有了点大概认识，达到了预期我想要的。不得不说，网络上关于语音识别的通俗易懂教程太少，都是各种公式满天飞，很少有说具体细节的，当然了，那需要有实战经验才行。下面总结以下几点...
04(1) 基于上下文相关的GMM-HMM声学模型1
1.上下文对音素发音的语谱轨迹的影响受到上下文的影响，同一个音素的发音语谱轨迹不同为提高识别准确率，对音素建模时应将这种上下文影响考虑在内2.基于上下文相关的音素建模注意，非单音素建模中，每个模型依旧代表一个音素，只是考虑了这个音素的上下文关系而已1)双音素diphones考虑上个音素／下个音素对当...
EM算法（2）：GMM训练算法
目录EM算法（1）：K-means算法EM算法（2）：GMM训练算法EM算法（3）：EM算法运用EM算法（4）：EM算法证明EM算法（2）：GMM训练算法1.简介GMM模型全称为GaussianMixtureModel，即高斯混合模型。其主要是针对普通的单个高斯模型提出来的。我们知道，普通高斯模型对...