如何確定語音識別中HMM的觀察序列長度

Question

我正在重新學習如何使用隱馬爾可夫模型進行語音識別，我有一個問題。 似乎大多數/所有使用HMM的討論都考慮了已知觀測序列的情況：[O1，O2，O3，...，OT]其中T是一個已知數。 但是，如果我們嘗試在語音上實時使用受過訓練的HMM，或者在有人逐個說出一句話的WAV文件中使用經過訓練的HMM，那么究竟如何選擇T的值呢？ 換句話說，如何知道說話者何時結束一個句子並開始另一個句子？ 實際的用於語音識別的HMM是否僅使用固定值T並使用過去固定長度的長度為T的窗口周期性地重新計算最佳狀態序列，直到當前觀察？ 還是有一些更好的方法可以隨時隨地動態選擇T？

Answer 1

實際的用於語音識別的HMM是否僅使用固定值T並使用過去固定長度的長度為T的窗口周期性地重新計算最佳狀態序列，直到當前觀察？

Viterbi解碼算法逐幀工作，因此您只需遍歷幀，就可以無限期地進行迭代，直到回溯矩陣填滿所有內存為止。

訓練算法會考慮訓練前准備的音頻，通常為1-30秒。 用於訓練的音頻長度是已知的。

如何知道說話者何時結束一個句子並開始另一個句子？

這里有不同的策略。 解碼器搜索靜音以環繞解碼。 沉默不一定意味着句子之間的中斷，句子之間可能根本沒有中斷。 句子的中間也可能會中斷。

因此，要找到靜音，解碼器可以使用獨立的語音活動檢測算法，並在VAD檢測到靜音時中斷，或者解碼器可以分析回溯信息來確定是否出現靜音。 第二種方法更可靠。