什么是嵌入式訓(xùn)練(Embedded Training)？

序列的標(biāo)注問(wèn)題

機(jī)器學(xué)習(xí)的問(wèn)題主要分為三類：分類問(wèn)題，標(biāo)注問(wèn)題和回歸問(wèn)題

標(biāo)注問(wèn)題的輸入是一個(gè)觀測(cè)序列，輸出是一個(gè)標(biāo)記序列或者狀態(tài)序列。標(biāo)注問(wèn)題的一個(gè)目標(biāo)是訓(xùn)練一個(gè)模型，使它能夠?qū)τ^測(cè)序列給出標(biāo)記序列和狀態(tài)序列。

常用的統(tǒng)計(jì)學(xué)習(xí)方法： 隱馬爾科夫模型，條件隨機(jī)場(chǎng)。

在信息提取和自然語(yǔ)言處理中，標(biāo)記問(wèn)題是常見的基本問(wèn)題。

如何標(biāo)注

在進(jìn)行語(yǔ)音識(shí)別的時(shí)候，我們不知道語(yǔ)音的哪一個(gè)部分對(duì)應(yīng)的是哪一個(gè)音素或者詞。首先想到的是，人為給它打上標(biāo)簽，即每一個(gè)音頻中的因素或者詞都根據(jù)發(fā)音字典等等被手動(dòng)分開和標(biāo)記。然而實(shí)際情況中由于工作量太大而無(wú)法操作，這就需要一個(gè)方法能夠自動(dòng)切分音素或者詞。

最常見的實(shí)現(xiàn)方式可以參考下圖：

圖中展示的主要是兩部分：

(1)根據(jù)字典建立隱馬爾科夫模型；

這個(gè)模型定義了一些反映發(fā)音的隱狀態(tài)

(2)特征提取

提取MFCC特種

接下來(lái)最重要的是如何訓(xùn)練得到HMM的參數(shù)問(wèn)題？即如何得到轉(zhuǎn)移矩陣和發(fā)射概率。

一個(gè)高效的訓(xùn)練方法是直接使用Viterbi解碼算法訓(xùn)練，這種訓(xùn)練方法的另外一種叫法是維特比對(duì)齊或者強(qiáng)制對(duì)齊(forced alignment)。

為什么叫嵌入式訓(xùn)練

因?yàn)槊恳粋€(gè)發(fā)音都嵌在整個(gè)句子中，作為訓(xùn)練的一部分，所以把這個(gè)訓(xùn)練過(guò)程叫做嵌入式訓(xùn)練。

嵌入式訓(xùn)練的過(guò)程

(1)建立句子的HMM模型

(2)初始化轉(zhuǎn)移概率A

(3)使用訓(xùn)練集的均值和方差初始化發(fā)射概率B

(4)使用Viterbi算法訓(xùn)練，得到B

這種訓(xùn)練方法的基本思路是：在知道詞對(duì)應(yīng)的觀測(cè)狀態(tài)下，直接設(shè)定轉(zhuǎn)移概率強(qiáng)制Vertibi解碼時(shí)通過(guò)確定的詞。

嵌入式訓(xùn)練的結(jié)果

這個(gè)訓(xùn)練的目的就是為了把音頻信號(hào)與我們的特征一一對(duì)應(yīng)，也就是對(duì)齊，為后面的識(shí)別做準(zhǔn)備。

總結(jié)

以上是生活随笔為你收集整理的语音识别中强制对齐_语音识别中的标注问题和嵌入式训练的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。