语音识别中隐马尔可夫模型观察序列长度的确定

Question

我正在重新学习如何使用隐马尔可夫模型进行语音识别，我有一个问题。似乎大多数/所有关于使用HMM的讨论都考虑了已知观察序列的情况: O1，O2，O3，...，OT，其中T是一个已知数。然而，如果我们试图在语音上实时使用经过训练的HMM，或者在一个WAV文件中，有人在说一句又一句话，那么如何准确地选择T的值？换句话说，如何知道说话者何时结束了一句话，又开始了另一句话？用于语音识别的实际HMM是否仅使用固定的T值，并使用长度为T的固定大小窗口定期重新计算直到当前观察值的最优状态序列？或者，有没有更好的方法在任何时刻动态选择T？

Answer 1

用于语音识别的实际HMM是否仅使用固定的T值，并使用长度为T的固定大小窗口定期重新计算直到当前观察值的最优状态序列？

Viterbi解码算法逐帧工作，所以你只需迭代帧，你可以无限迭代，直到回溯矩阵填满所有内存。

训练算法考虑训练前准备的音频，通常为1-30秒。对于训练，音频长度是已知的。

如何知道说话者何时结束了一句话并开始了另一句话？

这里有不同的策略。解码器在解码过程中寻找静默。沉默并不一定意味着句子之间的中断，句子之间可能根本没有中断。句子中间也可能会有中断。

因此，为了发现静默，解码器可以使用独立的语音活动检测算法，当VAD检测到静默时，解码器可以中断，或者解码器可以分析回溯信息来判断是否出现静默。第二种方法更可靠一些。