端到端模型传统语音识别系统的

[Reddi2]

因此，严格意义上的三音子精细建模不太现实，往往通过状态绑定策略来减小建模单元数目，典型的绑定方法有模型绑定、决策树聚下面将着重介绍三类声学模型，包括基于-的声学模型、基于-的声学模型以及端到端模型。 基于-的声学模型是种统计分析模型，它是在马尔可夫链的基础上发展起来的，用来描述双重随机过程。的理论基础在年前后由等人建立，随后由的和的等人应用到语音识别中，..和.等人进步推动了的应用和发展。有算法成熟、效率高、易于训练等优点，自世纪年代开始，被广泛应用于语音识别、手写字识别和天气预报等多个领域，目前仍然是语音识别中的主流技术。


基于-的声学模型尽管具有拟合任意复杂分布的能力，但它也有个严重的缺陷，即对非线性数据建模效率低下。因此，很久以前相关研究人员提出采用人工神经网络代替，建模状态后验概率。但是由于当时计算能力有限，很难训练两层 爱沙尼亚 whatsapp 号码列表 以上的神经网络模型，所以其带来的性能改善非常微弱。世纪以来，机器学习算法和计算机硬件的发展使得训练多 隐层的神经网络成为可能。实践表明，在各种大型数据集上都取得了远超过的识别性能。因此，-替代-成为目前主流的声学建模框架。


声学建模般通过发音单元、声学模型、词典等信息源，建立从声学观察序列到单词之间的联系。每部分都需要单独的学习、训练，步骤较为烦琐。端到端（--,结构使用个模型把这三个信息源囊括在起，实现从观察序列到文字的直接转换。最新的些进展甚至把语言模型的信息也囊括进来，取得了更好的性能。自年以来，端到端模型日益成为语音识别的研究热点。 二、语言模型 主流语言模型般采用基于统计的方法，通常是概率模型。