知识卡片
声学建模需要时间上下文
语音连续且发音受上下文影响,声学模型需利用相邻帧或序列状态判断声学单位。拼接帧的 DNN 显式提供有限上下文,递归网络通过状态传递历史信息。更长历史不自动等于更好识别,采样、训练和噪声变化都会影响效果;网络仍包含建模假设,不能理解为完全不假设数据。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 2 0 . 4 . 1 基 于 深 度 学 习 算 法 的 声 学 模 型 · 查看原书依据
由于语音信号具有连续性,各个音素、音节、单词之间并没有具体的界限,各个发音单位还受到上下文的影响,因此可以将拥有更多历史信息的RNN应用于声学建模。但由于简单的RNN存在梯度爆炸和梯度消散等问题,难以训练,很难直接应用于声学建模中。
参考来源
- 位置:《智能算法导论》第 198 项《20.4.1 基于深度学习算法的声学模型》(源文件:`_epub-src/EPUB/xhtml/chapter20_0009.xhtml`)
- 结论依据:正文比较相邻帧拼接和递归历史建模,解释连续语音无明确边界的困难;不沿用 DNN 无需分布假设的绝对表述。
- 原始内容:由于语音信号具有连续性,各个音素、音节、单词之间并没有具体的界限,各个发音单位还受到上下文的影响,因此可以将拥有更多历史信息的RNN应用于声学建模。