以kaldi中的yesno爲例談談transition

在基於GMM-HMM的傳統語音識別裏，比音素（phone）更小的單位是狀態（state）。一般每個音素由三個狀態組成，特殊的是靜音（SIL）由五個狀態組成。這裏所說的狀態就是指HMM裏的隱藏的狀態，而每幀數據就是指HMM裏的觀測值。每個狀態可以用一個GMM模型表示（這個GMM模型的參數是通過訓練得到的）。在識別時把每幀數據對應的特徵值放進每個狀態的GMM裏算概率，概率最大的那個就是這幀對應的狀態。

>>阅读原文<<