语音识别用到的算法(自己写语音识别算法模型)

4、 GMM通过EM算法，像侦探般精细地估计每个音频片段的多元高斯分布，赋予每个特征向量概率性质；HMM则借助Baum-Welch算法，描绘音素或发音序列与语音状态之间的动态转换，Viterbi算法在此刻如导师般引导我们找到最可能的音素路径。 动态特征的提取：语音的指纹 在模型的构建过程中，语音特征工程扮演着关键角色。

1、   语音芯片根据集成电路类型来分,凡是与声音有关系的集成电路被统称为语音芯片(又称语音IC,这里应该叫成Voice IC),但是在语音芯片的大类型中,又被分为语音IC(这里应该叫成Speech IC),音乐IC(这里应该叫成Music IC)两种.（a）现在市场上常见语音芯片分类：短时间芯片有10秒，20秒，40秒，80秒,170秒的芯片，常用的模块有：6分钟，8分钟，16分钟，1小时的等。 通用的芯片有：3秒到340秒。

3、 语音识别常用的解码方法是基于深度学习的解码算法，比如基于循环神经网络（RNN）的解码算法、基于注意力机制的解码算法和基于Transformer的解码算法等。 详细解释：一、基于循环神经网络（RNN）的解码算法：在语音识别的早期阶段，基于循环神经网络（RNN）的解码算法被广泛使用。

2、 语音识别常用的解码方法有贪心搜索（Greedy Search）算法、集束搜索（Beam Search）算法以及维特比（Viterbi）算法。 贪心搜索算法 是一种相对简单和直观的解码方法。 它每一步都选择当前状态下最好的一个结果，然后基于这个结果进入下一步。