《表1 语音识别测试表：基于深度学习的中文语音识别模型设计与实现》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的中文语音识别模型设计与实现》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

统计语言模型用于将拼音转换为最终文本以输出，本质被建模为隐含马尔可夫链，模型具有较高的精度。当传入的参数没有包含任何拼音时，返回为空。先取出一个字，即拼音列表中第一个字，依次从第一个字开始每次连续取两个字拼音，如果这个拼音在汉语拼音状态转移字典里的话，将第二个字的拼音加入，否则不加入，然后将现有的拼音序列进行解码，再重新从i+1开始作为第一个拼音。语音解码开始，如果这个拼音在汉语拼音字典里的话，获取拼音下属的字的列表，ls包含了该拼音对应的所有的字。在第一个字中，设置HMM的初始状态值，将初始概率设置为1.0，并将其添加到可能的句子列表中，否则，开始处理紧跟在第一个字后面的字。把现有的每一条短语取出来，尝试按照下一个音可能对应的全部的字进行组合，取出用于计算的最后两个字，判断它们是不是在状态转移表里，在当前概率上乘转移概率，公式化简后为第n-1和n个字出现的次数除以第n-1个字出现的次数，大于阈值之后保留，否则丢弃，最后对语言模型初始化。语音数据集采用ST-CMDS-20170001＿1-OS等，对模型加以大数据训练后，抽取若干语音数据进行测试，平均准确率超过80%，效果较好，如表1所示。