音频:识别:资料
差别
这里会显示出您选择的修订版和当前版本之间的差别。
| 两侧同时换到之前的修订记录 前一修订版 后一修订版 | 前一修订版 | ||
|
音频:识别:资料 [2021/10/28 11:06] cgoxopx [可选方法：] |
音频:识别:资料 [2021/10/28 11:14] (当前版本) cgoxopx [基于HMM的语音识别] |
||
|---|---|---|---|
| 行 3: | 行 3: | ||
| 针对音乐的识别与针对语言的识别算法上并无太大差异 | 针对音乐的识别与针对语言的识别算法上并无太大差异 | ||
| - | ^ ^ 生成模型（如HMM、seq2seq） ^ 识别模型（如CRF、RNN） ^ | + | ^ ^ 生成模型（如HMM） ^ 识别模型（如CRF、RNN） ^ |
| | 优点 | 包含语言模型𝑝(𝐒) | 学习、识别过程简洁 | | | 优点 | 包含语言模型𝑝(𝐒) | 学习、识别过程简洁 | | ||
| | |（理论上）可以进行半监督、无监督学习 | 准确率比较好 | | | |（理论上）可以进行半监督、无监督学习 | 准确率比较好 | | ||
| 行 17: | 行 17: | ||
| - | 为什么在生成模型中不能用深度神经网络？ | + | 为什么在生成模型中不能用深度神经网络？ （为什么识别任务中无法使用深度生成模型？） |
| > 生成模型中很难将**输入**的序列与**输出**的序列配对。所以，深度学习模型一般是用在另外一个思路上，也就是识别型的模型 | > 生成模型中很难将**输入**的序列与**输出**的序列配对。所以，深度学习模型一般是用在另外一个思路上，也就是识别型的模型 | ||
| 一个可能的解决方法： | 一个可能的解决方法： | ||
| 可借鉴[[https://www.microsoft.com/en-us/research/publication/songmass-automatic-song-writing-with-pre-training-and-alignment-constraint/|SongMASS]]中的对齐方法 | 可借鉴[[https://www.microsoft.com/en-us/research/publication/songmass-automatic-song-writing-with-pre-training-and-alignment-constraint/|SongMASS]]中的对齐方法 | ||
音频/识别/资料.1635390377.txt.gz · 最后更改: 2021/10/28 11:06 由 cgoxopx
除额外注明的地方外，本维基上的内容按下列许可协议发布： GNU Free Documentation License 1.3
