有这么多音素。如果真这么做，得到的状态号可能根本无法组合成音素。实际上，相邻

　　这样就把结果限制在预先设定的网络中，避免了刚才说到的问题，当然也带来一个局限，

　　比如你设定的网络里只包含了“今天晴天”和“今天下雨”两个句子的状态路径，那么不管

　　那如果想识别任意文本呢？把这个网络搭得足够大，包含任意文本的路径就可以了。

　　但这个网络越大，想要达到比较好的识别准确率就越难。所以要根据实际任务的需

　　搭建状态网络，是由单词级网络展开成音素网络，再展开成状态网络。语音识别过

　　程其实星空体育官方入口 星空体育官网就是在状态网络中搜索一条最佳路径，语音对应这条路径的概率最大，这称

　　其中，前两种概率从声学模型中获取，最后一种概率从语言模型中获取。语言模型

　　是使用大量的文本训练出来的，可以利用某门语言本身的统计规律来帮助提升识别

　　正确率。语言模型很重要，如果不使用语言模型，当状态网络较大时，识别出的结

　　声学模型是把语音转化为声学表示的输出，即找到给定的语音源于某个声学符号的概率。

　　对于声学符号，最直接的表达方式是词组，但是在训练数据量不充分的情况下，很难得到

　　一个好的星空体育官方入口 星空体育官网模型。词组是由多个音素的连续发音构成，另外，音素不但有清晰的定义而且数

　　量有限。因而，在语音识别中，通常把声学模型转换成了一个语音序列到发音序列（音素）

　　需要注意的是，由于人类发声器官运动的连续性，以及某些语言中特定的拼读习惯，

　　会导致音素的发音受到前后音素的影响。为了对不同语境的音素加以区分，通常使用能够

　　个状态，但是这会引起建模参数的指数增长，常用的解决方案是使用决策树先对这些三

　　观测值，状态之间的跳转符合马尔科夫假设。其中，状态转移概率密度多采用几何分布建