Audio formatlar haqida izoh bering

Tan olish jarayoni
Nutqni tanib olishning keng tarqalgan usuli quyidagilardan iborat: biz to'lqin shaklini olamiz, uni so'zlarda jimlik bilan ajratamiz va keyin har bir nutqda nima aytilayotganini aniqlashga harakat qilamiz. Buning uchun biz barcha mumkin bo'lgan so'z birikmalarini olishni va ularni audio bilan moslashtirishga harakat qilmoqchimiz. Biz eng mos keladigan kombinatsiyani tanlaymiz.
Ushbu moslashtirish jarayonida ba'zi muhim tushunchalar mavjud. Bu, birinchi navbatda, xususiyatlar tushunchasi . Parametrlar soni ko'p bo'lgani uchun biz uni optimallashtirishga harakat qilmoqdamiz. Nutqdan hisoblangan raqamlar odatda nutqni ramkalarga bo'lish orqali. Keyin har bir ramka uchun, odatda, 10 millisekundlik uzunlikdagi, biz nutqni ifodalovchi 39 ta raqamni chiqaramiz. Bu xususiyat vektori deb ataladi . Parametrlar sonini yaratish usuli faol tadqiqot mavzusidir, ammo oddiy holatda bu spektrdan olingan hosiladir.
Ikkinchidan, bu model tushunchasi . Model og'zaki so'zning umumiy atributlarini to'playdigan ba'zi matematik ob'ektni tasvirlaydi. Amalda, senonning audio modeli uchun bu uning uchta holatining gauss aralashmasidir - sodda qilib aytganda, bu eng ehtimoliy xususiyat vektoridir. Model kontseptsiyasidan quyidagi masalalar ko'tariladi:

• 
  model haqiqatni qanchalik yaxshi tasvirlaydi,
  
• 
  modelni ichki model muammolaridan yaxshiroq qilish mumkinmi va
  
• 
  sharoitlar o'zgarsa, model qanchalik moslashuvchan
  

Nutq modeli Yashirin Markov modeli yoki HMM deb ataladi. Bu qora quti aloqa kanalini tavsiflovchi umumiy model. Ushbu modelda jarayon ma'lum bir ehtimollik bilan bir-birini o'zgartiradigan holatlar ketma-ketligi sifatida tavsiflanadi. Ushbu model nutq kabi har qanday ketma-ket jarayonni tasvirlash uchun mo'ljallangan. HMMlar nutqni dekodlash uchun haqiqatan ham amaliy ekanligi isbotlangan.
Uchinchidan, bu mos keladigan jarayon. Barcha xususiyat vektorlarini barcha modellar bilan solishtirish uchun koinot mavjud bo'lganidan ko'proq vaqt talab qilinadiganligi sababli, qidiruv ko'pincha ko'plab fokuslarni qo'llash orqali optimallashtiriladi. Har qanday nuqtada biz eng yaxshi mos variantlarni saqlab qolamiz va vaqt o'tishi bilan ularni kengaytiramiz va keyingi kadrlar uchun eng yaxshi mos variantlarni ishlab chiqaramiz.