1樓：王贇 Maigo
s0 和 s4 應該叫起始和終止狀態吧。
s3 到 s4 的轉移概率，就是當前時刻處於 s3 狀態，下一時刻處於終止狀態的概率。它的最大似然估計值是訓練資料中 s3 轉移到 s4 的次數，除以 s3 出現的次數。
2樓：jinming
當時學的時候也沒好好學。我印象中s0表示開始狀態，s3表示結束狀態，比如乙個真實的轉移矩陣是這樣的：
S0 S1 S2 S3 S4
S0 0 1 0 0 0
S1 0 0.75 0.25 0 0
S2 0 0 0.75 0.25 0
S3 0 0 0 0.75 0.25
S4 0 0 0 0 0
可以 kaldi/src/gmmbin/gmm-copy –binary=false 0.mdl -
可以自己找個生成的模型看看。
在連續語音識別中，單個音素的HMM模型中的狀態到底對應什麼？
杜旭浩 感覺HMM三狀態可能是因為前面答主說的 入音 持續音 出音 來解釋，也可以同 2.發音一般包含3個共振峰 來解釋，感覺不同的解釋會引導到針對不同語音對HMM狀態做不同的調整的結果。 我引用一下上面 jinming 的回答 乙個音素三個狀態不應該是乙個音素的起始音持續音結束音嗎？音素一般是三狀...
目前語音識別技術能否很好地識別音色的不同？能簡單說說如何實現嗎？
王贇 Maigo 題主說的識別音色的技術，術語叫做 說話人識別 speaker recognition 因為音色差別的最典型體現就是不同人說話的音色不同。說話人識別 與 語音識別 不是同一項技術，前者是識別說話人的身份，而後者是識別語音的內容。2010年以前流行的說話人識別技術，是把每乙個說話人建模...
谷歌語音和訊飛語音，哪個對普通話的識別能力更強？
經過一段時間的測試，谷歌語音搜尋的識別能力最強，谷歌輸入法按理說用的是同一種語音識別，但是好像效果不如語音搜尋準確，當然他們總體的準確率都比訊飛高。以上文字是我用谷歌輸入法語音識別出來的，用訊飛的話時不時就會識別出錯，但是谷歌輸入法功能又不如訊飛強大，比如他的語音是識別不出標點符號的，所以還是很糾結...