文档摘要

2.6 深度声学模型 GMM 的天花板，正是神经网络瞄准的突破口。深度声学模型以一发 DNN 替换 GMM 去做发射概率，随后又从 CNN、RNN 一路演化到自注意力结构，把"逐帧独立"的老毛病一并治了。本节讲清楚从 DNN-HMM 到 Transformer 这条路的每一步在治什么病，并重点对排雷式对比 GMM 与 DNN 的差异。 学习目标 能说出 DNN 替换 GMM 后，到底改进了哪个环节（发射概率建模）。 会员。《2.6 深度声学模型》收录于灏天文库文集《语音识别技术基础：声学模型与语言模型》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/506-%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB%E6%8A%80%E6%9C%AF%E5%9F%BA%E7%A1%80%E5%A3%B0%E5%AD%A6%E6%A8%A1%E5%9E%8B%E4%B8%8E%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流