- 文集信息
- 目录大纲
- 最新文档
- 知识宇宙
文集详情
文集导读
语音识别技术基础：声学模型与语言模型
你有没有想过，手机凭什么听我们说话，挑出来的是这几个字，而不是发音几乎一样的另外几个？一句话出口，"把门关上"和"把门撞上"听起来真的差不多。能把两只耳朵之间的差别填平、把里面那层硬邦邦的语言规律塞进去的，正是声学模型与语言模型这两套系统的对抗与妥协。这本教程要带你走进的，就是它们打交道的那条流水间。
一册的路线：一台把声音炼成文字的流水车间
语音识别（Automatic Speech Recognition，ASR）的核心任务，是把一段连续的声音信号，翻译成一段让人类读得懂的文字序列。这件事听上去只有一步，做起来却是整整一条生产线。本书的主线，是跟着声音这条原料走完整套车间，看它在每一道工位上被加工成什么形状、留下什么信息、丢弃什么噪声。
从贝叶斯的角度看，整个车间最终要回答的问题只有一行：给定声学观测序列 O，哪条词序列 W 最可能产生它，即求后验概率 P(W|O) 的最大者。根据贝叶斯定理，这一行可以被拆成两个独立的部件相乘：声学模型负责 P(O|W)，回答这段声音像不像在说这个句子；语言模型负责 P(W)，回答这句话本身像不像人话。正因为 P(O) 对候选词序列都是同一个常数，最大化 P(W|O) 就等价于最大化两者的乘积。
本书顺着这条生产线安排了五章。第一章是车间的总图，讲清楚原料从哪来、成品到哪去，以及声学模型、语言模型、发音词典、解码器各自站在哪道工序上。第二、三章是车间里最核心的两条并行的工位带：声学侧把声音炼成可以计算的数字特征、再交给模型判断像哪个音素；语言侧则用海量文本给词序列一个评分。第四章是总装，把两条工位的产出拧在一起，用搜索算法在巨大的候选空间里找出最终答案，这一步就是解码。第五章负责出厂质检，讲 WER 这些指标如何衡量整条线的出成率，以及常见的坑该怎么排。
全册知识地图
下面这张图把五章串成一条流水线，方框各是一个工位，箭头是原料的走向；从上往下读，正是声音从麦克风一路变成屏幕上一行字的过程。
图片说明：全册五章构成一条从波形到文字的流水线，声学侧与语言侧两线并行，到解码处汇合。
该怎么用这本教程
每一章都有一个直通本章核心的地图页，紧接着是几节正文；节与节之间按加工顺序承接，绝大多数知识不需要跳跃式地回头看。若你只想解决模型为什么越调越差这类实际问题，可以先翻到第四章和第五章的排错清单，再往回补原理。
你不需要是数学高手，但得带两件行囊：一是概率直觉，只要接受"给定的声音下这句候选文字更像真的"这句话能算分就行，全书不让你手动算积分；二是耐心，因为声学与语言两个模型在解码处碰头时，最耗心态的是"系统说错、却说不出错在哪"的这段探案过程。若你本来就会写 Python、跑过一两个语音工具，起步会顺很多——但别指望靠装软件绕过原理，本书每一节都落回到"这条流水线上到底哪道工序动了什么样"。
五章的负担分配
再用一段话把分工钉死：声学模型管"这句声音像不像在念这些音"，语言模型管"这句文字像不像人说的话"，发音词典充当从音到字的翻译表，解码器则负责在最巨大的候选空间里，把两者乘积挑出最大的那一条。前两章各讲一台发动机，第四章的总装把它俩拧到一处，第五章评估不但教你量体温，也教你反过来用体温倒推是哪台发动机在使坏——这套"由指标回到部件"的读法，是读完 32 篇后最该带走的东西。
说句掏心的话：ASR 这条路没有"装个库就通"的捷径。本书多用同一句话在不同模型、不同权重下的命运来对照——同样的"把门关上"，词表里有没有门把手相关词、语言权重调高还是调低，结果可能完全不同。读完整册，你最有把握的就是这门"预判变化"的功夫。
目录大纲
最新文档
知识宇宙
正在加载知识图谱...