我只是在帧级别从模型中提取了一个对齐方式。
fash-b-an251 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 134 134 134 134 134 134 134 134 134 44 44 44 44 44 44 44 44 44 111 111 111 111 111 111 111 111 111 111 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
每个手机类都在data / lang / phones.txt文件中定义，根据这款手机可以分为X，X_B，X_I，X_E，X_S
其中_B音素开始_E音素结束，_S音素单音，_I音素中间，X只是一个音素。我的印象是每个音素都使用三个声明的hmm进行解码，因此认为在给定三帧=＆gt;的情况下可以在帧级解码电话。三组特征=＆gt;三个排序的发射概率组=＆gt;确定音素。
但事实并非如此 该功能必须包含来自静态，delta，delta-delta的信息。
如果是这种情况，是否有可能为每个音素提取三种状态的预期后验概率？
是否有可能给出一组功能（足以解码音素），在给定预制脚本的情况下将其解码为音素？