潜在主题模型（例如潜在Dirichlet分配（LDA））已设计用于文本处理，并且在音频相关处理的任务中也得到了证明。 LDA背后的主要思想是假设每个文档的单词都来自主题的混合体，每个主题都是词汇表上的多项式分布。 将原始LDA应用于连续数据处理时，首先需要通过矢量量化（VQ）生成字样单元。 这种数据离散化通常会导致信息丢失。 为了克服这种不足，本文介绍了一种新的主​​题模型，即高斯-LDA，用于音频检索。 在提出的模型中，我们考虑了连续发射概率，即高斯分布而不是多项式分布。 这个新的主题模型跳过