前言 马尔可夫模型（HMM）是表达常用的数学模型，相关概念在随机过程中能学到。在语音识别（ASR）中，是基础且重要的模型之一。本篇文章主要介绍： HMM 概念 前向和后向算法 维特比算法 隐马尔可夫模型（HMM） 简单理解HMM 数据科学中，预测是一个经久不衰的问题。以常见的时间为序数据为例，数据科学家期望对过去（t0t_{0}t0​时刻）和当前（tNt_{N}tN​时刻）数据的观察( Time )，实现预测未来（tN+1t_{N+1}tN+1​时刻）的值，HMM也是为了干这类事情而生的统计模型

文章目录前言隐马尔可夫(HMM)马尔可夫链隐马尔可夫HMM中的语音识别（孤立词）HMM 语音识别过程GMM总结参考文献 前言 隐马尔科夫链结合语言识别，在细节上，涉及到的知识挺多，没有一定的时间投入难以很好的去把握。这篇文章只想借着自己的一小段时间学习，从整体上，理一下HMM在ASR的应用过程，不想去探究其中的具体细节。文中的图片基本截取自参考文献中的内容。 隐马尔可夫(HMM) 马尔可夫链 马尔可夫链描述了当前状态与下一个状态的转换关系，如图中所示，天气有三种状态，晴天，阴天，下雨。 马尔可

埃森 Eesen旨在将现有的复杂，专业知识密集的ASR流程简化为简单的序列学习问题。 Eesen中的声学建模涉及训练单个递归神经网络（RNN），以建模从语音到文本的映射。 Eesen放弃了现有ASR管道所需的以下元素： 隐马尔可夫模型（HMM） 高斯混合模型（GMM） 决策树和语音问题 字典，如果将字符用作建模单位 ... Eesen由亚杰（Yajie 在工具包的启发下创建。 关键部件 Eesen包含启用端到端ASR的4个关键组件： 声学模型-具有LSTM单位的双向RNN。 培训-