基于DNN-HMM的语音识别技术

DNN-HMM声学模型与传统的基于GMM-HMM的声学模型相比，唯一的不同点在于用DNN替换了GMM来对输入语音信号的观察概率进行建模。DNN与GMM相比具有如下优点：

1、DNN不需要对声学特征所服从的分布进行假设；

2、DNN的输入可以采用连续的拼接帧，因而可以更好地利用上下文的信息；

3、DNN的训练过程可以采用随机优化算法来实现，而不是采用传统的批优化算法，因此当训练数据规模较大时也能进行非常高效的训练，显然，训练数据规模越大，所得到的声学模型就越精确，也就越有利于提高语音识别的性能；

4、在发音模式分类上，DNN这种区分式模型也要比GMM这种产生式模型更加合适。