待验证50% 置信事实精确时间
HMM假设语音波形由音素状态序列依概率生成，解码时通过维特比算法寻找后验概率最大的状态路径，并通常与高斯混合模型结合形成GMM-HMM架构
1
来源数
50%
置信度
长期有效
时效性
2026/7/21
首次发现
来源
相关事实
待验证ASR技术最初基于隐马尔可夫模型（HMM），通过维特比算法在状态路径中寻找后验概率最大的路径将声学特征映射为音素串82% 相似已验证语音识别技术经历了从隐马尔可夫模型（HMM）到循环神经网络（RNN）再到端到端模型的演进72% 相似待验证多模态端侧推理中，音频信号需通过梅尔频谱图等方式转化为特征向量，运动数据来自手机加速度计和陀螺仪71% 相似已验证端到端语音模型直接以音频为输入和输出，在音频token层面进行理解与生成，保留语调、语速、叹气、笑声等声学特征70% 相似待验证麦克风阵列通过波束成形技术利用各麦克风接收同一声源的时间差TDOA计算声音方向，聚焦目标方向声音并抑制噪声70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/579671API
curl https://kongchang.com/api/v1/knowledge/claims/579671MCP
get_claim(id=579671)