【sphinx】sphinxTrain文档笔记
- 如果需要训练的模型词汇量只有50-60个，而且你的所有测试词汇都包含在训练词汇中。那么训练基于单词的模型可能比基于音素的会更好。
基于单词的模型训练方法：1）定义的phoneset改为单词列表 2）词典中的map，是单词指向它本身
而如果训练基于音素的，要保证每个连接状态有充足的例子-5~10个的例子
- 训练之前，确定你要训练的模型需要的资源是否充足
半连续 semi-continue模型的训练----训练 ：每个hmm模型要求5个状态，对10000个triphone的模型，要求如下：
5 states/triphone = 50,000 states每个triphone是5个状态，总共5w个状态 For a 4-stream feature-set, each = 1024 floating point numbers/state 每个状态是4*256个点数。4是特征个数，256是混合权重个数 state has a total of 4*256 mixture weights = 205Mb buffer for 50,000 states
连续模型 continue模型的训练---对于10000个triphone
5 states/triphone = 50,000 states 每个triphone5个状态，总共5w个状态 39 means (assuming a 39-component feature vector) and 39 variances per state = 79 floating points per state 39个均值（假设是个39维度的特征向量），每个状态有39个方差 = 15.8Mb buffer for 50,000 states
- 识别过程中的搜索方法，有广度优先遍历。广度优先遍历的流程为：
1 1.initialize() 2 2. createInitialLists() 3 3. recognize(nframes) 4 4.recognize():
