4.2 dự toán xác suất lồng tiếng cho các tiểu bang HMM Dự toán P(v|s,j) lồng tiếng-xác suất tại mỗi tiểu bang HMM s và hỗn hợp j có thể thực hiện bằng cách sử dụng huấn luyện tập dữ liệu bằng Baum-Welch hoặc các quy trình đào tạo theo phong cách Viterbi; sau này được sử dụng ở đây. Chúng tôi đưa ra một lời nói bài phát biểu, cho mỗi khung hình t có các tính năng phổ vector yt và tương ứng với lồng tiếng vector vt, kết quả là một chuỗi {(y1,v1),..., (yT, vT)}. Viterbi thuật toán sau đó được sử dụng để có được căn chỉnh thời gian nhà nước của các trình tự tính năng vector {y1,..., yT} trên HMMs tương ứng với lời nói bài phát biểu. Điều này cung cấp một hiệp hội mỗi tính năng vector yt s một số tiểu bang HMM. Xác suất hậu nghiệm mà hỗn hợp -thành phần j (tại bang s) đã tạo ra tính năng vector yt sau đó sẽ tính toán
đang được dịch, vui lòng đợi..
![](//viimg.ilovetranslation.com/pic/loading_3.gif?v=b9814dd30c1d7c59_8619)