2. 隐变量模型
语音的所有信息都包含在语音波形中，隐变量模型假设这些信息是隐含在观测信号之后的隐变量 。通过利用高斯建模、隐马尔可夫建模等方法，隐变量模型建立了隐变量和观测变量之间的数学描述，并给出了从观测变量学习各模型参数的方法 。
通过参数学习，可以将隐变量的变化规律挖掘出来，从而得到各种需要的隐含信息 。隐变量模型大大提高了语音识别、说话人识别等应用的性能，在很长一段时间内都是智能语音处理的主流手段 。
3. 组合模型
组合模型认为语音是多种信息的组合，这些信息可以采用线性叠加、相乘、卷积等不同方式组合在一起 。具体的组合方式中需要采用一系列模型参数，这些模型参数可以通过学习方式从大量语音数据中学得 。这类模型的提出，有效改善了语音分离、语音增强等应用的性能 。
4. 人工神经网络与深度学习
人类面临大量感知数据时，总能以一种灵巧的方式获取值得注意的重要信息 。模仿人脑高效、准确地表示信息一直是人工智能领域的核心挑战 。
人工神经网络（Artificial Neural Network，ANN）通过神经元连接成网的方式，模拟了哺乳类动物大脑皮层的神经通路 。和生物的神经系统一样，ANN通过对环境输入的感知和学习，可以不断优化性能 。
随着ANN的结构越来越复杂、层数越来越多，网络的表示能力也越来越强，基于ANN进行深度学习成为ANN研究的主流，其性能相对于很多传统的机器学习方法有较大幅度的提高 。但同时，深度学习对输入数据的要求也越来越高，通常需要有海量数据的支撑 。
ANN很早就应用到了语音处理领域，但由于早期受到计算资源的限制，神经网络层数较少，语音处理应用性能难以提升，直到近年来深层神经网络的计算资源、学习方法有了突破之后，基于神经网络的语音处理性能才有了显著的提升 。
深度神经网络可以学到语音信号中各种信息间的非线性关系，解决了传统语音处理方法难以解决的问题，已经成为当前智能语音处理的重要技术手段 。
本文摘编自《智能语音处理》，经出版方授权发布 。
【终于有人把智能语音处理讲明白了】
推荐阅读
- 快速上升关键词排名需要把握的技巧
- 中国移动|中国移动推出“5G新通话”：5G杀手终于来了？
- 美国|爆火的美国版“烤冷面”：着实把我看呆了
- 曼松贡茶合适存吗,把逍遥化进曼松
- 儿童|常吃鸡肉 真的会性早熟？"元凶"终于找到了
- excel中怎样把两个单元格的内容合并在一个单元格里-excell怎么把两个单元格内容合并到一个单元格-
- 买茶最难把握的两个字,懒MM的减肥消脂茶
- 20个话题把女生聊到嗨?什么话题吸引女生来一起聊天_1
- 人工智能三大关键能力，终于有人讲明白了
- 把子茶与普洱茶的区别,弄懂普洱茶生茶和熟茶的区别