我读过一些关于HMM和MFCC的期刊和论文，但是我仍然对它如何与我的数据集（句子音频数据集）一步一步地工作感到困惑。
我的数据集示例（音频表单）：
你好早上好
祝你考试顺利
等
约343个音频数据和20个扬声器（6800个音频数据）
我只知道：
我的句子数据集用来得到转换概率
嗯状态是音素
39个MFCC特征用于训练HMM模型
我的问题：
我需要把我的句子剪成单词还是仅仅用句子训练
嗯，模特？
我需要火车的电话数据集吗？如果是的话，我需要训练它也用嗯？如果不是，我的程序如何识别HMM预测输入的音素？
我必须先做些什么？
注意：我使用python，我使用hmmlearn和python_speech_特性作为我的库。
最佳答案
我需要把我的句子剪成单词还是仅仅用句子来训练HMM模型？
理论上你只需要句子和音素。但是单独的单词可能对你的模型有用（它增加了你的训练数据的大小）
我需要火车的电话数据集吗？如果是的话，我需要训练它也用嗯？如果不是，我的程序如何识别HMM预测输入的音素？
您需要音素，否则如果您的模型没有任何孤立音素的示例，则很难找到正确的音素分段。你应该首先在孤立的音素上训练你的HMM状态，然后添加其余的数据。如果你有足够的数据，你的模型可能可以学习没有孤立的音素例子，但我不会在这一点上击败。
我必须先做些什么？
建立你的音素实例，并使用它们来训练一个简单的HMM模型，而不是建立音素之间的转换模型。一旦你的隐藏状态有了一些关于音素的信息，你就可以继续学习孤立的单词和句子了。
关于python - 如何使用语音识别数据集训练HMM以进行语音识别？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/51165305/