一、Model

1、将声学特征设为X，经过语音识别得到的tokens设为Y，目标是找到通过X得到Y的最大概率，可以通过概率公式改变为

分为两个概率

2、将tokens序列Y转化为states序列S，声学特征分得更细

3、从states到声学特征的过程

二、HMM中从P(X|Y) -> P(X|S)

1、Transition Probability：从一个state转化为别的state的可能性

2、Emission Probability：前提是，人在发每一个state时，都有固定概率的声音信号

3、最终形态为Subspace GMM，所有的state共用一个Gaussian Mixture池

三、alignment

1、用于计算Emission概率

2、穷举所有alignment序列

3、计算

四、DL用于语音识别

1、Tandem：语音辨识HMM系统不变，唯一变化的是使用DNN（state classifer）给我们比较好的state（从声学特征到state），其他不变

2、DNN-HMM Hybrid

（1）将Gaussian Mixture Model使用DNN取代掉，也就是将得到P(x|a)转化为P(a|x)。

（2）通过概率公式转化

（3）train state classifier

a、使用DNN-HMM Hybrid得出state与声学特征对应的最大概率关系

b、有了对应关系可以训练classifier（DNN）

c、如果想要更精确，可以使用训练出来的更精确的classifier作为寻找state与声学特征对应关系的Model，训练处DNN2。