1. (Weighted Finite-State Transducer)：加权有限状态转换机，由有限状态接收机(FSA)拓展而来，在ASR领域常被称为“解码器”。
2. 是一个包含了声学模型（H）、上下文相关处理的FST（context-dependency transducer, C）、发音词典（L）、语言模型(G)，这四个网络，通过一定“操作”结合，形成了解码网络。
3. 只要复合的WFST构建完毕，解码器的工作就是对于给定的语音输入搜索最优的路径。如果模型没有发生变化，则WFST不需要更新（静态解码网络）。
4. 确定有限自动机（DFA）：
   1. 自动机(Automaton)：就是一个代码块,只做一件事——接收输入值，和状态值，输出同为状态值的结果。
   2. 有限(Finite)：是指自动机接收、输入的状态种类是有限的。
   3. 确定(Deterministic )：是指自动机的输出状态是单一的一个状态。
5. 一个普通的FA可以通过加输入输出、加权，转化为WFST，而在语音识别领域，往往是由HCLG这四个小网络通过一定的“操作”组合在一起，成为了一个大的WFST网络的，也就是说WFST是网络的结构，而HCLG代表了网络的四部分“内容”：
   1. H(声学模型)： 
      1. 把声学观察序列变成上下文相关因子序列的WFST。这个WFST代表声学模型，它的输入是观察序列，输出是上下文相关因子序列及其概率。(HMM)
      2. 在基于WFST的方法里，一个声学模型可以被看成一个转换机(transducer)，其将输入的语音信号转化为一个上下文相关的phone序列(HMM)。
      3. 使用HMM的原因：

         1. 理论上：声学模型的建立是在给定因素序列下输出特定音频特征序列的似然P(X│S)。X：音频特征向量，S为音素，所以P(X│S)就是整个声学模型的表示。

         2. 实际上：我们仅知道音频特征序列，并不知道其对应的音素序列，因此要通过HMM构建音频特征与与背后每个音素的对应关系。

   2. C(跨词三音子模型) ：
      1. 把上下文相关的因子序列转换成上下文无关的因子序列的WFST。

      2. 声学模型的输出是上下文相关的因子序列。但是，L要求的输入是上下文无关的因子序列。所以需要C来把上下文相关的因子序列转换成上下文无关的。

   3. L(发音词典)：
      1. 输入(上下文无关的)因子序列，输出是词序列。
      2. 可以使用每一个词的转换机通过并与Kleene闭包运算来构造。对于每一个词，根据发音词典输入是一个(或者多个)子词单元的phone的序列，而输出是这个词。
      3. kleene闭包：此闭包是指集合上定义的运算使得运算结果对集合封闭，不是计算机语言里指的引用了自由变量的函数，甚至可以不适用克林闭包来构造，可以使用正则表达式来描述一个词的多个发音，毕竟正则表达式可以转化成为一个有穷自动机
      4. 在两个词之间插入一个短暂停的方法：再构造一个sp节点
   4. G(语言模型)：
      1. 可以判断这个词序列是否符合语法以及它的概率。对于固定的文法来说，它只能识别符合文法的句子；而对于N-Gram来说，所有的句子都是可能的，只不过概率有高有低。
      2. 是一个WFSA，输入是一个词序列
      3. n-gram模型等价于（n-1）阶的马尔可夫模型，该模型有|V|^(n-1)个状态以及|V|^n个跳转，|V|表示词典大小，可能会出现内存爆炸的，通常使用back-off的方法进行平滑缓解。
      4. 操作：（wsy:感觉就是编译原理里的状态转移）
         1. “复合”操作：
            1. 复合就是用来把两个不同层级的WFST“整合”成一个WFST。用一个串联的WFST模型序列生成单一的WFST，使得新WFST的输入输出关系与原WFST序列相同。
            2. 前提：前一个WFST的输出属于后一个WFST的输入
            3. 具体：先遍历组合所有节点，然后算每个组合后的出弧T_A的output=T_B的input，是可以进行复合操作的前提条件 
         2. 转移消除(ε-removal)：
            1. 作用，主要是去空弧，在WFST网络之中，ε是一个特殊的(输入和输出)符号，它代表空，没有输入/输出。输入符号为ε的跳转叫做ε-跳转，这个状态的跳转不需要任何输入符号就可以进行。
            2. WFST构建过程中，ε的状态转移对整体输入输出序列没有贡献，存在一个算法(ε-消除算法)把一个ε-NFA转换成与之等价的没有ε-跳转的NFA。
            3. 前期优化过程中留下、生成或引入空弧标记，最后进行去空弧操作减少整体复杂度。
         3. 确定化操作（Determinization）：
            1. 如果从一个状态遇到一个字母会有两条及其以上的边，那么它就是非确定的
            2. 确定化的算法就是把一个非确定的WFST转换成等价的确定的WFST的算法，确定化后，网络将变为唯一输入和唯一输出。（与FSA相同）
            3. 在每个final state之中，输出必定被替换为ε。优点：提高计算效率
         4. weight-pushing操作：
            1. 前提：语音识别问题可以转化为搜索最小惩罚路径(minimal cost path)；
            2. 优点：在一开始消除掉“绝路”(unPomising path)能够缩短搜索时间；
            3. 原因：最小化操作的必要条件，变换前后路径上的权重相等；
            4. 做法：重新分配WFST上的权重，使得权重尽可能提前。
            5. Weight Pushing运算的作用是把一个WFST所有路径的weight分布往初始状态push，但是不改变任何成功路径的weight。
         5. 最小化操作：对于两个状态P和Q，从这两个状态出发到达终止状态的所有路径，若这些路径上的所有字元和权重全部相同，则称P和Q等价。

参考：语音识别之WFST的“操作”（炒鸡详细版本） - 知乎 (zhihu.com)