语音识别（ASR）基础介绍第三篇——经典做法及术语概念

上一章介绍了万金油特征MFCC，相当于数据的输入已经确定了。 本章尽可能的介绍经典asr做法。其中涉及到的各种概念和思考，了解了之后，和相关专业的人交流，大概就不再迷茫了:D

传统方法也可以按 声学模型 和 语言学模型 的方式来划分。

声学模型主要的职责是，把一段音频处理成类似拼音的形式， 然后交给语言模型来猜: 能够发这些音的单词，怎么组合起来更常见一些。然后找到最可能的组合，便是asr的结果了。

本章介绍的，其实是下图左侧的部分。

一、术语定义

介绍一个概念前，首先要把它依赖的术语说明白，其实asr领域的术语定义并不复杂，反而非常符合直观感觉。换句话说，定义基本是一眼就明白意思并且觉得没有毛病的样子。

上图右侧是传统模型的大致处理流程。里面用到的术语基本都在左侧介绍了。架构解释了整体的处理逻辑： 已知一句话中的一系列单词W ，在MFCC发