HMM詞表結構用手工來建立，工作時要使用一部非定制發(fā)音詞典，如PRONLEX詞典（LDC.1995）或CMUdict詞典。在有些系統(tǒng)中，詞典中的每個音子都要映射到HMM模型的狀態(tài)中。這樣，單詞cat對應于[k]，[ae]和[t]三個狀態(tài)。但是，很多系統(tǒng)使用我們前面描述的次音子結構，其中每個音子被分割為三個狀態(tài)：音子的開始部分、中間部分和最后部分。每個這樣的次音子還可以進一步在三音子上下文中出現不同的實例。

HMM參數的嵌入訓練細節(jié)各不相同，這里介紹最簡單的一種。首先，我們需要轉移概率aij和觀察概率bj(ot)的某些初始估計值。對于轉移概率，起初假定對于任何狀態(tài)的所有可能的下一個狀態(tài)的值都是等概率的。觀察概率可以從一個手工標注的小語料庫開始，一步一步地使用自舉

（bootstrapped）的方法訓練得到。例如，TIMIT語料庫或Switchboard語料庫各有4小時的經過語音標注的口語語料。它們可以為每個語音框架提供一個“正確”的音子狀態(tài)標記q。這些都可以送到MLP中，或者求其平均給出初始高斯平均值和方差。對于MLP，初始的估計是很重要的，所以手工標注的自舉結果（bootstrap）就成為了其后的規(guī)范。對于高斯模型，參數的初始值看來不那么重要，所以高斯模型的初始平均值和方差通常只是一個集合，在使用整個訓練集的平均值和方差時，這個集合對于所有的狀態(tài)都是等同的。

現在，對于所有的概率a和b，我們有了初始的估計。在算法的下一個階段，高斯模型和MLP系統(tǒng)各不相同。對于MLP系統(tǒng)，我們使用一種稱為“強制Viterbi對齊”（forced Viterbi alignment）的方法。強制Viterbi對齊取語段中正確單詞的序列作為輸入，將其與聲譜特征矢量對齊。這樣能夠產生HMM狀態(tài)的最佳序列，其中的每個狀態(tài)與一個特征矢量對齊。因此，強制Viterbi對齊是正規(guī)Viterbi解碼算法的一種簡化，因為它只需要列出正確的音子序列，而不必找出單詞序列。之所以稱之為“強制”的，是因為我們給算法強加了某種約束，要求最佳路徑必須通過一個特定的單詞序列。它還要求使用Viterbi算法，因為單詞有多個發(fā)音，并且每個音子的音延是不固定的。強制Viterbi對齊的結果是帶有“正確”音子標記的特征矢量的集合，這個集合可以用來對神經網絡進行再訓練。強制對齊中的轉移計數可以用來估計HMM的轉移概率。

對于高斯HMM模型，我們不使用強制Viterbi對齊，而使用向前-向后算法。對于給定的初始概率a和b，我們對每個句子計算它的向前概率和向后概率。正如在MLP中的情況，向前-向后算法也需要使用我們對于正確單詞的知識來加以約束。對于給定的模型A，用向前-向后算法來計算它的概率。在被轉寫的句子中，使用“已知”的單詞序列的知識，從而能夠知道，對于所有的符號串，什么樣的單詞模型可以使我們得到模型A，然后用這個模型來對每個句子的向前和向后概率進行計算。

責任編輯：admin