链式四因子分解:一条公式拆成四个方框
从右往左点亮流水线,看
arg max
下隐藏的四个概率因子,以及哪个其实不参与竞争。
解码目标
Ŵ = arg max
p(A|O)
p(O|L)
P(L|W)
P(W)
特征
声学
字典
语言
P(W)
语言模型
词序列先验
P(L|W)
发音字典
词 → 音素单元
p(O|L)
声学模型
单元 → 音频样本
p(A|O)
特征提取
音频 → 特征
W
L
O
A
δ 确定性映射
▶ 播放
单步
重置
点「播放」从最右的 P(W) 开始,沿生成链从右往左逐项点亮。
💡 解码 = arg max 四因子连乘;但
p(A|O) 特征提取是确定性 δ 映射
,对所有候选 W 都是同一个常数 → 真正比拼的只有
声学 p(O|L)·字典 P(L|W)·语言 P(W)
三项。注意本节 O=音频、A=特征,记号与上一动画相反。