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
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。