我对此很好奇。

从广义上讲，如何去做以下事情：

• 单词分隔的检测。
• 音节的检测。
• 补偿正常的语音单词连接。

解决方案

直到现在，这仍是广泛研究的主题。通常，我们会基于对我们将要识别的语言的语言分析来建立模型，并检测所有单词分隔和音节的情况。然后，主要使用信号的隐马尔可夫模型进行识别。

以下是一些参考，可能会给我们一些更好的想法：

http://lands.let.kun.nl/literature/eric.2004.2.pdf

http://www.asel.udel.edu/icslp/cdrom/vol4/778/a778.pdf

http://en.wikipedia.org/wiki/Speech_segmentation