WFST解码器
厦门大学洪青阳教授的公开课：《语音识别值WFST解码器——基于WFST的维特比解码过程》
- token：保存解码的中间结果
- WFST解码本质上也是Viterbi解码，根据输入的特征序列，进行帧同步对齐，寻求最佳状态序列。
- 注意这里的状态不是HMM状态，而是HCLG的状态节点，所遍历状态节点之间的衔接，可能是==产生观察值==的转移弧（如状态𝑆1和𝑆2、 𝑆2和𝑆3之间的实线），也可能==不产生观察值==的转移弧（如状态𝑆4和𝑆5之间的虚线）。
- Emitting arc：发射转移弧，会产生观察值，观察值产生声学分数（acoustic_cost），非0的输入标签（ilabel！=0）.
- Nonemitting arc：非发射转移弧，不会产生观察值，没有声学分数，但是状态间能够跳转。简单理解可以想成 o—语:语文—o—文: $\epsilon$ —o 。0的输入标签（ilabel=0）
- graph_cost：图代价，每条转移弧对应的权重。
- weight_cutoff：要剪枝的阈值
- cost越小越好
- arc.weight：包含hmm 转移概率、词典概率、语言模型概率（不包含am发射概率）（负对数）
- acoustic_cost：am发射概率（负对数）
- 若cost更小，存在该token，有就替换，没有就添加
- 若cost更小，存在该token，有就替换，没有就创建一个
基于token的viterbi解码
类似HMM的解码过程， WFST的Viterbi解码也是逐帧推进，分别计算每帧的声学得分，然后结合转移弧的权重，得到每个时刻扩展路径的累计代价，这些代价用Token的cost保存。
WFST的Viterbi解码通过对比指向同一个状态的不同路径的由Token（==该Token与状态节点关联==，如果状态节点还没有Token，则创建一个新的Token）保存的累计代价（cost） ，选择值更小的并更新Token信息。
Viterbi算法的每个状态最多只有一个Token，如果有多条路径到某个状态，则Token可能存在冲突，根据值更小原则保持或进行替代 。
token：当走到某状态，会有一个token（没走到不会创建），token中的cost会更新
- prev_toks：历史token
- cur_toks：当前token
- 当前帧的token：状态0，会遍历，cur_token会依次放进8，1，9，第一次，是创建token。9还会走processnonemitting，走到2，创建状态2的token
第二帧：
- 10->2：看看状态2的token的cost有没有更小，要不要更新2的token cost
回溯：
beam：指的是一个窗口范围，对于一个token，到下一个状态弧在不在这个范围里，不在就舍弃，而不是取前beam个，是beam对应的窗口范围