離散隱藏式馬可夫模式必須先以向量量化作前置處理，向量量化是利用集群的技術來
對語音資料作分群的工作，再建立出各群的長，通常是利用此法建立出一個“通用碼
本”。
在本文中提出一種新的方法。用以提高語音辨識率。此種方法介於通用碼本與單語碼
本之間，本文稱之為“半通用碼本”，本方法是先將辨識的單語分成數組，各組各自
建立自己的通用碼本，然后再分別加以訓練。
隱藏式馬可夫模式是屬於機率統計的方法，其辨識法則是采用維持比演算法求出最佳
之機率路徑。故與習知之動態時間扭曲法有祑曲同功之效。但其具有較少記憶空間以
及較少運算量的優點。
本文所提出的“半通用碼本”，有下列之特點：
(1) 由於先經過分組以后，再建立各組的碼本，所以可以達到更高的辨識率。
(2) 因為是分組訓練，所以在增加辨識的字匯的時候，無需像傳統的方式，必須重頭
開始訓練。
雖然如此一來會增加一些記憶空間，以及訓練時間，可是這些影響都是很小的，吾人
可以忽略。
在本文中所建立在30個單語的資料庫，對非特定語者之語音辨識。若采用“通用碼本
”的型式，其教導語句為97.23%的辨識率，測試語句則為94.32%，經本文所提出之“
半通用碼本”改善后，其教導語句可達98.91%的辨識率，測試語句亦可高達97.02%，
實驗證實，在辨識率上可提高196∼396。