自適應的作用是，補償實際數據與已經訓練的三音素模型中聲學條件不匹配的問題，包括說話人特性（說話方式、口音等）及環境特性（如錄音設備、房間混響等）。在GMM-HMM模型中，自適應方法有特徵空間變換和模型空間變換。Kaldi中主要採用的是特徵空間變換方法： LDA、MLLT和fMLLR，其本質都是在訓練過程中估計變換矩陣，然後構造變換後的特徵，再迭代訓練新的聲學模型參數。LDA+MLLT針對環境特性，拼接上下文多幀數據，再通過特徵變換進行降維處理，因爲與說話人無關，所以估計的是全局矩陣。fMLLR針對說話人特性，基於每個說話人或每個utterance進行變換矩陣估計。在DNN-HMM模型中，由於DNN的鑑別特性，GMM下的自適應方法不能直接拿來用，DNN下的自適應方法主要有線性變換、正則項法、子空間法（i-vector）。
自適應的作用是，補償實際數據與已經訓練的三音素模型中聲學條件不匹配的問題，包括說話人特性（說話方式、口音等）及環境特性（如錄音設備、房間混響等）。在GMM-HMM模型中，自適應方法有特徵空間變換和模型空間變換。Kaldi中主要採用的是特徵空間變換方法： LDA、MLLT和fMLLR，其本質都是在訓練過程中估計變換矩陣，然後構造變換後的特徵，再迭代訓練新的聲學模型參數。LDA+MLLT針對環境特性，拼接上下文多幀數據，再通過特徵變換進行降維處理，因爲與說話人無關，所以估計的是全局矩陣。fMLLR針對說話人特性，基於每個說話人或每個utterance進行變換矩陣估計。在DNN-HMM模型中，由於DNN的鑑別特性，GMM下的自適應方法不能直接拿來用，DNN下的自適應方法主要有線性變換、正則項法、子空間法（i-vector）。