系统利用预先训练好的GMM模型库，计算它属于上述9个状态中每一个状态的似然度，即$p(F_t | \text{状态}_i), i=1,...,9$。具体来说，为HMM的每个状态$s$都训练一个专属的GMM，用于计算在该状态下观察到特征$\mathbf{x}_t$的概率$p(\mathbf{x}_t | s)$。在一个完整的HMM-GMM识别系统中，GMM扮演着HMM的。对于更复杂的词句，如“你好”