趋近智
应用语音识别
章节 1: 数字音频与语音入门
自动语音识别系统介绍
人类语音的特性：音素和同位音
数字音频信号：采样、量化与编码
在 Python 中使用 Librosa 处理音频数据
时域与频域分析
语音可视化中的语谱图入门
实践操作：加载与可视化音频波形
章节 2: 语音识别的特征提取
特征提取在ASR中的作用
梅尔频率倒谱系数 (MFCC)
MFCC的逐步计算
滤波器组和对数梅尔频谱图
特征归一化技术
MFCCs与频谱图作为输入特征的比较
实践：从数据集中提取和归一化特征
章节 3: 基于深度神经网络的声学建模
自动语音识别中的声学模型概述
使用循环神经网络构建声学模型
使用LSTM和GRU处理序列难题
联结主义时序分类 (CTC) 损失
实现基于CTC的ASR模型
动手实践：使用 CTC 训练一个简单 LSTM 声学模型
章节 4: 高级声学模型与架构
用于语音识别的注意力机制
自动语音识别 (ASR) 中的序列到序列 (Seq2Seq) 模型
听觉、注意与拼写 (LAS) 架构
自动语音识别中的 Transformer 模型概述
Conformer：结合卷积神经网络与Transformer
预训练ASR模型概述
实践：微调预训练ASR模型
章节 5: 语言模型与解码
语言模型在自动语音识别中的作用
N-gram 语言模型
使用 KenLM 构建 N-gram 模型
模型整合的解码图
解码算法：贪心搜索与集束搜索对比
结合语言模型实现束搜索
动手实践：将语言模型集成到 CTC 解码器中
章节 6: ASR系统的评估与部署
ASR 性能评估指标：词错误率 (WER) 和字符错误率 (CER)
计算词错率
语音数据的常用增强方法
使用Hugging Face流水线进行ASR
使用 Gradio 构建语音转文本应用
实时流式ASR的考虑事项
实践：评估和构建演示应用
模型整合的解码图
这部分内容有帮助吗？
- Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition, Daniel Jurafsky, James H. Martin, 2025 (Pearson) - 涵盖ASR基础、语言建模和用于解码图的有限状态转换器的教科书。
- Weighted Finite-State Transducers in Speech Recognition, Mehryar Mohri, Fernando Pereira, and Michael Riley, 2002 Computer Speech & Language, Vol. 16 DOI: 10.1006/csla.2002.0194 - 介绍WFST理论及其在ASR解码中结合声学、词典和语言模型的应用的基础论文。
- Finite-State Transducers in Natural Language Processing, Brian Roark, Richard Sproat, 2007 (Morgan & Claypool Publishers) DOI: 10.2200/S00078ED1V01Y200709NLP005 - 一本关于有限状态转换器及其用途的书籍，其中包含与语音解码图相关的详细信息。
- OpenFst: An Open-Source, Weighted Finite-State Transducer Library, Mehryar Mohri, Michael Riley, Fernando Pereira, Cyril Allauzen, 2008 Proceedings of the Sixth International Conference on Language Resources and Evaluation (LREC'08) (European Language Resources Association (ELRA)) DOI: 10.55917/ccf-k.55921 - 描述了OpenFst库，这是一个用于实现和操作加权有限状态转换器的标准工具，用于构建解码图。