趋近智
语音识别入门
章节 1: 语音识别的基本原理
什么是自动语音识别（ASR）？
自动语音识别系统简史
语音识别处理流程的组成要素
语音识别的类型：说话人相关型与说话人无关型
语音识别的分类：孤立词识别与连续语音识别
计算机如何处理声音：数字音频基础
语音单位与言语基本组成部分简介
章节 2: 处理音频信号
从声波到数字数据：采样与量化
了解音频格式（WAV、MP3、FLAC）
语音可视化：波形图与频谱图
预加重与分帧
窗口函数详解
特征提取简介
生成梅尔频率倒谱系数 (MFCC)
动手实践：音频文件可视化与处理
章节 3: 声学模型
什么是声学模型？
将声音映射到音素
早期方法：高斯混合模型 (GMMs)
隐马尔可夫模型 (HMM) 在序列数据中的应用
GMM与HMM的结合
基于神经网络的声学模型介绍
语音模型在ASR系统中的作用
章节 4: 语言模型
什么是语言模型？
语音中的歧义问题
N-gram 语言模型：二元语法和三元语法
词语序列概率的计算
困惑度详解
语言模型如何提高准确性
神经网络语言模型简介
章节 5: 解码与系统集成
解码器的作用
确定最可能的词语序列
搜索算法概览
理解维特比算法
完整的ASR流程：回顾
评估表现：词错率 (WER)
语音识别中的常见挑战
章节 6: 构建你的第一个语音识别应用程序
语音识别API与库简介
配置Python环境
使用预训练模型进行转录
从文件中转录音频
实时获取并转录麦克风输入
处理 API 响应和错误
实践：构建一个简单的语音命令工具
GMM与HMM的结合
这部分内容有帮助吗？
- Speech and Language Processing (3rd ed. draft), Daniel Jurafsky and James H. Martin, 2025 - 这本在线草稿教科书章节介绍了GMM-HMM架构作为语音识别中的标准声学模型。
- Fundamentals of Speech Recognition, Lawrence R. Rabiner, Biing-Hwang Juang, 1993 (Prentice Hall) - 一本经典教科书，全面解释了HMM、GMM及其在语音识别中的结合。
- A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition, Lawrence R. Rabiner, 1989 Proceedings of the IEEE, Vol. 77 (IEEE) DOI: 10.1109/5.18626 - 一篇开创性论文，介绍了隐马尔可夫模型及其在语音识别中的早期应用。
- Pattern Recognition and Machine Learning, Christopher M. Bishop, 2006 (Springer) DOI: 9780387310732 - 本书对高斯混合模型和隐马尔可夫模型进行了数学和概率性分析。