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
基于神经网络的声学模型介绍
这部分内容有帮助吗？
- Deep Neural Networks for Acoustic Modeling in Speech Recognition, Geoffrey Hinton, Li Deng, Dong Yu, George Dahl, Abdel-rahman Mohamed, Navdeep Jaitly, Andrew Senior, Vincent Vanhoucke, Patrick Nguyen, Tara N. Sainath, Brian Kingsbury, 2012 IEEE Signal Processing Magazine, Vol. 29 (IEEE) DOI: 10.1109/MSP.2012.2205597 - 这篇基础论文展示了在混合HMM-DNN语音识别系统中，用深度神经网络取代高斯混合模型进行声学建模的有效性。
- Connectionist Temporal Classification: Labelling Unsegmented Sequence Data with Recurrent Neural Networks, Alex Graves, Santiago Fernández, Faustino Gomez, Jürgen Schmidhuber, 2006 Proceedings of the 23rd International Conference on Machine Learning (ACM) DOI: 10.1145/1143844.1143891 - 介绍了连接时序分类（CTC），一种用于训练循环神经网络标注未分段序列数据的方法，在端到端语音识别中应用广泛。
- Listen, Attend and Spell: A Neural Network for Large Vocabulary Conversational Speech Recognition, William Chan, Navdeep Jaitly, Quoc V. Le, Oriol Vinyals, 2016 2016 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) (IEEE) DOI: 10.1109/ICASSP.2016.7472659 - 介绍了“听、注意和拼写”（LAS）模型，这是端到端语音识别中基于注意力的编码器-解码器架构的一个早期且有影响力的例子。