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
神经网络语言模型简介
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 and James H. Martin, 2025 (Stanford University (Online Draft)) - 一本综合性教科书，涵盖传统N-gram模型、神经语言模型、词嵌入以及RNN和Transformer等序列模型。
- A Neural Probabilistic Language Model, Yoshua Bengio, Réjean Ducharme, Pascal Vincent, and Christian Jauvin, 2003 Journal of Machine Learning Research, Vol. 3 - 一篇基础论文，介绍了最早的学习词嵌入和基于神经网络的语言模型之一。
- Efficient Estimation of Word Representations in Vector Space, Tomas Mikolov, Kai Chen, Greg Corrado, and Jeffrey Dean, 2013 arXiv preprint arXiv:1301.3781 DOI: 10.48550/arXiv.1301.3781 - 介绍了Word2Vec模型（Skip-gram和CBOW），用于高效创建高质量词嵌入。
- Attention Is All You Need, Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser, Illia Polosukhin, 2017 Advances in Neural Information Processing Systems 30 (Curran Associates, Inc.) - 介绍了Transformer架构，该架构彻底改变了序列建模，并成为现代大型语言模型的基础。
- CS224N: Natural Language Processing with Deep Learning, Christopher Manning and Abigail See, 2023 (Stanford University) - 一门高级大学课程，提供涵盖词嵌入、循环神经网络和现代Transformer模型的讲座视频和笔记。