趋近智
高级语音识别与合成
章节 1: 现代语音处理流程的核心组成
高级音频特征提取
语音统计建模回顾
序列的深度学习结构
ASR 系统组成部分
文本转语音（TTS）系统的组成部分
评估指标的再审视
章节 2: 高级ASR声学建模
混合HMM-DNN系统
联结主义时间分类 (CTC)
注意力机制的编码器-解码器模型
RNN 转导器 (RNN-T)
用于自动语音识别的Transformer架构
高级训练方法
解码算法比较
动手实践：构建一个端到端ASR模型
章节 3: ASR中的语言建模与适应
ASR中的神经网络语言模型
浅层集成与深度集成
语境ASR
说话人适应技术
环境与信道适应
自动语音识别中的无监督和半监督学习
多语言和跨语言自动语音识别
实践：使用适应数据微调ASR
章节 4: 高级文本到语音合成
自回归声学模型 (Tacotron, Transformer TTS)
非自回归声学模型 (FastSpeech, ParaNet)
基于流的文本到语音合成模型
生成对抗网络（GANs）在文本到语音中的应用
韵律建模与控制
富有表现力的语音合成
声音克隆与转换
动手实践：训练高级TTS模型
章节 5: 神经网络声码器与波形生成
传统声码器的不足之处
自回归波形模型（WaveNet, WaveRNN）
基于流的声码器 (WaveGlow, FloWaveNet)
基于GAN的声码器（MelGAN, HiFi-GAN）
用于声码器的扩散模型
神经网络声码器的条件化
合成音频质量评估
动手实践：使用神经声码器
章节 6: 优化、部署与工具集
语音模型量化
模型剪枝与稀疏化
ASR/TTS 的知识蒸馏
优化推理引擎（ONNX Runtime, TensorRT）
流式ASR的部署考量
实时文本转语音（TTS）的部署考虑
语音处理工具包（ESPnet, NeMo, Coqui）概述
实践：优化语音模型
ASR 系统组成部分
这部分内容有帮助吗？
- Speech and Language Processing: An Introduction to Computational Linguistics and Speech Recognition, Daniel Jurafsky and James H. Martin, 2025 (Pearson) - 这本综合性教材涵盖了语音和语言处理的原理与实践，详细介绍了ASR系统组件、特征提取、声学和语言建模以及解码算法。它也包含了现代神经网络技术。
- Deep Neural Networks for Acoustic Modelling in Speech Recognition: The Shared Views of Four Research Groups, Geoffrey Hinton, Li Deng, Dong Yu, George Dahl, Adam Mohamed, Navdeep Jaitly, Andrew Senior, Vincent Vanhoucke, Patrick Nguyen, Tara Sainath, and Brian Kingsbury, 2012 IEEE Signal Processing Magazine, Vol. 29 (IEEE) DOI: 10.1109/MSP.2012.2205597 - 本文介绍了用于声学建模的深度神经网络，显著提升了语音识别性能，超越了高斯混合模型，并影响了现代ASR系统的设计。
- Speech Recognition with Deep Recurrent Neural Networks, Alex Graves, Abdel-rahman Mohamed, and Geoffrey Hinton, 2013 IEEE Conference Publication (IEEE) DOI: 10.1109/ICASSP.2013.6638947 - 介绍了用于端到端语音识别的循环神经网络换能器（RNN-T），展示了一种无需显式对齐即可将声学特征直接映射到字符序列的架构。