语音识别调研报告

- 应用：语音识别是为了让计算机理解自然语言。
- 中文语音识别的关键点：1.句到词的分解，词到音节的分解；2.语音的模糊性，如多音字问题；3.词在不同语境中不同；4.环境噪声的印象。
- 处理的核心步骤：
		- - 1. 音频处理：消除噪声，让信号更能反映语音的本质特征。
		- - 2. 声学特征提取：MFCC、Mel等
		- - 3. 建立声学模型和语言模型：语音识别由这两种模型组成。

- 1. 隐马尔科夫链（HMM） 技术成熟、稳定为目前主流的语音识别方法。
	1.1 核心的框架HTK包
- 2. 人工神经网络，也就是DNN方法。
	- - 2.1 主流的语音识别解码器为（WFST)：该解码器把语言模型和声学模型集成为一个大的网络，大大的提高了解码速度。
	- - 2.2 主流的DNN方法有：
		2.2.1 ASRT：中文模型
			2.2.1.1 核心算法：卷积网络、CTC声学模型，熵最大的隐马尔科夫语言模型
			2.2.1.2 准确率：80%
		2.2.2 训练平台：keras+tensorflow
	- - 2.3 DeepSpeechRecognition 模型
	- - 2.4 Kaldi方法类