返回信息流最近在学习语音识别，阶段性总结下经验，大家可以康康。最近学习时发现了一个比较不错的经典论文集也一并分享给大家，网盘链接放到最下面了（种种树），先给你们放个目录：
1.基于HMM的方法：
1.1 Review（4篇）；
1.2 GMM-HMM-AM（3篇）；
1.3 DNN-HMM-AM（7篇）；
1.4 LM（3篇）；
1.5 Decoder（5篇）；
1.6 Discriminative Training（3篇）；
1.7 Robust（5篇）；
1.8 SpeakerAdaptation（2篇）；
1.9 System（2篇）
2.端到端的方法：
2.1 Review（2篇）；
2.2 CTC（5篇）；
2.3 RNN-T（3篇）；
2.4 Attention（7篇）
学习总结
语音识别大体上就是将人类的语音信号输入系统，识别出对应的文字。过程大体分为两个阶段，前一阶段主要是语音信号的处理，后一阶段主要是模型训练和语音识别
过程总结：
1、语音信号预处理
语音信号是一个连续的信号，首先对语音信号进行预处理，比如预加重处理，分帧加窗处理等，目的则是为了提高信号信噪比，便于后续处理。
2、语音信号分析
语音信号输入需要进行一系列处理，不是一个简单的输入语音并直接输入文本的系统，包括了时域分析、时频域分析，倒谱域分析；这里处理的目的为了得到语音信号的时域或时频域特征，便于画出功率谱，用于下一步特征提取（MFCCs）
时域分析：能够提取到的特征包括短时平均能量，短时平均过零率，短时自相关函数。这些特征倾向于短时信号特征，在端点检测、静音判断、清浊音切分方面应用广泛
时频域分析：语音处理过程中，二者结合起来的时频特征对后续工作也很重要，这一部分用到傅里叶变换。傅里叶变换可以很好的表现出信号的频率域特征，但是丢失了时间信息，因此，对傅里叶变换进行优化，提出了短时傅里叶变换（STFT），在傅里叶变换的基础上，对信号分帧加窗，逐个处理，能够得到比较好的时域和频域特征信息。
3、特征提取
语音信号的特征参数能够很好的表达语音信号这种复杂的连续信号，能很好的表达语音信号所携带的信息，特征参数主要学了MCFF参数提取，MCFF频率和人类听觉相符。
4、模型训练
模型训练中吧语音信号经过处理，得到指定的N维特征参数并输入到模型中，多次迭代优化模型参数，
识别阶段，识别语音信号处理后得到N维参数，输入模型中得到结果。
语音识别模型很多，包括经典的HM、GMM；人工神经网络兴起使得DNN、CNN应用广泛，通过给出初始模型，不断优化参数，得到满意模型。
这是我近一段时间的学习心得，看回复情况日后吐血再更，先刨个坑，日后资料也会分享给大家。
语音识别的论文集是深蓝NPL教研室联合中科院自动化所整理，百度网盘链接https://pan.baidu.com/s/1geBLnrl g0tu
链接易被删，如果失效了，你们就添加微信『深蓝学院-子书（微信号：shenlan-zishu）』，回复
【1-语音识别】就能领取
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #35998同步于 2019/12/27
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
【论文分享】 语音识别学习日记（一）
mathorcup
2019/12/27镜像同步5 回复
订阅后，新回复会通过你的通知中心匿名送达。
5 条回复
总结了下 入门课程 和相关论文，希望有所帮助，http://zhaoshuaijiang.com/2019/02/15/end-to-end-asr/
也欢迎来我司 实习 https://bbs.byr.cn/#!article/ParttimeJob/644418
【 在 Ditingz 的大作中提到: 】
: 想问下楼主怎么入门语音识别呢