智能语音识别技术：原理、应用与挑战####
本文深入浅出地探讨了智能语音识别技术的基本原理，从声学模型到语言模型的构建过程，揭示了其背后的复杂算法。同时，文章详细阐述了该技术在智能家居、客户服务、无障碍技术等领域的广泛应用，并指出了当前面临的主要挑战，包括噪声干扰、方言差异及数据隐私等问题，为读者提供了对这一前沿技术领域的全面了解。
####
语音识别（ASR）基础介绍第四篇——当今流行做法与CTC
本篇开始，就进入到了asr当前的流行做法。 这里单独提到了CTC算法。 这个算法对当前asr使用deep learning的方法有重大影响。
总体感觉，写到本篇，工作量反而变得很小。因为进入deep learning时代后，神经网络模型基本都是那么几种，已经不再需要挨个详细介绍。而且看图就能理解的很明白。 所以本篇后半部分基本就是贴图了。。:D
一、CTC
在CTC之前，训练语料
语音识别（ASR）基础介绍第三篇——经典做法及术语概念
上一章介绍了万金油特征MFCC，相当于数据的输入已经确定了。 本章尽可能的介绍经典asr做法。其中涉及到的各种概念和思考，了解了之后，和相关专业的人交流，大概就不再迷茫了:D
传统方法也可以按 声学模型 和 语言学模型 的方式来划分。
声学模型主要的职责是，把一段音频处理成类似拼音的形式， 然后交给语言模型来猜: 能够发这些音的单词，怎么组合起来更常见一些。然后找到最可能的组合，便是asr的结