求大神指点迷津

的确是

语音识别模型还是很少的

在查了好多资料，也没有几个像样的模型

大佬，你做过这方面的研究吗？

看看这个文对你有帮助没

https://blog.csdn.net/chinatelecom08/article/details/82557715

这里面直接就将语谱图当成图片输入进cnn网络了，然后用字做分类标签。

传统的玩法都是用梅尔倒谱系数做变换，然后提取峰值功率点进行比对。现在有了dl就直接用语谱图干了。

以前还用动态时间规整（DTW）增强字发音长度的鲁棒性，现在有了dl，都由cnn干了

有关于CNN的成熟的语音识别的结构没

深度学习的语音识别我也没怎么玩过。现在智能音箱满天飞，那些背后的模型算不算成熟。或者开源么。还得问大佬啊。

智能音箱你可以看UNIT的视频课，其实感觉语音识别用得不是太深，主要是NLP和配规则。

嗯，这个主要是看做哪个层面的开发。如果是应用层面的开发，不但底层的语音识别（包括方言）细节不用操心，甚至nlp也有框架给做好了，其更像是前端开发。

现在语音模型开源的很少呀，太难了

数据集也很少啊

语音识别尤其是智能音箱、语音助手都是大佬们把持着呢，前景广阔。同学们研究出成果基本也都是“货卖帝王家”吧。

测试过开源的数据集和算法，实际应用效果很差，几乎一句话都不能完整识别出来，感觉数据集的原因比较大。

可能也是网络不够深

现在才知道语音识别难呀，以前年纪小不懂事

嗯，工业用的的根比赛研究用的数据集应该完全不是一回事吧。