本人大一，打算自学语音识别，不知道应该怎么入门。？
如题。本人就读于一所双非的大学，电子信息工程专业的，虽然说该专业属于一本招生，但是学校总体还是一间二本学校，挺水的。学校很难找到好的资源给我们学习，所以我就想自学一下语音识别，但是不知道从何入手。我知道真正想学到专业的东西必须要靠自己，所以想来听听大神的一些入门建议来让我有一个大概的学习流程。不知道学习语音识别应该要具备哪些知识，大神们当初学习的流程又是什么呢？ 推荐3个课程1、《kaldi语音识别理论与实践》https://xjw.xet.tech/s/1LAcPX
语音识别0基础入门课，详细介绍kaldi工具，可以结合陈果果老师的书《kaldi语音识别实战》一起食用。
2、《AISHELL-1语音识别实战》https://xjw.xet.tech/s/2b6rW7
厦门大学语音实验室洪青阳老师团队主讲，语音识别基础课程。
3、《wenet语音识别实战》https://xjw.xet.tech/s/HkxVt
端到端语音识别课程，wenet团队成员主讲。主要是实战，讲解理论的部分较少，需要有一定语音识别基础才行。 去学习icefall的代码吧 语音识别其实是一门非常综合的方向，如果你现在只是大一，我认为知识储备可能还不够，但是如果有这个想法，我觉得非常好，也是做一个比较基础的回答，帮助你在以后的学习中重点留意语音识别所需要的学科和知识点。
语音识别，如果我们只是直觉的去想似乎应该很简单，不就是把语音转换成文字吗，但是计算机要想完成这么一件看似容易的事情，那就复杂多了，这里面有大量的顶尖科学家精心设计的各种算法，有各种假设和先验知识，背后至少涉及到两门数学知识和多种机器学习算法。针对语音识别的各个流程，我在这里线罗列一下所需要的知识点和涉及到的学科，在以后的学习中，可以重点关注。下面列举的这几个方面，可以说每一个方面都可以作为一个单独的学科，不仅是语音，各种机器学习相关的研究方向，也无外乎于此了。
[*]既然是做语音识别，那么就首先要对语音有一个了解，了解语音和信号的基本知识，当然这方面就有很多专门讲语音的书籍，中英文的都有很多，中文的比如各种名为《语音信号处理》的，英文的就是拉宾那的经典教材。这些书籍的背后其实都是《数字信号处理》，然后再结合语音信号独特的特点。学习完成语音信号处理，就对语音和常用的数字信号处理的技术有了深入了解，对后面所要用到的各种语音特征的提取就有了理论的支撑；
[*]概率论一定不可少。不论是现在最流行的深度学习的方法，还是之前混合高斯模型（GMM）和隐马尔科夫模型（HMM），概率论的知识占有非常高的比重，也是大多数机器学习算法的基础，所以这部分一定要学好；
[*]深度学习。这又是一大块，反向传播算法不用说了吧，其实就是高数里面的链式求导法则。从最简单的前向网络，到卷积和递归网络，再到注意力机制和Transformer，几乎就是这十几年深度学习的发展脉络了，这些都已经应用在各种语音识别模型了，所以也都需要搞懂；
[*]机器学习工具，主要就是pytorch和tensorflow了，pytorch更容易使用一些，现在做学术论文的使用的也更多，更容易使用别人开源的代码来复现别人的工作，这就是工具，不能不会；
[*]开源的语音识别算法工具包，这是一个美好的时代，只要你会用github，那么几乎99%的工作都能胜任了，语音识别也不例外，可能你只需要会一些linux基础知识和python，你就能跑一个语音识别任务。比如Wenet，ESPnet，都可以参考。
上面说了一些做语音识别需要的基础知识，还有一些公开课，比如深蓝学院和西工大谢磊老师的课程，但是这个也是假设有上述的这些基础知识的。如果现在大一基础知识还跟不上，而又想有一个科学的了解，还是推荐读一下HTK book的前面一两章节的内容，虽然GMM-HMM这一套落后了，但是HTK book的这两章内容还是给出了一个科学的框架的。 西北工业大学音频语音与语言处理研究组(ASLP@NPU)负责人，谢磊老师老师强烈推荐！ 【Kaldi语音识别】从零搭建语音识别引擎（一）_哔哩哔哩_bilibili
【Kaldi语音识别】从零搭建语音识别引擎（二）_哔哩哔哩_bilibili
【LainSpeech】从零搭建语音识别引擎-端到端模型Wenet篇-学习视频教程-腾讯课堂
我在这里出了一个关于语音识别的入门教程~希望可以帮助到正在入门语音识别的同学~
页:
[1]