离线环境的中文语音识别 paddlepaddle 与 Speech_Recognition（Sphinx）实践

---

简介

本文主要针对中文语音识别问题，选用常用的模型进行 离线 demo 搭建及实践说明。

语音识别基础

语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的技术。

• 语音识别本质上是一种模式识别的过程，未知语音的模式与已知语音的参考模式逐一进行比较，最佳匹配的参考模式被作为识别结果。

• 语音识别的目的就是让机器赋予人的听觉特性，听懂人说什么，并作出相应的动作。目前大多数语音识别技术是基于统计模式的，从语音产生机理来看，语音识别可以分为语音层和语言层两部分。

• 当今语音识别技术的主流算法

主要有基于动态时间规整(DTW)算法、基于非参数模型的矢量量化(VQ)方法、基于参数模型的隐马尔可夫模型(HMM)的方法、基于人工神经网络(ANN)和支持向量机等语音识别方法。

语音识别分类

• 根据对说话人的依赖程度，分为：

（1）特定人语音识别（SD）：只能辨认特定使用者的语音，训练→使用。

&