沒有語音識別的背景，單看kaldi的**是看不懂的，去kaldi的新手qq群裡面問也沒人會教的。好在國外還有2門課程可以自學，
1、英國愛丁堡大學的語音識別課程
2、美國史丹福大學的語音識別課程
另外csdn的乙個博主的文章挺全面的
舉個簡單的圖來總結語音識別的步驟，gmm其實就是將乙個frame（25ms長度）的語音做分類，輸出是某個音素phone。後續的hmm只處理音素phone，不再處理mfcc的資料了。
ASR自動語音識別技術
自動語音識別技術 automatic speech recognition 是一種將人的語音轉換為文字的技術。語音識別是乙個多學科交叉的領域，它與聲學 語音學 語言學 數字訊號處理理論 資訊理論 電腦科學等眾多學科緊密相連。由於語音頻號的多樣性和複雜性，語音識別系統只能在一定的限制條件下獲得滿意的效...
靈雲語音識別（ASR）實現實時識別
語音識別 asr 技術為近年來多家企業都在大力發展的技術，捷通華聲更是全力研發該技術。之前的語音識別技術主要為整句或整段識別，使用者必須錄音結束後才能識別，而實時語音識別能力，打破了此技術瓶頸，解決了使用者實時錄入的需求，從而極大程度的提公升了使用者體驗。捷通華聲也藉此成為首家發布實時語音識別能力的...
語音識別入門筆記
語音識別數學表示 argmax p w o argmax p o w p w w 輸出的文字序列 o 輸入的語音波形序列 語音識別兩大組成部分 1 p o w 在給定的文字序列下，模型生成語音波形序列的概率 稱為聲學模型 acoustic model 佔據主要的計算任務 2 p w 表示輸出w文字序...