端到端模型传统语音识别系统的声学建模般通过发音单元、声学模型、词典等信息源，建立从声学观察序列到单词之间的联系。每部分都需要单独的学习、训练，步骤较为烦琐。端到端（–,结构使用个模型把这三个信息源囊括在起，实现从观察序列到文字的直接转换。最新的些进展甚至把语言模型的信息也囊括进来，取得了更好的性能。自年以来，端到端模型日益成为语音识别的研究热点。 二、语言模型 主流语言 意大利电报数据库 模型般采用基于统计的方法，通常是概率模型。
计算机借助于模型参数
可以估计出自然语言中每个句子出现的可能性。统计语言模型采用语料库训练得到，强调语料库是语言知识的源泉，通过对语料库进行深层加工、统计和学习，获取自然语言文本中的语言学知识，从而可以客观地描述大规模真实文本中细 它使你的业务更加高效 微的语言现象。 -模型 -统计语言模型由于其简单、容易理解等优点在很多领域得以广泛使用。 基于神经网络的语音模型 包括三种常见的语言模型：前馈神经网络语言模型、循环神经网络语言模型以及长短期记忆的循环神经网络语音模型。
解码器 语音识别
的最终目的是在由各种可能的单词序列构成的搜索空间中，寻找最优的单词序列。这在本质上属表提 选择加入列表 炼于搜索算法货解码算法的范畴，即解码器要完成的任务。 搜索空间 语音识别寻找最优的单词序列，所有可能的单词序列候选构成了解码过程中的搜索空间。 解码的搜索空间有多种构成方式，可以分为动态编译解码空间和静态编译解码空间两大类。动态编译只是预先将发音词典编译成状态网络构成搜索空间，其他知识源在解码过程中根据活跃路径上携带的历史信息动态集成。