智能语音技术与产业发展手册（执行版）.docx

智能语音技术与产业发展手册（执行版）

第一章智能语音技术基础与关键技术

第一节语音识别原理与算法演进

1.1语音识别原理与算法演进

语音识别（SpeechRecognition,SR）的核心在于将人类的语音信号转换为可理解的文本序列，其基本流程始于声学模型，即利用卷积神经网络（CNN）或双向长短期记忆网络（Bi-LSTM）从短时能量谱图中提取特征，将连续的语音波形映射为离散的特征向量。在特征提取阶段，传统方法采用梅尔频率倒谱系数（MFCC）作为标准基，而现代算法则引入自注意力机制（Self-Attention）来捕捉长距离依赖关系，显著提升了对非标准口音或噪声环境的识别准确