李姝仪 李云洁 蒋昊轩 郭宗昱 吴可欣 刘博

摘 要：语音识别（Automatic Speech Recognition，ASR）是人工智能领域里一个重要的研究方向。对于如何实现语音识别，将语音序列转化为文本序列，简单来说就是确定问题，选择一个模型之后再训练它。随着开源社区的不断扩大，加速了语音识别领域的研究进程，一些语音识别开源工具例如CMUSphinx、Julius、HTK、CMUSphinx、ISIP等也陆续兴起，被研究者们广泛运用。本文首先将介绍目前可以开发语音识别的工具CMUSphinx，Kaldi以及深度学习平台;然后简述CMUSphinx开源工具的实现流程;其次讲述运用Kaldi的语音识别实践过程;最后总结在语音识别实现中的一些问题以及未来的研究方向。

关键词：语音识别;CMUSphinx;Kaldi;深度学习

1 语音识别工具

1.1 CMUSphinx

CMUSphinx——一种Carnegun大学开发的所有研究语音信息识别技术系统。2000年，Sphinx小组在几个语音识别器组件中一直在做开源几个器组件的工作。包括声音解码器和模型还有程序、资源有声学模型训练软件、语言模型和字典编辑软件。

1.2 Kaldi

相较于早期开发的语音识别相关的开源工具包HTK，CMUSphinx等，Kaldi存在着自己的特性，例如代码容易阅读和理解;大量的线性代数支持利于其在不同线性代数库之间切换;尽可能通用的算法实现，避免使用只为特定任务服务的代码;有着非常完整的语音识别系统训练脚本;拥有繁荣的开源社区、开放的代码许可。这些优势都大大降低了kaldi作为语音识别工具包的门槛，也使得kaldi吸引了大批的用户，成为语音识别工具包中的佼佼者。

1.3 深度学习平台

近年来，由于深度学习的应用，使得语音识别技术也更加先进。……