随着深度学习技术和计算机硬件设备的发展,作为自然语言处理领域重要课题的语音识别技术发展迅速,部分应用开始落地,实践流程也日渐成熟。本书凝聚作者多年实践心得和经验,力求用抽丝剥茧的方式帮读者梳理出语音识别的学习与提升之路,涉及语音识别发展脉络、知识地图、模式识别、核心算法和实践案例,最终形成“基础知识—算法理论—实践”的完整闭环,旨在帮助刚入行的语音识别从业人员梳理知识框架,熟悉开发流程,积累实践经验。

第1章 语音识别概述
1.1 走进语音识别
1.1.1 语音识别的定义
1.1.2 语音识别任务的分类
1.1.3 语音识别是一门交叉学科
1.1.4 语音识别的应用
1.2 发展概况
1.2.1 人工语音识别
1.2.2 自动化语音识别
1.3 面临的挑战
1.3.1 语音信号的复杂性
1.3.2 机器学习模型的局限性
1.3.3 硬件设备的制约
1.3.4 应用场景的复杂性
1.3.5 伦理问题
第2章 必知必会的数学基础知识
2.1 向量与矩阵
2.1.1 向量
2.1.2 矩阵
2.2 概率与统计
2.2.1 概率基础
2.2.2 分类分布
2.2.3 数据的标准模型—高斯分布
2.2.4 适用性极为广泛的贝叶斯定理
2.3 基本函数的用法

(1)理论与实践相结合
读者不仅可以看到理论模型的设计思想 ,还可以通过代码实践加深对算法的理解 , 更可以看到算法是如何去解决具体的语音识别问题的。
(2)语言有亲和力
在不失严谨的前提下 ,增加文字表达的活泼度和内容表达的图形化展示程度，保证读者能够 一步 一步地深入理解 , 而不是仅仅停留在数学公式的简单介绍层面。
(3)分享作者多年的经验 ,让内容“有血有肉”
在书中适当位置嵌入过来人的思考和经验，一 来让读者避坑 , 二 来提供 一 些问题的解决思路。
(4)案例丰富
本书融入了多个案例 , 目的是展示算法是如何解决实际问题的 。 同时 ,横向算法的比较也很必要 ,这样能帮助读者透彻理解不同算法的优缺点。