文档摘要

4.4 语音识别与合成：机器的耳朵与喉咙 本节摘要：语音识别（ASR）把声波转成文字，语音合成（TTS）把文字变成语音，两者拼成人机语音交互的完整闭环。识别一侧的流水线是前端处理、声学模型、语言模型与解码器，特征以模仿人耳的 MFCC 为代表，模型从 GMM-HMM 时代走到端到端（CTC、RNN-T、Transformer）与自监督预训练（Wav2Vec 2.0、HuBERT）。 会员。《4.4 语音识别与合成：机器的耳朵与喉咙》收录于灏天文库文集《零基础入门人工智能：概念、方向与应用全解析》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/510-%E9%9B%B6%E5%9F%BA%E7%A1%80%E5%85%A5%E9%97%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E6%A6%82%E5%BF%B5%E6%96%B9%E5%90%91%E4%B8%8E%E5%BA%94%E7%94%A8%E5%85%A8%E8%A7%A3%E6%9E%90

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流