文档摘要

4.4 端到端解码 CTC 与 Attention 既然传统架构里音素、词典、状态一层层那么多，能不能让模型直接把声学特征译成文字？端到端就是这样一种尝试。这一节挑 CTC 与 Attention 两条代表性路径，讲清它们怎么绕开中间层、各自的对齐思想，并和传统解码做一场排雷式对比，帮你判断仿真值。 本节目标 能说清 CTC 如何用"空白符号 + 合并重复"解决不等长对齐。 会员。《4.4 端到端解码 CTC 与 Attention》收录于灏天文库文集《语音识别技术基础：声学模型与语言模型》，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/506-%E8%AF%AD%E9%9F%B3%E8%AF%86%E5%88%AB%E6%8A%80%E6%9C%AF%E5%9F%BA%E7%A1%80%E5%A3%B0%E5%AD%A6%E6%A8%A1%E5%9E%8B%E4%B8%8E%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B

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