ASR — 自动语音识别

事实

将语音信号识别为文字或音素的技术。

人话

语音识别像烧烤摊老板听点单：风大口音杂，也得把羊肉串记成字。

用于语音输入、字幕和客服转写，听错会带偏后续。

相关概念

• Speech-to-Text｜语音转文本
• Connectionist Temporal Classification｜连接时序分类（CTC）
• 自然语言处理（Natural Language Processing）
• 语音到语音 AI

STT
STT 是语音识别最常见的输出形式。

CTC
CTC 常用于对齐连续语音和文字标签。

NLP
语音识别把声音变文字，再交给 NLP 理解。

Voice-to-voice AI
语音识别是语音对话系统的耳朵。