本书系统地介绍了语音识别的原理与应用。全书共15章，原理部分涵盖声学特征、隐马尔可夫模型（HMM）、高斯混合模型（GMM）、深度神经网络（DNN）、语言模型和加权有限状态转换器（WFST），重点描述了GMM-HMM、DNN-HMM和端到端（E2E）三种语音识别框架；应用部分包含Kaldi、ESPnet、WeNet和工业应用实践介绍，内容主要来自工程经验，极具实用性。
本书可以作为普通高等学校人工智能、计算机科学与技术、电子信息工程、自动化等专业的本科生及研究生的教材，也适合作为从事智能语音系统的科研人员和工程技术人员的参考书。

洪青阳，厦门大学副教授，天聪智能创始人，主要研究方向是语音识别、声纹识别，先后主持国家自然基金两项，科技部创新基金两项。牵头组建厦门大学智能语音实验室，带领xmuspeech团队连续两届获东方语种识别（OLR）竞赛第一名，成功研发国内第一套闽南语合成系统。具有丰富的工业界研发经验，与华为、云从、掌数科技等知名企业合作，承担过大量的智能语音项目，核心技术应用到华为智能手机和全国十五个省市的司法/社保/证券/电力系统。长期从事本科生、研究生的语音识别教学工作，从动态时间规整（DTW）、隐马尔可夫模型（HMM）到E2E语音识别框架，与时俱进更新教学内容，积累了丰富的教学经验。

第1章 语音识别概论
1.1 语音的产生和感知
1.2 语音识别过程
1.3 语音识别发展历史
1.4 国内语音识别现状
1.5 语音识别建模方法
1.5.1 DTW
1.5.2 GMM-HMM
1.5.3 DNN-HMM
1.5.4 E2E模型
1.6 语音识别开源工具
1.7 常用语音识别数据库
1.8 语音识别评价指标
1.9 参考资料
第2章 语音信号基础
2.1 声波的特性
2.2 声音的接收装置
2.2.1 麦克风的性能指标
2.2.2 麦克风阵列
2.3 声音的采样
2.4 声音的量化
2.5 语音的编码
2.6 WAV文件格式
2.7 WAV文件分析
2.8 本章小结
思考练习题
第3章 语音特征提取
3.1 预处理
3.2 短时傅里叶变换
3.3 听觉特性
3.4 线性预测
3.5 倒谱分析
3.6 常用的声学特征
3.6.1 语谱图
3.6.2 FBank
3.6.3 MFCC
3.6.4 PLP
3.7 本章小结
思考练习题
第4章 HMM
4.1 HMM的基本概念
4.1.1 马尔可夫链
4.1.2 双重随机过程
4.1.3 HMM的定义
4.2 HMM的三个基本问题
4.2.1 模型评估问题
4.2.2 最佳路径问题
4.2.3 模型训练问题
4.3 本章小结
4.4 参考资料
思考练习题
第5章 GMM-HMM
第6章 基于HMM的语音识别
第7章 DNN-HMM
第8章 语言模型
第9章 WFST解码器
第10章 序列区分性训练
第11章 端到端语音识别
第12章 Kaldi实践
第13章 ESPnet实践
第14章 WeNet实践
第15章 工业应用实践