这样 ， 一个基础的语音识别系统就完成了 。 对上述步骤进行复杂化 ， 可以得到更优的结果 ， 如 ， 搭建更大的神经网络和利用音频预处理技巧 。
完整代码：
注意事项：
1. 文中代码使用的是TensorFlow2.0系统 ， 举例使用的音频文件选自LibriSpeech数据库（） 。
2. 文中代码并不包括训练音频数据集的批量处理生成器 。 读者需要自己编写 。
3. 读者亦需自己编写解码部分的语言模型函数 。 最简单的方法就是基于语料库生成一部二元语法字典并计算字符概率 。
文章插图
留言 点赞 关注
我们一起分享AI学习与发展的干货
【概率分布|语音识别第一课：基于Tensorflow的端到端语音识别技术】如需转载 ， 请后台留言 ， 遵守转载规范

• 自动任务|赶在三星 S21 发布之前实现语音解锁
• 「软件分享」语音转文字软件
• 分布式锁的这三种实现90%的人都不知道
• 巨杉亮相 DTCC2019，引领分布式数据库未来发展
• Martian框架发布 3.0.3 版本，Redis分布式锁
• 为什么分布式应用程序需要依赖管理？
• 大规模分布式强化学习基础架构Menger, 大幅提高真实任务的学习效率
• 分布式云对智能化战争有何影响
• 米家投影仪青春版2代体验：硬件升级，支持侧投+远场语音
• 新能源汽车火热 产业链分布速览（附名单）