待验证50% 置信事实精确时间

ASR是将人类语音转换为文本的技术，其核心架构经历了从高斯混合模型-隐马尔可夫模型（GMM-HMM）到端到端深度学习模型的演进

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

语音学家转型语音AI：核心实战技能与职业路径指南

涉及实体

ASRconcept GMM-HMMconcept

相关事实

待验证现代主流ASR系统多基于Transformer架构，通过在海量音频-文本对上进行监督学习建立声学特征与文字序列的映射关系79% 相似已验证语音转文字技术经历了从传统隐马尔可夫模型（HMM）到深度学习的演进77% 相似已验证传统语音AI普遍采用级联式架构，先用ASR将语音转文字，再交给语言模型处理，最后用TTS合成输出77% 相似待验证自动语音识别（ASR）底层通常采用端到端神经网络模型，如Whisper、Wav2Vec75% 相似待验证AI录音笔的转写加总结能力本质上是将语音识别ASR技术与大语言模型LLM串联部署的产物75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/895544

API

curl https://kongchang.com/api/v1/knowledge/claims/895544

MCP

get_claim(id=895544)