• 学习时长

    3个月左右/每周至少6小时

  • 答疑服务

    专属微信答疑群/讲师助教均参与

  • 作业批改

    每章节设计作业/助教及时批改评优

  • 课程奖学金

    1万元第四范式奖学金

  • 任务1: 助教分组结果
  • 第2章: 语音信号处理及特征提取
  • 第1节: 信号处理基础知识
  • 任务3: 【课件】语音信号处理及特征提取.pdf
  • 任务4: 【视频】语音信号处理及特征提取 57:02
  • 第2节: 实践作业
  • 任务5: 【作业】第2章
  • 第3章: GMM以及EM算法
  • 第1节: GMM与EM模型
  • 任务6-1: 【课件】GMM&EM.pdf(1月22日更新版)
  • 任务6-2: 【视频】GMM以及EM模型 71:16
  • 第2节: 实践作业
  • 任务7: 【作业】第3章
  • 第4章: HMM模型
  • 第1节: HMM模型及其三个问题
  • 第2节: GMM-HMM
  • 第3节: 实战
  • 第5章: 基于GMM-HMM的语音识别系统
  • 第1节: Big-picture(包括建模单元、三音素模型、训练、解码)
  • 第2节: 单音素模型训练(包括Baum-Welch算法、Viterbi算法训练、对齐)
  • 第3节: 三音素以及决策树
  • 第4节: Viterbi解码
  • 第5节: 实战
  • 第6章: DNN-HMM声学模型
  • 第1节: DNN简介
  • 第2节: DNN-HMM声学模型介绍
  • 第3节: DNN-HMM声学模型训练流程
  • 第4节: 基于各种NN的声学模型
  • 第5节: 实践作业
  • 第6节: 实战
  • 第7章: 语言模型
  • 第1节: 语言模型以及n-gram基础知识
  • 第2节: N-gram语言模型训练、回退等
  • 第3节: RNN-LM
  • 第4节: 高级话题:大词汇量连续语音识别梳理
  • 第5节: 实战
  • 第8章: 基于WFST的解码器
  • 第1节: WFST的基本知识
  • 第2节: WFST的各种操作
  • 第3节: 基于WFST的解码器原理
  • 第4节: 高级话题:rescore
  • 第5节: 实战
  • 第9章: 区分性训练
  • 第1节: 区分性训练基本思想
  • 第2节: 区分性训练准则(MMI,bMMI,MPE,sMBR)
  • 第3节: 基于GMM-HMM的区分性训练
  • 第4节: 基于DNN-HMM的Lattice-free MMI训练
  • 第10章: 端到端语音识别
  • 第1节: 动机
  • 第2节: Sequence-to-Sequence与注意力机制
  • 第3节: LAS
  • 第4节: Speech Transformer
  • 第5节: CTC
  • 第6节: RNN-T
  • 第11章: 总结展望
  • 第1节: 课程回顾
  • 第2节: 语音识别面临的挑战
  • 第3节: 语音识别前沿展望