eesen

收录理由

Eesen 把语音识别简化成一个直接的序列学习问题，绕开了传统流程里 HMM、GMM 和决策树那套复杂机制。你只需要训练一个双向 LSTM，配合 CTC 损失函数，就能让模型直接从语音映射到文本。它的两种解码路径值得细看：基于 WFST 的解码能高效地把词典和语言模型整合进 CTC 输出，而基于 RNN 语言模型的解码则不需要固定词典。仓库里还带了完整的 Kaldi 风格示例配置，分别用音素和字符作为标签，照着跑就能搭出端到端系统，方便你研究具体实现而不是只看论文。这个项目从 2019 年起就不再更新，更适合当作学习 CTC 语音识别的起点，而不是直接上生产的工具。