目前基于端到端的語(yǔ)音識(shí)別已經(jīng)取得了非常好的效果，在很多論文中已經(jīng)取得了比傳統(tǒng)語(yǔ)音識(shí)別更好的效果，業(yè)界也已經(jīng)有產(chǎn)品級(jí)別的端到端的語(yǔ)音識(shí)別的應(yīng)用，并取得了不錯(cuò)的效果。

基于端到端的語(yǔ)音識(shí)別方法包括基于CTC的方法，基于RNN-T的方法，基于Attention Encoder-Decoder的方法。

主要有兩個(gè)分支：

1. attention類(lèi)：LAS雖然性能好，但不能滿(mǎn)足流式；

2. transduers類(lèi)：這類(lèi)天然自帶流式方案。

那近期，語(yǔ)音識(shí)別中基于端到端的方法有哪些？又有哪些相關(guān)的工作呢？

在GitHub上有伙伴整理好了相關(guān)的參考論文（https://github.com/xingchensong/speech-recognition-papers）

分類(lèi)主要分為：

• Streaming ASR

• RNA based

• RNN-T based

• Attention based

• Unified Streaming/Non-streaming models

• Non-autoregressive (NAR) ASR

• ASR Rescoring / Spelling Correction (2-pass decoding)

• On-device ASR

各個(gè)類(lèi)別共61篇論文~

有需要的站友們，可長(zhǎng)按識(shí)別下方鏈接，免費(fèi)獲取PDF版論文：

https://www.shenlanxueyuan.com/page/38