Speech Recognition（语音识别）

语音识别系统通常包括声学模型、语言模型和发音词典。传统方法使用HMM-GMM，深度学习时代转向端到端模型，如CTC、RNN-T和Transformer。Whisper是一个大规模多语言语音识别模型，通过弱监督训练，在多个基准上达到鲁棒性能。挑战包括噪声环境、口音和领域适应。应用广泛，如语音助手、实时字幕和医疗转录。