基于ASRT中文语音识别系统的优化

该项目是基于CNN+CTC网络实现，中文标注是拼音，解码使用HMM，项目地址：https://github.com/nl8590687/ASRT_SpeechRecognition

该项目很不错，但是本人用原版项目代码进行训练测试无法达到较好的效果，然后对其做了一些改动，时间有限最终拼音ER在11%左右，词错误率WER 在33%左右，数据集使用aishell，thchs30，ST-CMDS

原版项目解释可以参考github上的说明，比较详细，下面说下优化部分：

模型架构使用VGG（微调结构适配频谱图）+CTC

原始VGG网络：

 

其中微调版VGG结构：

Conv3-32

BatchNormalization

Conv3-32

BatchNormalization

maxpool