下载掌阅APP，畅读海量书库
立即打开
自动语音识别（Automatic Speech Recognition，ASR）简称为语音识别，是目前科学界、互联网界和工业界研究的一大技术热点及重点方向，也是很有前途和广阔发展空间的一大新兴技术领域。语音识别可以看成一种广义的自然语言处理技术，目的是辅助人与人之间、人与机器之间更有效的交流。语音识别目前已经应用在人们生活中的各个方面，常用的有文字转语音、语音转文字等。
随着深度学习在图像处理中获得成功，科研人员尝试使用深度学习解决语音识别的问题，因为这两个领域的相关特征信息都是相对低层次的，可以借助深度学习的强大学习能力学习其中的复杂信息，目前来看这个尝试是成功的，深度学习同样能够帮助语音识别取得长足进步。
本书选用TensorFlow 2.1作为深度学习的框架，从TensorFlow 2的基础语法开始，到使用TensorFlow 2进行深度学习语音识别程序的设计和实战编写，全面介绍使用TensorFlow 2进行语音识别实战的核心技术及其相关知识，内容全面而翔实。
本书并不是一本简单的实战“例题”性图书，本书在讲解和演示实例代码的过程中，对TensorFlow 2的核心内容进行深入分析，重要内容均结合代码进行实战讲解，围绕深度学习基本原理介绍了大量实战案例，读者通过这些案例可以深入地了解和掌握深度学习和TensorFlow 2的相关技术，并对使用深度学习进行语音识别进一步掌握。
本书是一本面向初级和中级读者的优秀教程。通过本书的学习，读者能够掌握使用深度学习进行语音识别的基本技术和在TensorFlow 2框架下使用神经网络的知识要点，掌握从基于深度学习的语音识别模型的构建到语音识别应用程序的编写这一整套开发技巧。
（1）重实践，讲原理。本书立足于深度学习，以语音识别实战为目的进行讲解，提供了完整可运行的语音识别全套代码，并对其基本原理进行讲解，读者可以直接将其应用到实际生产环境中。
（2）版本新，易入门。本书详细介绍TensorFlow 2的安装及使用、默认API以及官方所推荐的Keras编程方法与技巧。
（3）作者经验丰富，代码编写细腻。作者是长期奋战在科研和工业界的一线算法设计和程序编写人员，实战经验丰富，对代码中可能会出现的各种问题和“坑”有丰富的处理经验，使得读者能够少走很多弯路。
（4）理论扎实，深入浅出。在代码设计的基础上，本书还深入浅出地介绍了深度学习需要掌握的一些基本理论知识，作者通过公式与图示结合的方式对理论进行介绍，方便读者快速理解。
（5）对比多种应用方案，实战案例丰富。本书采用了大量的实例，同时提供了一些实现同类功能的其他解决方案，覆盖了使用TensorFlow 2进行深度学习开发的常用技术。
本书完整介绍使用TensorFlow 2.1进行语音识别的方法和一些进阶教程，基于TensorFlow 2版本的新架构模式和框架进行讲解，主要内容如下：
第1章详细介绍TensorFlow 2版本的安装方法以及对应的运行环境的安装，通过一个例子验证TensorFlow 2的安装效果，并将其作为贯穿全书学习的主线。同时介绍了TensorFlow 2硬件的采购，记住一块能够运行TensorFlow 2 GPU版本的显卡能让你的学习和工作事半功倍。
第2章是本书的重点，从模型的设计开始，循序渐进地介绍TensorFlow 2的编程方法，包括结合Keras进行TensorFlow 2模型设计的完整步骤，以及自定义层的方法。本章内容看起来很简单，却是本书的基础和核心精华，读者一定要反复阅读，认真掌握所有内容和代码的编写方法。
第3章是TensorFlow 2的理论部分，介绍反馈神经网络的实现和两个核心算法，通过图示结合理论公式的方式详细地介绍理论和原理，并手动实现了一个反馈神经网络。
第4章详细介绍卷积神经网络的原理和各个模型的使用及自定义内容，讲解借助卷积神经网络算法构建一个简单的CNN模型进行MNIST数字识别。
第5章是TensorFlow 2新版本的数据读写部分，详细介绍使用TensorFlow 2自带的Dataset API对数据进行序列化存储，并通过简单的想法对数据重新读取，以及调用程序的方法。
第6章介绍ResNet的基本思想和内容，ResNet是一个具有里程碑性质的框架，标志着粗犷的卷积神经网络设计向着精确化和模块化的方向转化。ResNet本身的程序编写非常简单，但是其中蕴含的设计思想却是跨越性的。
第7章主要介绍自然语言处理的一个基本架构——循环神经网络进行语音识别的方法，这与第6章的内容互补，可以加深读者对深度学习中不同模块和架构的理解。
第8章主要介绍自然语言处理基本的词嵌入的训练和使用，从一个有趣的问题引导读者从文本清洗开始，到词嵌入的计算，以及利用文本的不同维度和角度对文本进行拆分。
第9章介绍更为细化的自然语言处理部分，总结和复习本书前面所学习的内容，并使用深度学习工具实现一个“解码器”，从而解决拼音到文字的转换。这一章的目的是对前期内容的总结，也为下一章语音识别的转换部分打下基础。
第10章是本书的最后一章，着重介绍语音识别的应用理论和实现方法，并带领读者完整地实现一个语音文字转换的实战案例。此实战案例既可以作为学习示例使用，又可以作为实际应用的程序进行移植。
· 语音识别初学者。
· 深度学习初学者。
· 机器学习初学者。
· 高等院校人工智能专业的师生。
· 专业培训机构的学员。
· 其他对智能化、自动化感兴趣的技术人员。
本书配套的资源请用微信扫描右边的二维码下载，也可按扫描出来的页面填写自己的邮箱，把链接转发到邮箱中下载。如果学习本书的过程中发现问题，可发送邮件至booksaga@163.com，邮件主题填写“TensorFlow语音识别实战”。
由于笔者的水平有限，加之编写时间跨度较长，同时TensorFlow版本演进较快，在编写此书的过程中难免会出现不准确的地方，恳请读者批评指正。
感谢所有编辑在本书编写中提供的无私帮助和宝贵建议，正是他们的耐心和支持才让本书得以顺利出版。感谢家人对我的支持和理解，这些都给了我莫大的动力，让我的努力更加有意义。
著 者
2021年5月