自动语音识别（ASR）模型全览_asr模型

以下为截至2024年底主流ASR模型的详细列表，涵盖传统模型、端到端模型、开源框架及商业解决方案，按技术类型分类整理，并标注适用场景：

一、传统混合模型（GMM/HMM、DNN/HMM）

1. GMM/HMM

   • 公开时间：1980年代
   • 参数量：百万级（依赖状态数）
   • 特点：基于高斯混合模型（GMM）与隐马尔可夫模型（HMM）结合，需手工对齐音素状态。
   • 适用场景：早期电话语音识别（嵌入式设备）、孤立词识别（工业控制终端）。

2. DNN/HMM

   • 公开时间：2010年（微软首次应用）
   • 参数量：千万级
   • 特点：用深度神经网络（DNN）替代GMM计算音素概率，支持上下文建模。
   • 适用场景：语音助手初代（手机端、智能音箱）、呼叫中心录音转写（云端）。

二、端到端模型（基于CNN/RNN/Transformer）

1. DeepSpeech