荒木雅弘（作者）
1964年出生于日本大阪。1993年完成 了日本京都大学研究生院研究科信息工程专业博士课程的学习。先后担任过京都大学工学部助教和京都大学综合信息媒体中心讲师。1999年开始担任日本京都工艺纤维大学工艺系助理教授，2007年晋升为研究生院工艺科学研究科副教授。目前正在开发以语义网为知识库的对话系统，研究用于多模态对话系统的描述语言。
陈舒扬（译者）
软件开发工程师，任职于某日企，从事软件开发工作。热爱编程和游戏，崇尚开源精神，对机器学习领域的东西都很着迷。
杨文刚（译者）
长期从事软件开发和系统运维工作。现任职于某世界五百强企业，探索数字化转型业务，内容涉及大数据、机器学习、深度学习等技术。

目录

第　1章 开篇
1．1　什么是语音识别　2
1．2　语音识别的历史　4
1．3　语音识别的用处　6
1．4　为什么很难　8
1．5　本书的目标　10
1．6　小结　12
第　2章 什么是语音
2．1　语音学　16
2．2　声音是如何产生的——发音语音学　16
2．3　声音的真面目——声学语音学　23
2．4　声音是如何被感知的——感知语音学　29
2．5　总结　32
第3章　统计模式识别
3．1　什么是模式识别　34
3．2　统计模式识别的思路　36
3．3　生成模型的训练　40
3．4　判别模型的训练　44
3．5　统计语音识别的概要　45
3．6　总结　48
第4章　有限状态自动机
4．1　什么是有限状态自动机　50
4．2　用有限状态自动机表达的语言　53
4．3　各种各样的有限状态自动机　55
4．4　有限状态自动机的性质　58
4．5　总结　59

第5章　语音特征的提取
5．1　特征提取的步骤　62
5．2　语音信号的数字化　64
5．3　人类听觉模拟——频谱分析　67
5．4　另一个精巧设计——倒谱分析　69
5．5　噪声去除　72
5．6　总结　73
第6章　语音识别：基本声学模型
6．1　声学模型的单位　76
6．2　什么是隐马尔可夫模型　78
6．3　隐马尔可夫模型的概率计算　81
6．4　状态序列的估计　83
6．5　参数训练　85
6．6　总结　89
第7章　语音识别：高级声学模型
7．1　实际的声学模型　92
7．2　判别训练　94
7．3　深度学习　96
7．4　总结　98
第8章　语音识别：语言模型
8．1　基于语法规则的语言模型　100
8．2　统计语言模型的思路　101
8．3　统计语言模型的建立方法　103
8．4　总结　108
第9章　语音识别：搜索算法
9．1　填补声学模型和语言模型之间的空隙　112
9．2　状态空间搜索　113
9．3　用树形字典减少浪费　115
9．4　用集束搜索缩小范围　116
9．5　用多次搜索提高精度　118
9．6　总结　120
第　10章 语音识别：WFST运算
10．1　WFST的合成运算　124
10．2　确定化　129
10．3　权重移动　133
10．4　最小化　134
10．5　总结　135
第　11章 语音识别：使用 WFST进行语音识别
11．1　WFST转换　138
11．2　声学模型的 WFST转换　139
11．3　发音字典的 WFST转换　141
11．4　语言模型的 WFST转换　142
11．5　WFST的搜索　144
11．6　总结　145
第　12章 语义分析
12．1　什么是语义表示　148
12．2　基于规则的语义分析处理　151
12．3　基于统计的语义分析处理　153
12．4　智能手机的语音服务　156
12．5　总结　159
第　13章 语音对话系统的实现
13．1　对话系统的开发方法　162
13．2　基于规则的对话管理　164
13．3　针对对话管理的统计方法　166
13．4　总结　170
第　14章 终篇
14．1　语音分析工具 WaveSurfer　174
14．2　HMM构建工具 HTK　175
14．3　大词汇量连续语音识别引擎 Julius　177
14．4　虚拟代理对话工具 MMDAgent　179
14．5　深入学习之路　180

思考题的解答　182
参考文献　188
后　记　191