【语音识别】【李宏毅】2022年最火的深度学习内容之一，不愧是全网最好的语音识别

语音识别：将语音序列转换为文本

• 输出部分
• phoneme ：语音辨识中常用的token，是发音的基本单位，和音标有点像但比音标小。我i们需要用lexicon（字典）将phoneme组合转换为对应的字或者词。过去深度学习没有流行的时候，phoneme是一种常见的选择，但是坏处是需要lexicon（需要大量研究某个语言才能总结出lexicon）

• grapheme：书写的基本单位。在英文中可以是英文字母+空白+标点，中文可以是方块字。grapheme不需要lexicon，所以如果没有lexcion的话用grapheme做语音辨识比较方便。，只要拿到语音和文字就可以做语音辨识了。
• 输入部分