（1）语音识别概述与数学基础：了解语音识别的发展历程、应用场景（智能音箱、客服质检、会议转写、车载语音）和技术挑战。回顾语音识别所需的数学基础，包括线性代数（矩阵运算、特征分解）、概率论（HMM基础、贝叶斯决策）和数字信号处理（傅里叶变换、滤波器组）的核心概念。
（2）数字语音信号处理基础：掌握语音信号的产生模型与数字化过程（采样、量化），理解声音的三要素（响度、音调、音色）。学习语音信号的时域分析（短时能量、短时过零率、端点检测VAD）和频域分析方法，掌握短时傅里叶变换（STFT）的原理与参数选择（窗函数类型、帧长25ms、帧移10ms）。
（3）语音特征提取技术：系统学习语音识别中常用的特征参数，包括Fbank（滤波器组特征）和MFCC（梅尔频率倒谱系数）的完整提取流程：预加重、分帧加窗、FFT、梅尔滤波、对数运算、DCT变换。掌握动态特征（Δ、ΔΔ）的计算方法和特征归一化（CMVN）技术。通过Python实现MFCC特征的提取与可视化。
（4）传统声学模型：GMM-HMM：理解隐马尔可夫模型（HMM）的核心概念（状态、转移概率、发射概率）和三个基本问题（评估、解码、学习）。掌握高斯混合模型（GMM）对声学观测概率的建模原理，学习GMM-HMM在语音识别中的完整框架（状态拓扑设计、维特比解码、鲍姆-韦尔奇训练）。使用HMMlearn等工具实现基于GMM-HMM的孤立词语音识别。
（5）语言模型基础：理解语言模型在语音识别中的作用（消除歧义、提升准确率）。掌握N-gram语言模型的原理（马尔可夫假设）、平滑技术（Kneser-Ney平滑）和评估指标（困惑度）。学习使用SRILM或KenLM工具构建和集成语言模型。
（6）深度神经网络声学模型：掌握深度神经网络（DNN）作为声学模型的核心优势（无需GMM的分布假设、更强的建模能力）。学习DNN-HMM混合系统的架构（DNN替代GMM计算状态的后验概率）、训练流程（帧级别交叉熵训练）和优化技巧（预训练、Dropout、批归一化）。使用TensorFlow/Keras构建DNN声学模型。
（7）端到端语音识别（一）：CTC：理解连接时序分类（CTC）的核心思想（解决输入输出长度不对齐问题），掌握CTC损失函数的计算原理和解码策略（贪心搜索、束搜索）。使用TensorFlow实现CTC损失函数，构建基于CTC的端到端语音识别系统。
（8）端到端语音识别（二）：Attention与RNN-T：了解注意力机制（Attention）在语音识别中的应用（编解码器架构），掌握Transformer在语音识别中的实现（相对位置编码、自注意力优化）。理解RNN-Transducer（RNN-T）的架构（预测网络、联合网络）及其在流式语音识别中的优势。
（9）语音识别开发工具链实战：掌握主流语音识别开源工具的使用方法，包括Kaldi（传统HMM-DNN系统的最佳实践）、ESPnet（端到端语音处理工具包）和WeNet（工业级流式语音识别框架）。学习从数据准备、模型训练到解码评估的完整流程。了解语音识别常用语料库（LibriSpeech、AISHELL、CommonVoice）的特点和使用。
（10）语音识别性能优化技术：掌握声学模型优化技术，包括序列判别训练（sMBR）、数据增强（速度扰动、音量变化、加噪训练）。学习模型压缩与加速技术（知识蒸馏、量化训练、结构剪枝）。掌握实时解码优化策略（WFST解码器优化、流式处理）和硬件加速方案（GPU/TPU部署）。
（11）语音识别系统产品化实践：了解语音识别产品落地的完整链路（前端信号处理、唤醒、识别、语义理解）。掌握远场语音识别的挑战与解决方案（多麦克风阵列、波束形成、回声消除）。学习基于云平台（如腾讯云、讯飞开放平台）的语音识别API集成方法，包括实时语音识别、录音文件识别和一句话识别的SDK开发。
（12）前沿技术与综合项目实战：了解语音识别与大型语言模型（LLM）的融合趋势，包括LLM在语音后处理、语义理解中的应用。学习多模态语音识别（唇语识别、视觉信息融合）和个性化语音识别的基本思路。综合运用所学知识完成一个完整项目（如智能家居语音控制系统、会议语音转写系统），涵盖数据采集、模型训练、系统集成和性能优化的全流程。
