文章

所有已发布的文章。

• 深度学习音频笔记 4：ASR 的语言、知识与部署

  9 Oct, 2026

  从语言模型融合、知识来源到离线、流式与端侧约束，把 Representation、Alignment、Language、Knowledge 和 Deployment 五个维度连起来。

• 深度学习音频笔记 3：ASR 的对齐问题

  5 Oct, 2026

  从 DTW、HMM 到 CTC、LAS 与 RNN-T，理解连续语音如何对应离散文字，以及对齐约束、语言依赖与流式部署之间的取舍。

• 深度学习音频笔记 2：ASR 与语音表征

  Updated:4 Oct, 2026

  从 ASR 应用、WER/CER 和真实场景挑战出发，梳理 MFCC、CNN、Transformer、Conformer 与自监督语音表征。

• 深度学习音频笔记 1：语音任务与音频表示

  2 Oct, 2026

  从语音任务出发，理解声音、采样率、傅立叶变换、STFT、Mel spectrogram 和 MFCC。

• Omni 模型架构：一个框架，两大流派

  8 Aug, 2026

  从音频编码、Thinker、Talker、Vocoder、离散编解码器、连续潜变量与 ASR 等维度，可视化比较 Omni 模型架构。

• 先编码，再准入

  23 Jul, 2026

  Fun-ASR 如何通过批处理、single-flight 去重和 LRU 缓存，将全上下文音频编码移到 LM 准入之前。