本书系统地介绍了语音识别在大模型时代的新技术与新应用。全书共16章，原理部分涵盖声学特征、隐马尔可夫模型（HMM）、高斯混合模型（GMM）、深度神经网络（DNN）、语言模型和加权有限状态转换器（WFST）、语音大模型，重点描述了GMM-HMM、DNN-HMM和端到端（E2E）三种语音识别框架；应用部分包含Kaldi、WeNet、FunASR和sherpa-onnx等工业应用实践介绍，内容主要来自工程经验，极具实用性。

"近年来人工智能技术突飞猛进，以语音识别为代表的音频处理技术取得了大量突破，但该领域内理论结合实战的入门书籍却较为缺乏，本书旨在为有志学习音频信号处理的读者提供一本实用的入门书籍。本书共13章，第1章和第2章是基础部分，包括声学基础知识及Python基础等内容；第3到4章介绍了音频信号的获取及分析方法；第5~8章介绍了语音识别基础、传统语音识别技术及语音识别、语音合成的实战技术；第9章和第10章介绍了常用的音乐分析方法及Python编曲等内容；第11~13章介绍了深度学习的基础知识及如何用PyT

阅读本书，可以帮助你掌握MA音频制作技术，掌握旁白、现场音、SE、BGM表现视频的基本能力，了解视频作品的声音制作流程！本书主要向视频创作者、新媒体从业者、影视制作专业的学生介绍录音的采集、编辑及制作技术，使他们能够在一定程度上在成本相对有限的情况下编辑和制作专业水平的音频和视频。此外，对于那些想要将视频音频工作作为业务扩展的读者也有不小的帮助。现在，音频制作的门槛在逐渐降低，自媒体、短视频从业者、SOHO一族、自由艺术创作者所开辟的各种传媒新工作种类将变得越来越普遍。毫无疑问，个人创作者也将需

本书从录音基础开始，按照顺序讲解麦克风的选择方法以及如何设置麦克风。如果你对目前的录音工作感到苦恼的话，请务必先去阅读第10章＜不同情况下“这样来录音！”＞，如果尚有不明白的地方，请再去阅读前面的章节。在本书中，第1章、第2章记述了基本思路，第3章～第5章按照不同种类介绍了麦克风的具体使用方法。接下来，第6章～第8章介绍了不同场所的使用技巧。第9章介绍了不同场合下的录音操作指南。想要进一步提高音质的话，请先阅读作为基础的第1章、第2章，想配合手头的录音设备进行实践的话，请阅读本书的第3章～第9章

本书贯穿了信号的获取、处理、分析和识别整条链路所需的关键知识点，以声信号为研究对象，阐述了传统信号处理、自适应信号处理、机器学习等信号处理和智能分析设计等知识要点。全书总共16章，第1～4章介绍了经典信号处理与分析方法，第5～11章阐述了先进信号处理方法、人工特征的获取原理和方法，第12～16章主要说明了深度学习、混合模型等智能分析方法。 本书的主要读者对象为声信号处理和分析相关学科的高校学生，以及从事声信号处理的相关科研工作者。本书对语音信号处理相关专业的技术人员也有一定的参考价值。本书也适