语音识别是深度学习早先攻克的几个领域之一。传统的基于HMM等的语音识别精度一直比较受限。但是深度学习还是给语音识别的精度带来了一个飞跃性的提高。本文在网上找了段代码实现了下，感觉非常简单就可以复现。

不过看了过程，也非常简单，主要有几步：

（1）　下载VCTK数据集；

（2）　对数据集，提取每个WAV文件的MFCC特征以及对应的语音文本标注语料。

（3）　设置CTC的损失目标函数。

（4）　进行训练。

这样训练完保存模型，则可以开始进行训练。

训练效果如图所示：