SNR9815VR-M 高精度语音识别模块， 继 SNR6812VR-M 后推出的更高精度、 高性能语音识别模块， 具备更先进的识别算法， 识别距离远且在噪声环境下表现依然出色， 特别适合应用在大家电产品(例 如:油烟机)。 该模块只需要采用单麦克风即可实现 10 米超远距离语音识别， 并且识别率达 97%以上。 本模块同样具备 UART 通信界面，语音引擎会根据实际运行效果，反馈识别成功后的数据并用 UART 发送，可灵活搭配 MCU 使用， 简化了语音识别使用，提高了产品开发效率。

一个Android开发集成科大讯飞语音识别+语音合成功能的小Demo

神经网络在语音识别中的应用归纳.pdf

个人基于Kaldi，开发的安卓端，离线语音识别Module。该模块是从我的安卓项目组件库中抽取出来，可独立测试运行的离线语音识别组件。 感觉实用，请关注博客。将开源更多的个人组件库。

基于小样本集的几种语音识别算法的比较研究

完整代码，可直接运行

语音识别ANN的实现 使用人工神经网络实现语音识别。 使用语言：Python 您需要numpy和scipy才能使其正常工作。 可以识别的词：“ Apple”，“ Banana”，“ Kiwi”，“ Lime”，“ Orange” ＃如何添加新词 在Audacity或任何音频处理软件中记录您的新单词。 将采样率设置为44100Hz，然后导出到.wav文件。 最好录制许多来自不同扬声器的样本，以提高准确性。 将wav文件放入training_sets目录。 将您的wav文件重命名为您要添加的单词+ -sample_index（例如：hello-1.wav，hello-2.wav）。 这样，特征提取器以后就可以轻松地在文件中进行迭代。 在featureExtractor.py中，将新单词附加到单词数组。 运行featureExtractor.py。 将在mfccData文件夹中生成

Nuvoton语音识别方案介绍.pptx

基于Java的利用科大讯飞提供的MSC SDK实现语音模拟和语音识别。具有简单的界面。

哥伦比亚大学2016年春季语音识别讲义，覆盖GMM, HMM, 声学模型，语言模型，模型稳健性，深度学习的语音识别等最新知识面