采用端到端方法构建声学模型，以字为建模单元，采用DCNN-CTC网络结构

cuda-convnet2 Nervana 的 Alex Krizhevsky 的 convnet2 的分支，包含几个扩展，包括： 名为 cudanet 的新 Python 后端，用于集成到 Nervana 的框架中 几个新的内核和函数来支持多路成本、GPU 内存的 Python 接口、对非纹理内核的支持、数组和标量最大/最小比较、局部对比度归一化。 基于 pip 或 cmake 的一行安装 额外的检查和修复。 安装 首先确保您已满足所有必需的依赖包，如 cuda-convnet2页面所述。 # Clone this repository. git clone git@github.com:NervanaSystems/cuda-convnet2.git cd cuda-convnet2 mkdir build cd build cmake .. make install #f

主要侧重于端到端语音识别和端到端的文本到语音转换。 ESPnet使用chainer和pytorch作为主要的深度学习引擎，并遵循Kaldi风格的数据处理，特征提取/格式和配方，为语音识别和其他语音处理实验提供完整的设置。

Flask是python后端常用的框架之一，本资源（原创）整理了基础使用方法，包含路由配置、模板层使用、示例程序等，可以快速上手