在这个项目中，我们要处理使用EM算法训练GMM-HMM的孤立单词数据。 测试阶段也考虑使用维特比算法。 结果表明，通过Matlab 编程获得的性能与HTK 的性能相似。 在运行这些程序之前，请先准备好训练和测试数据。 TIDIGITS 数据库的摘录可以从这个链接获得： http://www.ece.ucsb.edu/Faculty/Rabiner/ece259/speech recognition course.html 标题为“隔离的 TI 数字训练文件，8 kHz 采样，终结点：(isolated_digits_ti_train_endpt.zip)”。 或者您可以直接从这个链接下载训练数据库的 .zip 文件： - 训练数据： http://www.ece.ucsb.edu/Faculty/Rabiner/ece259/speech recognition cours

代码和说明文档

基于GMM-HMM的孤立词语音识别系统，内含训练和测试数据，是1-10的数字的音频，测试数据也是1-10，当然你可以自己改，只要改了标签即可。运行需要安装hmmlearn，scipy，numpy

基于深度学习的孤立词语音识别系统，采用CNN，内含代码和数据以及课程，用python+tensorflow写的

基于MATLAB的语音识别系统，适用于初学者，可以识别简单的语音。

用matlab语言写的关于语音识别技术中最为流行的匹配算法hmm,可以实现端点检测和基于DTW和HMM的孤立词识别和连续语音识别

基于Matlab GUI平台，实现了一个用DTW来完成语音识别的演示系统。语音支持现场录制。特征提取的是MFCC

0-9孤立词语音识别. 每个数10组训练样本，每组10个语音，类内识别正确率100%. 个人原创，如有雷同，纯属抄袭，绝对可用。 训练文件：training.m 识别文件：recogfinal.m