语音识别主要分为以下两大系统类型：

1. 基于传统方法的混合系统（Hybrid Systems）
   核心模型：隐马尔可夫模型（HMM）+ 高斯混合模型（GMM）或深度神经网络（DNN）
   特点：

   • 分阶段处理：先通过声学模型（如HMM）提取音频特征，再经语言模型修正输出文本
   • 技术演进：早期使用GMM描述语音特征，后期升级为DNN-HMM（用DNN替代GMM提高精度）
   • 代表技术：IBM ViaVoice、CMU Sphinx

2. 端到端系统（End-to-End Systems）
   核心模型：深度学习序列模型（如RNN、Transformer）
   特点：

   • 一体化映射：直接将音频序列转化为文字序列，无需分阶段建模
   • 关键技术：
     • CTC（Connectionist Temporal Classification）
     • Attention（注意力机制）
     • RNN-T（RNN Transducer）
   • 典型应用：Google Speech-to-Text、百度DeepSpeech

当前主流技术已向端到端系统迁移（如Wav2Vec、Whisper等），但部分工业场景仍存在混合系统优化方案。