第3版包含以下章节：
-
第1章 语音识别概论，介绍人类语音的产生和感知过程，语音识别的关键技术、发展历史等。
-
第2章 语音信号基础，介绍声音的采集和量化过程，以及编码和存储格式。
-
第3章 语音特征提取，介绍语音信号的频域分析、倒谱分析、声学特征提取过程等。
-
第4章 HMM，介绍双重随机过程，以及HMM的三大问题。
-
第5章 GMM-HMM，介绍高斯混合模型的定义和重估计公式，并结合例子讲解GMM如何与HMM结合，以及对应的具体参数形式。
-
第6章 基于HMM的语音识别，介绍单音子声学模型和Viterbi解码过程，以及音素的上下文建模，包括双音子和三音子模型。
-
第7章 DNN-HMM，介绍深度学习在语音识别中的应用，包括CNN、LSTM、TDNN等网络。
-
第8章 语言模型，介绍语言模型的训练过程及其在语音识别中的作用。
-
第9章 WFST 解码器，介绍动态和静态的解码网络，以及WFST、HCLG等关键技术。
-
第10章 Kaldi训练实例，首先介绍Kaldi的下载与安装步骤，然后以aishell-1中文数据库为例，介绍如何训练和测试模型。
-
第11章 端到端语音识别，介绍CTC、RNN-T、Attention等端到端语音识别系统。
-
第12章 Transformer结构，详细介绍Transformer的模型结构，包括卷积下采样、位置编码、自注意力等关键模块。
-
第13章 Conformer流识别，介绍Conformer的模型细节，包括卷积模块、相对位置编码等，以及基于Conformer的流识别过程。
-
第14章 语音大模型，介绍大语言模型（LLM）、音频离散化、语音文本对齐、流式打断、对话大模型等内容。
-
第15章 WeNet实践，介绍使用WeNet进行CTC/Attention模型的训练和解码过程。
-
第16章 工业应用实践，介绍如何封装语音识别动态库，如何调用和调优，以及嵌入式移植和端侧部署过程。
