随着人工智能的高速发展和普及,语音识别给人们带来了越来越多的便利,各种各样的智能音响、语音助手、语音输入法等应用随处可见,人们对语音识别的要求也逐渐提高,主要体现在准确率和效率上。传统的语音识别方法是基于隐马尔科夫模型的,但是随着数据量的剧增,基于隐马尔科夫模型的处理效率越来越无法满足人们需求,人们开始将深度学习的方法应用在语音识别领域。很多模型在处理语音信号时只考虑当前的状态判断,忽略了上下文的关联性对当前输出判断的影响,并在处理输入输出对齐时消耗时间过多,导致识别的准确率、效率不够高。本文认为对上下文的有关信息赋予一定的“记忆”权重,将有助于当前输出的判断,更准确地将语音这种时序信息转换成对应的正确字符。针对目前语音识别领域存在的问题,本文提出一种融合了LeakyReLU函数的GRU-CTC混合模型。该模型的特性主要有两点,首先是基于循环神经网络的一种变型结构门控循环单元(GRU),通过双门控机制充分考虑上下文的关联性,通过权重赋值进行选择性记忆,并在此基础上融合新颖的LeakyReLU函数来改进模型的训练收敛效率;其次,引入连接时序分类算法(CTC),不需要语音数据和文本数据事先对齐,直接对一整个序列输入进行处理,可解决一般模型在处理输入输出对齐过程中耗费时间的问题,提高模型训练的速度。针对以上问题,本文进行了两组实验对比,第一组实验是将GRU-CTC和另外两组训练模型进行对比,实验结果表明,GRU-CTC混合模型的字符错误率(CER)为三组实验模型中最低的,相较于次优的LSTM-CTC的CER值降低了1.03%,准确率有了一定的提高。第二组将融合了不同激活函数的GRU-CTC在不同语言模型下进行对比分析,实验结果表明,本文提出的模型Leaky GRU-CTC在Tri-gram语言模型下的CER相较于次优的模型降低了1.32%,训练收敛的速度更快且识别准确率更高。