随着深度神经网络的兴起,数据、算法和计算能力已成为决定识别系统性能的关键因素。英语、汉语普通话等语言得益于其丰富的数据资源,识别系统性能在日常场景已达到实用化水平。然而对于一些低资源语言,如我国的少数民族语言维吾尔语,由于数据采集和标注等方面存在的各种困难,导致用于训练的数据资源缺乏,其识别服务在实际应用中还面临着许多困难和挑战。针对上述问题,本文基于阿里专有云训练环境将深度前馈序列神经网络(Deep Feedforword Sequential Memory Nerworks,DFSMN)和端到端的连接时序分类(Connectionist Temporal Classification,CTC)方法相结合,对维吾尔语声学建模单元加以改进,在约1万小时中文数据和1400多小时维语数据基础上,利用共享隐层的Fine-tuning迁移学习方法实现了维吾尔语大词汇量连续语音识别系统,将其识别准确率提升至94.48%。本文的研究贡献包括以下几个方面:(1)将深度前馈序列神经网络DFSMN与端到端的连接时序分类CTC方法相结合,基于小规模维语数据做了DFSMN-CTC与深度神经网络隐马尔科夫(Deep Neural Networks-Hidden Markov Model,DNN-HMM)声学模型的对比实验,实验结果表明DFSMN-CTC声学模型性能优于DNN-HMM声学模型。(2)针对CTC方法建模粒度和维吾尔语构词形式丰富以音素、音节和词作为声学建模单元时在大词汇量连续语音识别系统中容易出现集外词的特点,对声学建模单元加以改进,利用Word-piece方法产生的子词作为声学建模单元并做了对比实验。(3)阿里自学习平台需要鲁棒基础资源的输入,针对维语语音数据不足的问题,首先利用部分中文和维语数据验证了迁移的效果,之后基于1万小时中文数据的基础模型采用Fine-tuning迁移方法利用700小时维吾尔语数据重新训练了模型参数,得到基础声学资源作为平台输入。(4)基于机器和人工相结合的方式对实验室录制的用于定制优化部分的740小时维语数据进行清洗、校对,在阿里专有云训练环境,基于基础资源利用740小时维语数据进行了定制模型训练,最终实现大词汇量维吾尔语语音识别系统,将其准确率提升至94.48%。与传统DNN方法相比,本文将维吾尔语语音识别系统识别率提升至90%以上,可以应用在日常场景,为项目的实施提供了技术支持;此外,本文的研究也为我国少数民族语言哈萨克语、柯尔克孜语等的语音识别系统的搭建提供参考和技术储备。