伴随着科学技术的发展,计算机及其它智能设备逐渐得以普及。语音是人与人之间最直接的交流方法,所以人机语音交互一直是相关研究人员研究的热点。由于DNNs的应用,ASR的性能得到了极大的提高。目前大语种的语音识别已经取得了很好的效果,但对于像藏语这类小语种的识别还较少。但建设一个语音识别系统仍然是一个具有挑战性的任务,需要各种资源、不同的训练阶段和专业知识。与传统基于隐马尔可夫模型的语音识别相比,端到端语音识别模型结构单一,不需要区分声学模型和语言模型,不需要发音词典。现阶段端到端的语音识别系统主要有两种类型:CTC(联结时序分类)和Attention模型。本文采用基于LSTM-CTC的端到端方法进行声学建模,进行藏语拉萨话的语音识别。为了消除预先生成帧标签的需要,采用联结时间分类(CTC)目标函数来推断语音和标签序列之间的对齐。使用WFSTs进行解码,它能有效的将词典和语言模型结合到CTC解码中。文中以音频的特征参数作为声学模型的输入,输出为音素序列的概率,最终实现基于LSTM-CTC的藏语语音识别。实验结果表明,在现已有的藏语数据集,基于端到端语音识别结果比传统的DNN-HMM方法效果好。与传统方法相比,它不需要使用GMM-HMM来进行对齐操作。根据实验结果,基于CTC技术的藏语语音识别最好的Syllable-ER为18.71%。