近年来，端到端（E2E）自动语音识别（ASR）模型在深度学习架构的推动下取得了显著进展。研究者通过与音素模型的联合训练，显著提高了模型的准确性。本文提出了一种高效的联合训练方法，利用多样化建模单元，进一步增强了模型的准确性，为开发更强大的ASR系统提供了新思路。