近年来，端到端自动语音识别模型的演变令人瞩目。研究人员通过重新评分音素模型的最佳假设，提高了E2E模型的准确性。联合训练E2E模型与多样的建模单元可以显著提高模型准确性，为开发更可靠准确的ASR系统提供了新的见解。

本研究使用隐藏马尔可夫模型和SpeechDat数据库训练自动语音识别系统，测试了不同音素模型和双字语言模型对系统参数的影响。实验结果表明，在不同说话者子集上系统性能有明显改进。