近年来,随着深度学习的快速发展,语音识别技术也有了长足的进步。语音识别技术的愈渐成熟,加之各地文化的互相影响,使用方言进行人机语音交互已经成为了研究的新方向。四川方言以其独特的魅力活跃在各社交媒体和网络平台,并且四川方言的使用人数已达数亿人,研究四川方言语音识别对于了解巴蜀文化和变迁有着一定的积极作用。语音识别不仅是大热的研究方向,也是科研的研究重点,研究人员对语音的识别和辨识做出了大量研究。尽管已有关于方言语音识别的研究,但是研究四川方言语音识别的屈指可数。本文主要使用卷积神经网络、门控循环网络和隐马尔科夫模型、Transformer模型进行四川方言语音识别研究,构建四川方言语料库,提出基于改进的卷积神经网络和门控循环网络的语音识别方法,具体的研究内容如下:针对四川方言没有公开的标准语料库的问题,设计了四川方言语料库,语料库数据提取自四川本土方言影视剧,分别对其进行格式转换、切割、标注、核对后,将所有数据划分为3个数据集,包括2个训练集和1个测试集,训练集分别包含约201分钟、30分钟的语音数据,测试集的语音数据时长为20分钟。通过该语料库实现了从语音音频到普通话文字标注的对应。针对四川方言语音识别研究稀少的问题,提出了一种基于改进的卷积神经网络的语音识别方法。通过深度卷积神经网络提取语音语谱图的特征信息,然后再结合CTC解码和隐马尔可夫模型映射到文字。在四川方言语料库上进行训练和测试,并与其他方言识别的结果进行对比,实验结果显示,本文提出的算法降低了四川方言语音识别的错词率,提高了识别率。本文提出一种基于改进的门控循环网络语音识别方法,该方法使用GRU作为声学模型,使用Transformer作为语言模型,通过对语音片段的预处理、特征提取、CTC解码、Transformer模型等的处理后,实现了从音频序列到文本序列的映射过程,在四川方言语料库上进行测试,实验结果显示,本文提出的算法在准确率上再次提升,并且优于领域内其他的相关算法。