在线语音识别是语音处理与应用的重要研究领域之一,近年来,随着网络与通信技术的不断发展,越来越多的技术应用于在线领域,语音识别作为一种重要的人机交互技术越来越得到重视。目前,主流语言如英语、汉语、日语等语言的研究与应用已经很成熟,也有容易获取的大数据量语料库。但是藏语识别方向还存在一些有待解决的问题,藏语作为一种低资源语言,语料库的录制也存在一些困难。基于藏语识别方向研究人数较少,研究基础较为薄弱,实际应用较少的现状,本文从以下三个方面开展研究工作:1.通过研究基于端到端语音识别的建模方法,进行实验对比CNN-CTC、LSTM-CTC、Transformer模型在藏语识别上的性能,在相同实验环境下三种模型的词错率分别达到了32.6%、30.6%和29.3%,实验结果表明在藏语识别任务中Transformer模型的性能最好。对于端到端语音识别在小语料库中识别率低的问题,本文引入Specaugment语音增强算法对原有语音数据进行增强,在引入语音增强算法后,实验结果表明三种模型的词错率分别降低到了28.1%、26.1%和25.3%。2.本文通过对在线藏语识别系统进行需求分析,结合语音识别技术和网页开发技术完成了在线藏语语音识别系统的框架设计。搭建了基于B/S架构的Web在线藏语语音识别系统,实现了基于Web的在线藏语识别,总结并分析了在线藏语语音识别系统的实现方法和设计方案。3.为了验证在线藏语识别系统的可靠性,本文搭建测试环境,对在线藏语识别系统各个模块分别进行功能测试,通过对运行结果的分析和对比,验证系统功能能否正常运行。