以人类语言和计算机进行交互一直是近几十年自动语音识别(Automatic Speech Recognition,ASR)研究的主要方向。20世纪下半叶,各种ASR技术如雨后春笋应运而生,例如:梅尔频率倒谱系数(Mel Frequency Cepstral Coefficients,MFCC)、高斯混合模型(Gaussian Mixture Model,GMM)、隐马尔科夫模型(Hidden Markov Model,HMM)等。这些理论与技术的提出为ASR发展带来很好的契机。在21世纪的第二个十年里,由于移动终端的普及,ASR又迎来了研究的高潮,各种新技术、新模型被提出并应用于实践。为了降低系统的成本,方便携带、安装以及配置,本文基于树莓派(Raspberry Pi)设计一种语音传输识别系统,可以对火车站的广播语音实现采集、传输和识别功能。本文设计的ASR系统避免传统语音采集传输设备体积大、成本高、工作量大等问题,还可以远程终端连接,从而更加灵活方便地修改系统配置。本系统包括软件和硬件两个部分。其中,硬件由Raspberry Pi、拾音器等构成,主要实现语音的采集功能。软件方面则分为两个模块,一个模块是转发服务模块,用python语音开发,主要是将拾音器采集到的音频流转发至识别模块及其他相关模块;另一个模块是识别模块,实现音频数据的接收、识别、存储结果的功能。其中识别模块使用RNN+CTC(Recurrent Neural Network,RNN)(Connectionist temporal classification,CTC)的模型结构,这块模型结构使用Python语音实现,引用TensorFlow等包进行开发。系统的目标是实现多点音频数据的实时传输、存储及语音识别。本文首先提出系统的整体设计方案,之后详细阐述了语音传输系统和ASR系统的各个模块的工作原理及相关算法。