目前国内外语音识别技术多数是依赖于大量的数据资源,比如汉语、英语等大语种的语音识别效果已达到人类听写水平,但对少数民族语言进行语音识别仍是语音界研究的热点问题和面临的重要挑战之一。濒危语言是指使用人数越来越少的、即将灭绝的语言,其中多数语言没有文字,以口语的形式存在。濒危语言从语音识别角度属于低资源语言语音识别,濒危语言语音识别研究可以帮助语言学家完成对濒危语言的标注和保护等工作,具有重要的理论意义和应用价值。本文主要针对的濒危语言是土家语,首先对濒危语言土家语语音数据进行降噪处理和特征提取,然后应用跨语言和迁移学习的方法进行端到端的声学建模,最后在端到端声学模型中加入多头注意力机制,有效地降低了濒危语言语音识别对语言模型的依赖性。具体研究内容如下:(1)针对濒危语言土家语语音数据带有复杂环境噪声的问题。采用基于改进深度卷积生成式对抗网络的降噪方法对濒危语言语音进行处理,并与主流降噪方法进行对比,实验结果表明本文提出的方法降噪效果较为明显,为下一步土家语语音特征提取和语音识别模型建立,奠定了稳定的基础。(2)针对濒危语言数据特征稀疏的问题。本文利用卷积的不变性可以克服语音信号本身多样性的原理,提取包含更加丰富信息的高维卷积特征,并与传统语音特征Mel倒谱系数做了对比,以土家语语音为例的实验结果表明语音高维卷积特征的频域能量变化较小,并且静音段能量变化明显。(3)针对濒危语言语音数据较少的问题。从濒危语言土家语的国际音标标签层角度考虑,以汉语语料作为土家语的扩展能够有效解决土家语语料不足的问题,构建跨语言语料库并建立汉语和土家语统一的国际音标字典;利用双向长短时记忆网络对土家语和汉语完成共享隐层权重训练,并通过端到端的方法实现对土家语的自动语音识别功能;利用迁移学习方法,对跨语言的端到端土家语语音系统进一步建模,实验结果表明,相对只使用土家语语音数据作训练的模型识别错误率下降了2.11%,因此该方法具有可行性和有效性。(4)针对难以建立土家语语言模型的问题。通过语音时域伸缩技术改变土家语口语词汇语速实现对语料进行扩充,尝试了对Listen,Attend,and Spell(LAS)模型进行改进,从而将其应用于土家语语音识别中。在结构方面引入一种多头注意力机制,大幅度降低了对语言模型的依赖性;在优化方面,探索了同步训练、预定采样、标签平滑和最小误差率,实验效果表明濒危语言识别率得到一定的提升。