中文语音解码是中文整句输入的关键算法,也是中文语音识别和合成的重要步骤,是一个具有挑战性的问题,解码的准确率直接影响中文输入性能的好坏,并且对汉语拉丁化或拼音化起到了决定性作用。中文自动语音识别(Automatic speech recognition,ASR)的性能由于深度神经网络的应用得到极大的改善。尽管取得了这一进步,但是建立了一个新的ASR系统仍然是一个具有挑战性的任务,这需要各种资源,多个训练阶段和重要的专业知识。在本文中,采用EESEN框架处理中文自动语音识别问题,着重分析和阐述中文语音识别中的解码问题,并在最后面对现有的技术进行改进。EESEN框架大大的简化了现有的管道技术来构建更先进的自动语音识别系统。EESEN框架中的声学模型涉及学习一个循环神经网络(Recurrent Neural Networks,RNNs)来预测上下文无关目标(音素或字符)的内容。为了解决语音和标签序列之间的对齐问题,必须首先生成帧标签,EESEN框架采用时域连接模型来推断语音和标签序列之间的对齐问题。对于EESEN框架来说,它的一个显著特征是:基于加权有限状态变换器(Weighted Finite-State Transducers,WFSTs)的广义解码算法。这一算法使得词典和语言模型有效结合,并转换为(Connectionist Temporal Classification,CTC)解码。实验结果表明,与标准的混合深度神经网络系统相比,EESEN框架实现了较低的的词错误率(Word Error Rate,WER),同时使得解码速度大大得到提升。