随着深度学习技术的飞速发展,语音领域研究也取得了巨大的突破。语种识别技术作为语音研究的首要步骤,是决定语音后端效能的关键。现阶段的语种识别方法多是基于语音音素的语种识别,该方法须对语料进行音素标注。而基于深度学习神经网络的语种识别仅需利用声学特征组合,不需要借助语料音素信息便可实现高精度的语种识别。在实际应用场景中,基于神经网络的语种识别模型小巧且识别效果显著,可有效应用于其它语音研究的前端,提高语种识别的实用性;与此同时,现今的多语种环境数据规模庞大,深度神经网络利用大规模数据进行训练大有优势。因此,本文通过改进传统声学特征,提出了基于语速特征的端到端语种识别模型和基于多任务学习的方言语种识别,旨在利用神经网络强大的计算能力、特征提取能力等使得语种识别的方法更加高效、实用,进而提高模型的整体性,改善语种识别的精度和准确率,从而达到保护语言文明、促进语音发展的目的。本文首先针对国际语种识别问题,通过深度神经网络,构建了基于语速特征的语种识别模型,进一步针对相似性高、易混淆语种,以方言语种识别为代表提出多任务学习方法学习其中的隐含特性进行方言语种识别研究。主要工作如下:1.已有研究基于语音音素的语种识别方法,对原始音频的基层声学特征进行提取,通过GMM-HMM模型(高斯混合模型和隐马尔科夫模型)结合音素判别器进行语种识别,其与语音识别模型在本质上相似。针对涉及到音素特征,在实际应用中复杂度太高且不易实现的问题,本文首先提出了基于深度神经网络的端到端语种识别模型,该模型通过提取原始音频的两组底层声学特征,梅尔倒谱频率(MFCC)和Fbank,并根据不同语种的语速特性差异,对原始特征进行创新改进,形成新的组合特征,即MFCC、Fbank、语速特征。其次,通过训练卷积神经网络和递归神经网络搭建了CLSTM模型进行语种识别,并在国际公开的Common Voice数据集上抽取五个语种进行实验,实验结果显示本文提出的深度神经网络端到端模型识别准确率达90%。2.方言语种识别作为语种识别的子问题,其研究与语种识别密切相关。且方言语种具有地域性特点,彼此之间的相似性更近,易于混淆。针对相似语种难以区别以及国际语系划分下语支语族分类困难的问题,本文通过对方言语种识别展开研究,提出了基于多任务学习的方言语种识别方法。利用多任务学习挖掘相关任务的隐含特性,分别搭建基于参数硬共享的多语种方言语种识别模型和基于参数软共享的辅助任务方言语种识别模型,并在科大讯飞方言数据集上进行单任务及多任务对比实验,实验结果显示,本文提出的多任务方言语种识别模型针对十种方言识别率可达82%。