随着全球化进程加快以及计算机技术的普及,世界各地联系愈加密切,不同语言之间的互译成为了国内外学者的重点研究课题。特别是进入二十一世纪以来,机器学习、深度学习技术日新月异,推动了人机交互技术快速崛起,各种语音助手、智能家居等语音识别产品也应运而生。我国是一个多民族国家,各少数民族以其特有的语言开展交流、传承民族文化,少数民族语言在民族大融合的环境中越来越受到国家重视,使得各少数民族语言也开始融入语音识别这一技术浪潮中。对于少数民族语言,由于其语音采集成本高、数据资源低、语音识别难度大,因此少数民族语音识别研究是一项非常有意义和价值的课题。白族人口在我国各民族人口中位居第十五位,白语作为白族的民族共同语,主要分为大理(南部)、剑川(中部)和怒江(北部)三大方言。本文以剑川白语为研究对象,首先介绍了白语和剑川白语的语音、词汇和语法特点,对剑川白语与普通话之间的音素和声调进行了对比分析。然后对传统语音识别方法的声学模型与端到端的语音识别系统做了较为详细的阐释与对比。针对白语声调众多、语料资源少的特点,以及端到端语音识别系统不需要人工标注、可以大量节约识别成本的优势,利用tensorflow框架搭建了一个基于深度学习的白语语音识别系统,通过双向循环神经网络与时序分类算法结合实现连续白语语音识别,并且通过不断调整模型结构和参数来获取最高精确率和识别效率。此外,本文进行了一组对比实验,对采集语料中较长的复杂语句剪切、分割为简单的语句,将原采集语料与剪切语料之间的识别结果进行对比。最终实验数据表明,系统对简单语句的识别率远远大于复杂语句的识别率,而且识别效率也得到明显提升。