进入21世纪以来,随着计算机技术和人工智能的快速发展,人类和机器之间的交流不再局限于文字符号的输入输出。通过语音识别技术,机器能够轻松地“听懂”语音,甚至用语音和人类“交谈”。因此,语音识别技术,尤其是连续语音识别技术的研究成为一大热点。本文通过连续语音自动切分、声学模型和语言模型三个模块构建了连续语音识别系统。主要工作如下:（1）研究了连续语音的自动切分方法。分析了语音信号特征,选取合适的时域、频域和倒谱域特征作为切分依据。首先通过端点检测找出语音段中的有声段,再利用基音周期轨迹检测有声段中的浊音段,有声段减去浊音段就得到了辅音段,辅音段是音节开始的标志,最后根据语音信号不同频带能量不同的特点,将语谱图划分为5个频带,统计能量的变化,实现了连续元音音节切分和复杂的元、辅音节切分。实验表明该方法取得了较好的切分效果。（2）构建了基于隐马尔可夫模型的声学模型和基于深度学习的声学模型,提取语音信号的24维梅尔频率倒谱系数进行训练,利用同一个语音库进行测试,对比几种声学模型的识别率和性能。实验表明基于双向长短期记忆模型的声学模型取得了较高的识别率。（3）构建了基于N元文法的语言模型,实现了音字转换,并分析了该模型的优缺点。此外,为提高整个语音识别系统的容错性,还进行了语言模型的其他应用实验,在完形填空和文本纠错上都取得了较好效果。