高中八年级信息科技《机器的耳朵如何听懂我们-语音识别技术原理与应用探究》教学设计

高中八年级信息科技《机器的耳朵如何听懂我们——语音识别技术原理与应用探究》教学设计

一、指导思想与理论依据本教学设计以《义务教育信息科技课程标准（2022年版）》和教育部等五部门2026年联合印发的《“人工智能+教育”行动计划》为根本遵循，全面贯彻立德树人根本任务，落实核心素养导向的课程改革理念。课程围绕“数据、算法、网络、信息处理、信息安全、人工智能”六大逻辑主线中的“人工智能”模块展开，按照八年级学生的认知特征和信息科技课程的知识体系，设计循序渐进、螺旋上升的教学内容。课标要求初中学生能了解常见人工智能应用的基本工作过程，能分析人工智能应用对个人生活、社会发展的影响，形成对人工智能技术的客观认知。本课正是在此基础上，以语音识别技术为切入点，遵循“生活现象→原理探究→本质认知→应用评价”的逻辑主线，从学生熟悉的微信语音输入、智能语音助手等使用体验切入，通过探究拆解工作过程，再到探究核心影响因素，最后回归真实场景分析，层层递进帮助学生建立结构化认知。课程设计充分体现“科”“技”并重的核心理念，注重计算思维、数据意识、信息安全及社会责任等关键素养的培育。在教学方法上，采用探究式教学法、控制变量对比实验法、案例分析法与小组讨论法相结合的策略，落实“做中学、用中学、创中学”的教育理念。同时，依据教育部等七部门2025年发布的《关于加强中小学科技教育的意见》中“初中阶段侧重实践探究和技术应用，围绕‘解决真实问题’开展跨学科项目式学习”的明确要求，本课注重以真实问题情境驱动学习，引导学生从现象认知逐步转向规律探究和方法习得，为后续学习图像识别等其他人工智能应用奠定“从现象到原理再到应用”的探究思路。二、教学内容分析本课是初中信息科技八年级下册人工智能单元的核心课之一，属于“人工智能”逻辑主线中的重要组成部分。教材内容编排遵循由浅入深、由体验到原理的认知规律。本课是在学生已经学习人工智能基础概念、数据编码相关知识之后，对人工智能具体应用领域的深入探究，承接前文对人工智能的通用认知，为后续学习图像识别、智能推荐、机器学习等其他人智能应用奠定从现象到原理再到应用的探究思路，是单元中人工智能应用模块的开篇课。语音识别技术作为人工智能感知智能中发展最为成熟、应用最为广泛的技术领域之一，其技术原理的理解对于学生建立人工智能技术认知框架具有重要意义。本课教学内容的横向逻辑是按照“认识语音识别——体验语音识别——探究识别原理——分析影响因素——应用伦理思考”的主线展开。具体而言，教学内容主要包括四个方面：一是语音识别技术的基本概念与发展历程，帮助学生建立对这项技术的时间维度认知；二是语音识别技术的核心工作环节，包括声音信号采集与预处理、特征提取、声学模型匹配与解码、语言模型辅助识别等关键步骤，这是本课的知识核心；三是影响语音识别准确率的常见因素，包括发音口音差异、环境噪声干扰、训练数据规模与质量等，这部分内容具有鲜明的探究性和实践性；四是语音识别技术的典型应用场景与技术局限，包括智能语音助手、语音输入、声纹识别、智能家居控制、无障碍辅助设备等应用领域，以及技术自身面临的挑战如噪声鲁棒性、方言适应性、隐私保护等。这些教学内容既涵盖技术原理的深度，又兼顾应用广度的拓展，体现了信息科技课程“科”与“技”并重的特征。教材编排注重知识与实践相结合，通过丰富的案例和任务驱动，引导学生在实际操作中掌握信息科技知识与技能，培养学生的信息意识、计算思维、数字化学习与创新以及信息社会责任。三、学情分析八年级学生正处于形式运算思维阶段，已经具备初步的抽象逻辑思维能力，能够进行假设演绎推理和系统化的逻辑分析。这个年龄段的学生对生活中的科技应用充满探究欲望和好奇心，他们不满足于仅仅知道“怎么用”，更愿意探究“为什么能用”背后的科学原理，这为本课开展探究式学习提供了良好的心理条件。在已有知识基础和生活经验方面，学生已经学习过人工智能的基本概念、数据编码的相关知识，对人工智能的总体认知框架已有初步建立。更为重要的是，学生在日常生活中几乎每天都在使用语音识别相关功能——微信语音转文字已经成为日常沟通的标配，Siri、天猫精灵、小爱同学等智能语音助手广泛存在于家庭生活与移动设备中，车载导航的语音输入、智能音箱的语音唤醒、部分手机应用的声纹解锁等功能也已被学生普遍接触和使用。这些丰富的感性体验为本课的教学奠定了坚实的基础，使得学生能够从自身经验出发理解抽象的技术原理。同时，八年级学生具备较强的信息搜索能力和基本的数字化工具操作能力，能够熟练使用搜索引擎、在线测试平台等开展探究活动。在合作学习能力方面，经过初一学段的培养，学生已经具备较为成熟的小组协作能力和初步的研究能力，能够分工合作完成具有一定复杂度的探究任务。然而，本课教学也需要关注学生可能存在的典型认知误区。第一个误区是认为语音识别就是简单的“语音转文字”，不知道语音识别还包含语义理解、身份验证等多种延伸应用形式，比如很多学生不知道声纹解锁本质上也是一种语音识别技术。第二个误区是认为语音识别出错全都是“机器不好”，不知道发音口音差异、环境噪声干扰、多音字歧义等因素都会显著影响识别结果。例如，部分学生带有方言口音说“江南”被系统识别成“江南”，反而认为机器出错，意识不到口音带来的声学特征偏差。第三个误区是认为语音识别准确率只和算法设计有关，不知道训练数据的质量和规模才是决定识别效果的核心影响因素，不知道要识别特定领域或特定人群的语音必须要有对应领域的标注数据。这些认知误区需要在本课的教学过程中系统纠正。此外，不同学生之间在信息技术知识储备和操作能力方面存在个体差异，部分学生对人工智能技术的了解较为深入，已经自行接触过编程实践或智能硬件开发，而部分学生则仅限于日常应用的体验层面。本课教学设计应充分考虑这种差异性，通过分层任务设计、梯度化问题链和小组异质化分组等方式，兼顾全体学生的共同发展和个性需求。四、教学目标（一）信息意识维度学生能够结合生活实际，识别并描述身边语音识别技术的应用实例，形成对人工智能技术应用价值的初步认知。能够敏锐感知语音识别技术在效率提升、无障碍服务、智能家居等领域的积极作用，同时建立对技术应用中潜在隐私风险和信息安全问题的警觉意识。通过对声纹识别、智能语音助手等案例的分析，逐步形成负责任地使用智能技术的态度和习惯。（二）计算思维维度学生能够将语音识别任务抽象为“声音采集→特征提取→模型匹配→输出结果”的工作流程，理解算法在该流程中的作用。能够运用分解、概括等计算思维方式，对语音识别的复杂过程进行模块化拆解和分析。通过探究实验，学生能够识别并分解影响语音识别准确率的关键因素，运用控制变量等科学方法进行系统性分析。能够通过类比迁移的方式，将语音识别的原理框架应用于对图像识别等其他感知智能技术的理解中。（三）数字化学习与创新维度学生能够利用在线语音识别测试平台、声学特征可视化工具等数字化学习环境开展探究性学习，掌握通过数字化工具收集数据、验证猜想的基本方法。能够借助数字化学习资源，自主探究不同因素对识别率的影响规律，形成数据驱动的实验分析报告。在项目式学习活动中，能够尝试运用图形化编程工具或低代码平台设计简单的语音交互原型，初步体验从技术原理理解到创意应用转化的完整过程。（四）信息社会责任维度学生能够客观评价语音识别技术对个人生活、社会发展和不同群体的多重影响，形成辩证的技术价值观。在技术伦理层面，能够分析智能语音设备“随时倾听”带来的隐私保护问题，理解个人声音数据的采集与使用应遵循的伦理规范和法律法规。能够关注语音识别技术对听障人士等特殊群体的包容性价值，树立科技向善、技术为人服务的价值理念。五、教学重难点（一）教学重点：语音识别技术的基本工作过程与原理认知。具体包括声音信号从采集到输出的完整流程、特征提取在其中的关键作用、声学模型匹配的基本思想。同时，语音识别技术的典型应用场景及其对人类生产生活的积极影响也是重点内容。（二）教学难点：理解特征提取在语音识别中的核心作用与数学模型化思想，以及训练数据质量对识别准确率的根本性影响。八年级学生缺乏信号处理和机器学习的相关知识储备，如何用通俗易懂且不失科学严谨的方式解释从声音信号到数字特征再到模型匹配的转化过程，是本课最主要的教学难点。同时，帮助学生建立“数据驱动”的机器学习思维，理解“机器并非真正理解含义，而是通过大量示例学习统计规律”这一本质，也是需要突破的难点。六、教学策略与方法（一）大单元教学策略：将本课置于人工智能单元的整体框架中设计，建立序列化、结构化的教学内容体系。打通与本单元前一课“人工智能概论”和后一课“图像识别初步”之间的逻辑衔接，形成“通用认知→具体感知技术→具体视觉技术”的进阶脉络。（二）探究式教学法：以学生主动建构知识为核心，围绕“语音识别为什么能听明白我们的话”这一核心问题，设置递进式探究任务链。通过“猜想—验证—分析—归纳”的探究流程，引导学生在自主探究中建构知识体系。（三）控制变量实验法：针对“影响语音识别准确率的因素”这一探究主题，设计三组控制变量的对比实验——音量变量实验、口音变量实验、背景噪声变量实验，让学生在真实操作中通过数据对比得出科学结论。这种定量分析与因素归因的方法有助于培养学生的科学探究能力和证据意识。（四）案例教学法：选取贴近学生生活的真实应用案例，包括微信语音输入、智能家居语音控制、语音导航、声纹识别解锁等，通过对案例进行“现象—原理—价值—局限”的多维剖析，帮助学生建立对技术应用场景的全面认知。（五）项目式学习：以“设计帮助老人的智能语音助手”为微项目任务，围绕真实社会问题展开创意设计。项目涵盖需求分析、功能设计、原型演示、伦理评价等完整流程，体现“做中学、用中学、创中学”的理念。（六）跨学科融合策略：本课注重与物理学科（声音的产生与传播、声波特性、噪声污染）的横向联系，与数学学科（特征提取中的数学建模思想、统计规律）的交叉渗透，与语文学科（多音字歧义、方言现象）的有机融合，同时也渗透了道德与法治学科（个人信息保护法、技术伦理）的相关内容，体现信息科技课程的综合性与实践性。（七）技术赋能策略：充分利用在线语音识别测试平台、声学特征可视化互动网站、图形化编程开源工具等数字化教学资源，让抽象的技术原理变得可视可操作。同时，适时引入人工智能实时评测反馈工具，支持个性化学习诊断。（八）分层教学策略：针对学生的学习基础和认知能力差异，设计基础层、发展层、挑战层三个层次的学习任务。基础层聚焦概念理解和基本操作，发展层注重原理探究和初步应用，挑战层鼓励创新设计和深度思辨，满足不同层次学生的学习需求，促进全体学生的共同发展。七、教学准备（一）硬件环境准备：多媒体网络教室，具备联网功能，每台计算机配备麦克风及耳机。为便于开展小组合作学习，每组4人进行异质化分组。备有可供展示的智能手机或智能音箱设备，用于现场演示语音识别功能。如条件允许，可准备行空板或Micro:bit等开源硬件设备，供拓展层学生进行语音交互原型搭建。（二）软件及平台准备：安装微信PC端用于演示语音输入功能；浏览器收藏谷歌语音识别测试网页或百度AI开放平台的语音识别体验页面；准备PPT教学课件，包含原理动画演示视频、应用案例图片等资源；提前注册并调试在线协作白板工具，用于小组探究成果展示与交流；备有剪映或Audacity等音频处理软件，用于声波可视化演示与音频文件处理。如具备条件，可准备基于XEdu或TensorFlowLite的教学实验环境，供学生体验简单的模型训练与识别。（三）教学资源准备：提前录制多组控制变量对比实验所需的语音采样文件，包括同一句子在不同音量下的录音、带有不同方言口音的录音、不同背景噪声条件下的录音；设计并印制探究任务单，包含实验目的、实验步骤、数据记录表、分析引导性问题；搜集并整理语音识别典型应用案例素材；准备关于语音识别前沿技术的新闻报道或科普视频片段，作为拓展延伸资源。（四）教师课前准备：预演在线语音识别平台的各项功能，制作各个探究环节的清晰操作指南；预设学生小组分组方案，确定各组组长及分工职责；准备应对各种设备故障或网络问题的应急预案；深入研读教育部关于人工智能教育的政策文件，准确把握教学方向。八、教学过程设计（一）情境导入与问题激发（约5分钟）教师以一段学生熟悉的微信聊天对话场景引入课堂，展示一个典型场景：学生在长辈发来的一条语音消息后利用微信自带的“语音转文字”功能将语音消息转换为文字，由此引出核心问题——“大家有没有想过，手机是怎么把爷爷奶奶说的话变成文字的？机器的耳朵为什么能听懂我们说的话？”教师播放一段智能语音助手（如天猫精灵、小爱同学或手机Siri）被语音指令唤醒并执行操作的短视频，进一步激发学生的探究兴趣。随后向学生发出挑战邀请：“今天，我们来一起破解语音识别背后的‘黑盒子’，看看机器到底怎么听懂我们。让我们人人都做一名人工智能侦探，探索语音识别的秘密。”教师板书课题“机器的耳朵如何听懂我们”，带领学生理解本课的学习目标。本环节的设计意图是通过真实生活场景的自然切入，引发学生的认知冲突和探究欲望，将学生已有的生活经验转化为学习的起点和动力，同时自然引出本课的核心探究问题，为后续的系统学习奠定认知基础。（二）新知建构与原理探究（约25分钟）第一环节：链接生活，广泛体验——感知语音识别的应用版图。教师通过互动提问的方式，引导学生分享自己生活中用过的语音识别场景。学生可能会提到微信语音输入、语音搜索、语音拨号、智能音箱点歌、语音导航、语音备忘录等。教师将学生提到的应用进行分类板书归纳，分为通讯办公类、生活娱乐类、智能家居类、交通出行类、无障碍服务类等。在此基础上，教师补充学生未提及但在生活中应用广泛的场景，例如声纹识别在金融支付和门禁系统中的应用、语音情绪分析在客户服务中的探索、语音实时字幕在同声传译和听力辅助中的应用等。教师用思维导图工具将全班同学贡献的实例汇总，形成一个丰富的“语音识别应用地图”。设计意图是通过开放式的分享与系统化的梳理，帮助学生全面感知语音识别技术对人类生活的深刻影响，同时为后续原理探究积累感性素材。第二环节：角色扮演，动态建模——将抽象流程具象化。教师带领全班同学开展一个角色扮演游戏。将语音识别的工作流程设计成一场“信息接力赛”：第一个环节是“声音采集员”，由一组学生扮演麦克风采集声音信号；第二个环节是“特征提取师”，由一组学生扮演进行声波特征分析——提取能够区分不同词语的关键特征参数如梅尔频率倒谱系数等；第三个环节是“模型匹配员”，由一组学生扮演在声学模型库中查找匹配结果；第四个环节是“语言专家”，由一组学生扮演使用语言模型修正概率、消除歧义、使识别结果更符合语言习惯。教师对整个流程进行引导性讲解，在每个环节的关键节点穿插解释科学原理。例如在特征提取环节，教师用生动的语言解释：声波是连续的，但机器需要把声音数字化，特征提取就是从声音信号中提取出最能区分不同发音的关键信息，就像在茫茫人海中识别一个人的长相特征。在设计意图层面，角色表演游戏将高度抽象的技术原理转化为直观可视、可参与、可体验的集体活动，有效降低认知难度，让学生在主动参与中建构对语音识别工作流程的整体认识。第三环节：科学实验，数据验证——解密影响识别率的因素。这是本课的核心探究环节，采用控制变量对比实验法展开。教师将全班学生分为六个探究小组，每组围绕一个具体的探究问题开展实验活动。实验设计了三组控制变量任务：第一组是音量变量实验，测试同一句话在不同音量下（轻声细语、正常说话、大声说话）的识别准确率差异；第二组是口音变量实验，测试同一句话用标准普通话和各地方言口音朗读时的识别率差异；第三组是环境噪声实验，测试同一句话在安静环境和模拟课堂背景噪声条件下的识别正确率差异。每组实验均使用在线语音识别测试平台进行测试，每组学生需要完成10次测试并记录每次的识别结果。教师提前制作好的探究任务单发放给各组，任务单中包含实验目的、实验假设、实验步骤、数据记录表格和结论分析框。各组学生按照任务单要求展开实验，教师巡回指导，观察各组实验进展情况，对操作不熟练的小组进行个别指导，对有解决价值的问题进行及时捕捉并在后续集体交流中有针对性地回应。实验结束后，各组汇总数据，形成初步的分析结论。教师组织各小组进行成果交流与分享，通过数据可视化工具将各组实验数据进行对比展示，引导学生从数据中归纳共同规律，得出影响语音识别准确率的核心因素。教师进一步追问：“你们发现了什么共同规律？”引导出环境噪声、口音差异、训练数据质量等因素对识别效果的显著影响。教师在此基础上深化：为什么训练数据至关重要？因为语音识别模型需要通过大量带标注的声音样本来学习不同发音的特征规律，如果训练数据中缺乏某种口音的数据，那么该口音的识别效果就会大打折扣。这一环节的设计意图是通过真实的科学探究活动，让学生亲身体验“提出问题—作出假设—设计实验—收集数据—得出结论”的完整科学探究过程，培养科学精神和证据意识，同时引导学生领悟数据在机器学习中的核心驱动作用——这正是计算思维中“数据驱动”思想的重要体现。第四环节：总结提升，结构化归纳——绘制概念图。在实验探究的基础上，教师引导学生将碎片化的知识进行结构化整合，绘制“语音识别工作完整流程概念图”。学生在白纸上绘制包括输入声音、声音数字化、预处理、声学特征提取、声学模型匹配、语言模型优化、输出结果等环节的完整流程图，并在每个环节旁标注关键术语和核心要点。教师选取几组学生的作品进行展示和点评，补充说明各环节之间的逻辑关系和数据流向。教师最后用PPT展示标准的流程图式，与学生的作品形成对照参考，帮助学生深化理解。（三）拓展深化与跨学科链接（约8分钟）教师在本环节中引导学生的视野从基础原理走向应用前沿和跨学科融合。先通过一组对比资料介绍语音识别技术的发展历程：从1952年贝尔实验室的第一个可识别单个数字的系统，到20世纪八九十年代基于隐马尔可夫模型的统计方法突破，再到2010年代深度神经网络引发识别准确率的革命性提升，直至2026年大模型端到端语音交互的实现。教师着重介绍当前语音识别技术的前沿方向与最新突破：思必驰联合实验室在ICASSP2026大会上提出的MOSA模型，针对多语种识别中的数据不平衡难题，采用简单适配器混合结构，在参数量减少四成的情况下实现了平均词错误率下降13.3%，显著提升了车载等场景的跨语言交互能力；针对语音合成的实时性痛点，DCAR模型引入动态分块预测策略，将推理速度提升至2.61倍，可懂度最高提升72.27%；中国科学院声学研究所在AAAI2026大会上展示的SLD-L2S分层子空间潜扩散框架，可从视觉唇动信号直接生成高保真语音，在多模态AI领域取得重要进展。这些前沿技术的发展将进一步推动语音识别朝着更精准、更实时、更智能的方向演进。在跨学科链接环节，教师从物理角度强调语音识别的起点是声波的物理属性，声波的频率、幅度、波形等特征决定了声音的可辨识程度；从数学角度强调特征提取本质上是高维数据的降维过程，是用数学方法寻找声音信号中的规律性和区分性特征；从语文学科角度通过多音字和同音词案例展示语言模型在消除歧义中的作用——“yīnwéi”可能是“因为”也可能是“音为”，需要上下文语境来判断。同时，教师引导学生关注伦理议题：智能语音助手时刻处于“聆听”状态，这是便利还是隐私风险？语音数据被采集之后如何使用？声音是否可以被视为个人生物特征受到保护？教师要组织学生开展快速辩论或小组讨论，引导学生形成正确的技术伦理观和价值判断。联系社会热点问题，教师引导学生关注人工智能语音技术如何帮助听障人士更好地融入社会，如何帮助视障人士进行人机交互等赋能场景，体现科技向善的价值导向。本环节的设计意图是将技术学习从“是什么”“为什么”提升到“怎么样”“应如何”的层面，在拓宽学生知识视野的同时，培育技术伦理意识和社会责任感。（四）项目实践与创意应用（约10分钟）教师发布微项目任务：“做一次技术设计师——为老年人设计一款专属语音识别助手”。任务分为三个层次供学生选择：基础层任务要求学生完成“常用生活场景下的语音识别”需求分析表格，至少分析老年人五个典型生活场景——语音备忘提醒、语音电话拨号、语音控制家电、语音问药查询、语音求助呼救等，并用图表或文字描述核心功能需求；发展层任务要求学生在前者的基础上，使用图形化编程工具或低代码平台搭建一个语音交互原型，实现2至3个基础交互功能，并录制演示视频提交；挑战层任务则在前两者的基础上，设计创意增值功能和伦理守护条款，形成完整的“语音助手设计方案书”并开展课堂路演。学生以小组为单位选择任务层级开展项目实践，教师巡回指导并提供技术咨询服务。项目实践结束后，各小组进行初步展示交流。教师对各组作品进行点评，着重肯定学生在功能设计中体现的人文关怀和对特殊群体需求的考量。设计意图是通过项目式学习驱动学生对所学知识的综合运用与创造性转化，在实践中深化对语音识别技术原理和应用价值的理解，同时培养学生的问题解决能力、团队协作能力和创新思维。（五）知识梳理与课堂小结（约5分钟）教师带领学生对本课所学内容进行系统性回顾。通过板书和PPT的结构化展示，梳理本课的知识框架：语音识别的核心工作流程（声音采集—预处理—特征提取—模型匹配—语言优化—结果输出）；影响识别准确率的三大因素（训练数据质量、环境噪声水平、口音差异）；典型应用领域的分类；以及数据驱动的机器学习本质思想。教师通过“如果给你一句话，看你能说出哪三个影响识别率的因素”等互动提问方式检验学生对核心知识的掌握情况。教师对本节课学生表现给予积极评价，肯定探究过程中的认真态度、小组合作的高效配合以及创意设计中的人文关切。（六）作业布置与拓展延伸作业分为基础作业和拓展作业两个层次。基础作业要求学生完成一份200字左右的课堂学习反思记录，内容包括本课收获的核心知识、印象最深的环节及其原因，以及自己在日常生活中使用语音识别技术的亲身体验与思考。拓展作业包括必做和选做两类：必做项要求学生通过对家长的访谈或观察，了解长辈在生活中使用语音识别的习惯和遇到的困难，撰写一份简短的观察报告，题目为“我为长辈解‘语’忧”；选做项（二选一）要求学生深度体验声纹识别技术，查找资料说明其在金融领域的安全运用原理，或者运用图形化编程工具尝试搭建一个包含声波采集与指令识别的简易语音交互应用。教师说明提交方式与截止时间，鼓励学有余力的学生挑战选做项。同时，教师预告下节课“图像识别初步”的学习内容，建议学生提前预习并留意生活中图像识别应用的案例，做好学习准备。九、教学评价设计本课采用多元评价、过程评价与结果评价相结合的评价体系，全面落实“教学评一体化”理念。课堂表现评价包括学生参与导入环节互动的积极性、在角色扮演游戏中的投入程度、实验探究环节中对待科学探究的认真态度与数据收集的规范性、小组合作学习的参与度和贡献度，以及项目实践展示中的创意与表达质量。知识掌握评价通过课堂提问快速检验学生对语音识别核心概念和基本原理的理解程度，通过探究任务单的填写质量和结论的正确性与深刻性反映学生的原理理解与数据分析能力，通过项目成果的质量展示学生对知识的综合运用水平和创造性表达能力。能力发展评价重点考察学生运用控制变量法开展科学探究、从数据中归纳规律的分析思维能力，以及将技术原理转化为解决问题的创新设计与表达能力。价值态度评价侧重评估学生对“科技向善”理念的内化程度，对语音识别技术社会影响的多元思考与辩证分析能力，以及在面对技术利弊时的负责任沟通与表达能力。十、板书设计板书整体分为四个功能区域，采用模块化布局实现知识体系的清晰呈现。板书主体区位于中央核心位置，呈现“语音识别工作流程图”，以箭头串联六个核心环节：输入声音→数字化与预处理→声学特征提取（MFCC等）→声学模型匹配（深度神经网络等）→语言模型优化（N-gram/Transformer等）→识别结果输出。板书辅助区一位于左侧，标题为“为什么机器听不懂？——三大影响因素”，列举训练数据质量（数据量+数据多