这是一个巨大的问题，我不知道如何开始......所以让我试着给你正确的“条款”，这样你就可以改进你的任务：
首先，要了解语音识别是一门多样而复杂的学科，它有许多不同的应用。人们倾向于将此域映射到他们想到的第一件事（通常是计算机理解您在 IVR 系统中所说的内容）。因此，首先让我们将这个概念分为主要类别：
Human-to-Machine：处理理解人类在说什么的应用程序，但人类知道他正在与机器交谈并且语法非常有限。例子是
- 计算机自动化
- 专业化：例如飞行员自动化一些控制（噪音是一个大问题）
- IVR（交互式语音响应）系统，如 Google-411 或当您致电银行时，对方的计算机会说“说‘服务’以获得客户服务”
人对人（自发语音）：这是一个更大、更复杂的问题。在这里，我们还可以将其分解为不同的应用：
- 呼叫中心：代理-客户之间的对话，电话质量，压缩
- 情报：两个或更多人之间的无线电/电话/现场对话
现在，Speech-To-Text 不是你应该说的你关心的。你关心的是解决问题。不同的技术用于解决不同的问题。在此处查看其中一些的概述。总而言之，其他方法是音标、LVCSR 和基于直接的。
另外，你有兴趣成为这项技术的博士吗？您将需要一个涉及信号处理的硕士同等学历，并且可能需要一个 PHd 才能成为前沿。在这种情况下，您将在一家开发实际语音引擎的公司工作。像 Nuance 和 IBM 这样的公司是大公司，但菲利普斯和其他初创公司也存在。
另一方面，如果您想成为实现应用程序的人，您将不会在引擎上工作，而是在构建使用引擎的应用程序。我认为游戏行业的一个很好的类比：您是在开发图形引擎（如 Cry 引擎），还是在开发数百款游戏中的一款，都使用相同的图形引擎？
不要误会我的意思，在世界范围内的 IBM/Nuance 之外，搜索质量还有很多工作要做。该引擎通常非常开放，并且需要进行大量算法调整，这些调整会极大地影响性能。每个业务应用程序都有不同的约束和成本/收益函数，因此您可以进行多年的实验来构建更好的基于语音识别的应用程序。
还有一件事：一般来说，您还希望在堆栈中越低的位置就拥有良好的统计背景。
在这个时间点，我主要对能够创建允许自动化的应用程序感兴趣
好，我们在这里汇合……那你对“语音转文本”没有兴趣。流行语带您进入完全转录的世界，一个您不需要去的地方。您应该关注一些更人机交互的技术，例如 Voice XML 和 IVR 系统中使用的技术（Nuance 是其中最大的参与者）