通俗解释
一段音频有几百帧，对应的文字只有十几个字，事先不知道哪帧对哪个字。CTC 引入“空白”符号，把所有能折叠成正确文字的对齐路径的概率加起来作为目标，用动态规划高效计算。这样只需要“音频 + 文字”成对数据就能端到端训练。
用在哪里：语音识别（如 DeepSpeech 2、wav2vec 2.0 微调）、手写与场景文字识别
01原始论文
Connectionist temporal classification: labelling unsegmented sequence data with recurrent neural networks
Alex Graves, Santiago Fernández, Faustino Gomez, Jürgen Schmidhuber · ICML 2006 · 2006
DOI ↗ ✓ 已核实 · Crossref API doi:10.1145/1143844.1143891
02知识位置
左边先学；右边是学完它之后可以学的。
相关：Whisper 弱监督语音识别wav2vec 2.0 自监督语音表征
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-22。
- JSON: /api/learn/algorithms.json (id:
ctc)