في هذه الورقة، نطوّر نموذجًا صوتيًا أحادي المرحلة (SS) مبنيًا على الحقول العشوائية الشرطية (CRF) مع هيكل حالة مستوحى من التصنيف الزمني المتصل (CTC)، والذي يُعرف اختصارًا بـ CTC-CRF.يتميز CTC-CRF ببساطته المفاهيمية، حيث يُطبّق أساسًا طبقة CRF فوق الميزات الناتجة عن الشبكة العصبية السفلية، مع استخدام هيكل حالة خاص. مثل نموذج SS-LF-MMI (الحد الأقصى للإنتروبيا المتبادلة دون شبكة)، يمكن تدريب نماذج CTC-CRF من البداية (بدون تدريب مسبق)، مما يُلغِي الحاجة إلى التدريب المسبق باستخدام نماذج المزيج الغاوسي-النماذج الهيدرولوجية (GMM-HMM) أو بناء الأشجار.أُجريت تجارب تقييم على مجموعات بيانات WSJ وSwitchboard وLibrispeech. في مقارنة مباشرة، أظهر نموذج CTC-CRF الذي يستخدم LSTM ثنائية الاتجاه (Bidirectional LSTMs) البسيطة أداءً أفضل بشكل متسق مقارنة بنموذج SS-LF-MMI القوي، على جميع مجموعات البيانات الثلاثة، في كل من حالات المونوفون (mono-phones) والمونوأحرف (mono-chars). علاوةً على ذلك، يتفادى نموذج CTC-CRF بعض العمليات اليدوية أو التخصيصية التي تُستخدم في SS-LF-MMI.