深度学习算法中哪些可以做语音识别

深度学习算法中常用于语音识别的方法包括：

1. 循环神经网络（Recurrent Neural Network，RNN）：通过将上一个时间步的输出作为本时间步的输入，来处理变长序列数据。常用于语音识别中的语音帧分类任务。

2. 长短时记忆网络（Long Short-Term Memory，LSTM）：一种特殊的RNN，通过加入记忆单元来避免梯度消失和梯度爆炸问题，能够更好地处理长序列数据。

3. 卷积神经网络（Convolutional Neural Network，CNN）：通过卷积操作和池化操作来提取特征，常用于语音信号的特征提取。

4. 深度神经网络（Deep Neural Network，DNN）：通过多层神经网络来提取和分类语音特征，常用于语音识别中的声学模型。

5. 注意力机制（Attention Mechanism）：一种能够在模型中自动学习对序列中不同部分的关注程度的机制，可以用于提升语音识别的性能。