自动语音识别技术发展至今日,无论是在传统混合语音识别架构还是新兴的端到端识别架构上,在声学语料充足、资源丰富的语言上,均已取得了不错的识别效果。而对于一些语料较为匮乏的低资源语言,缺乏转录语音训练数据这一核心问题,使得这些语种在搭建语音识别系统任务中仍然受到很大限制,其语音识别研究仍停留在较为初级的层面。本文的研究目的是利用迁移学习的思路,选择在端到端架构上,采用多语言语音识别技术提升低资源语言的语音识别性能。本文主要以实验室录制的藏语拉萨方言作为低资源目标语言,对其进行了以下研究:1.基于端到端架构的优势,提出了端到端的拉萨方言单语语音识别模型。在此基础上,将拉萨方言这种语言的独特性应用到该语音识别的任务中。首先,提出了这种低资源语言适应端到端架构的预训练策略,该策略能针对低资源语种训练不充分的问题进行明显改善;其次,本文挖掘藏语自身的独特性,首次将藏文部件（radical）作为高度压缩的声学建模单元进行建模,并和藏文字建模单元进行对比,以期提高语音识别系统的性能。实验显示,针对拉萨方言数据库,使用这种基于自注意力机制的端到端模型Transformer,在使用低资源语言适应端到端架构的预训练策略后,采用两种与发音词典无关的建模单元进行建模和解码,能够取得较为理想的结果。该方法能够在脱离发音词典、语言模型的情况下,快速建立低资源语音识别系统。在性能方面,单语的最佳结果比传统混合语音识别架构上深度神经网络模型的基线系统结果有相对6.3%的提升。2.基于迁移学习的思路,提出了端到端的拉萨方言多语言语音识别模型。首先,该模型将参与训练的全部语种的建模单元混合,其全部建模单元均采用与各语种发音词典无关的建模单元,因此完全摆脱了对发音词典的依赖,也不需要根据语种构建通用音子集,这对缺乏资源的低资源语种至关重要;其次,该模型将语种识别和语音识别双任务统一在单一模型中,无需预先进行语种切分,通过训练能够自动判别语种,直接支持多语言语音识别任务;最后,该模型采用端到端架构,不再需要传统混合模型架构中的高斯混合模型对齐及决策树聚类等流程,极大简化了多语言语音识别任务的流程。实验首先参考类似多语言语音识别的思想,进行拉萨方言的自我融合训练,即对藏语的两个建模粒度的识别系统进行系统融合,证明了两种建模粒度共同训练的模型性能要优于单一建模单元的训练模型。在此基础上,采用了与目标语言类似的共四种语言与目标语言的两种建模单元数据联合训练,搭建拉萨方言的多语言语音识别系统。其最佳结果比基线系统的结果有相对14.2%的提升。