藏民族地区受地理位置等因素的影响,信息交流不畅,中小学教育资源与其它地区相比更加缺乏。而现代远程教育跨越时空、资源共享的优势恰好弥补了藏区在教育资源上的不足,缩小了与其他地区在教育资源上的差距。远程教育平台中教学视频的语音识别是网络中视频结构化处理必不可少的模块,也是当今最为活跃的研究课题之一。本文阐述了藏语语音识别技术的相关原理以及应用在藏区远程教育中的必要性。结合藏语的发音特点,在选择元音和辅音作为建模基元的前提下,制作了发音字典,并利用隐马尔可夫模型开发工具包建立了藏语的声学模型和语言模型。之后将得到最优识别结果的声学模型、语言模型、发音字典等相关数据移植到Ubuntu系统中,并使用Qt Creator开发藏语连续语音识别系统,实现了实时采音和识别的功能,最后将识别结果以藏语文字的形式显示出来。本文将该系统应用到远程教育中的藏族中小学语文教学视频中。首先将视频切分为几个视频段,然后提取出视频中的音频文件。使用开发的藏语连续语音识别系统识别出音频文件中的藏语,通过和视频文件的整合形成具有字幕的教学视频。以这种方式建立视频和文字间的对应关系,不但可以方便用户查找视频段,还能够提高学习效率,方便视频的观看和学习内容的理解。在以后还可以对教学视频中的关键词进行检索,让用户在使用时更加方便快捷。