高质量的自动语音识别（ASR）是基于语音的应用程序和研究的前提条件。尽管最先进的ASR软件可以免费获取，但由于缺乏足够的免费训练数据，除英语外的其他语言的声学模型仍然不足。我们使用Kaldi在两个均受创用共享许可协议（Creative Commons license）分发的数据集上训练了德语声学模型。所得到的模型可以自由再分发，从而降低了德语ASR的入门成本。这些模型是在总计412小时的德语朗读语音数据上训练而成的，通过添加来自Spoken Wikipedia Corpus的数据，我们在之前最佳的可自由获取的德语声学模型配方和数据集基础上实现了26%的相对词错误率降低。我们的最佳模型在Tuda-De测试集上的词错误率为14.38%。由于训练数据中包含大量说话者和多样化的主题，我们的模型对说话者变化和话题转换具有较强的鲁棒性。