語(yǔ)音識(shí)別技術(shù)，也被稱為自動(dòng)語(yǔ)音識(shí)別AutomaTIc Speech RecogniTIon，（ASR），其目標(biāo)是將人類的語(yǔ)音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列。與說(shuō)話人識(shí)別及說(shuō)話人確認(rèn)不同，后者嘗試識(shí)別或確認(rèn)發(fā)出語(yǔ)音的說(shuō)話人而非其中所包含的詞匯內(nèi)容。

　　系統(tǒng)本質(zhì)上是一種模式識(shí)別系統(tǒng)，包括特征提取、模式匹配、參考模式庫(kù)等三個(gè)基本單元，它的基本結(jié)構(gòu)如下圖所示：

　　未知語(yǔ)音經(jīng)過(guò)話筒變換成電信號(hào)后加在識(shí)別系統(tǒng)的輸入端，首先經(jīng)過(guò)預(yù)處理，再根據(jù)人的語(yǔ)音特點(diǎn)建立語(yǔ)音模型，對(duì)輸入的語(yǔ)音信號(hào)進(jìn)行分析，并抽取所需的特征，在此基礎(chǔ)上建立語(yǔ)音識(shí)別所需的模板。而計(jì)算機(jī)在識(shí)別過(guò)程中要根據(jù)語(yǔ)音識(shí)別的模型，將計(jì)算機(jī)中存放的語(yǔ)音模板與輸入的語(yǔ)音信號(hào)的特征進(jìn)行比較，根據(jù)一定的搜索和匹配策略，找出一系列最優(yōu)的與輸入語(yǔ)音匹配的模板。然后根據(jù)此模板的定義，通過(guò)查表就可以給出計(jì)算機(jī)的識(shí)別結(jié)果。顯然，這種最優(yōu)的結(jié)果與特征的選擇、語(yǔ)音模型的好壞、模板是否準(zhǔn)確都有直接的關(guān)系。

　　系統(tǒng)可以根據(jù)對(duì)輸入語(yǔ)音的限制加以分類。如果從說(shuō)話者與識(shí)別系統(tǒng)的相關(guān)性考慮，可以將識(shí)別系統(tǒng)分為三類：（1）特定人語(yǔ)音識(shí)別系統(tǒng)。僅考慮對(duì)于專人的話音進(jìn)行識(shí)別。（2）非特定人語(yǔ)音系統(tǒng)。識(shí)別的語(yǔ)音與人無(wú)關(guān)，通常要用大量不同人的語(yǔ)音數(shù)據(jù)庫(kù)對(duì)識(shí)別系統(tǒng)進(jìn)行學(xué)習(xí)。（3）多人的識(shí)別系統(tǒng)。通常能識(shí)別一組人的語(yǔ)音，或者成為特定組語(yǔ)音識(shí)別系統(tǒng)，該系統(tǒng)僅要求對(duì)要識(shí)別的那組人的語(yǔ)音進(jìn)行訓(xùn)練。

　　如果從說(shuō)話的方式考慮，也可以將識(shí)別系統(tǒng)分為三類：（1）孤立詞語(yǔ)音識(shí)別系統(tǒng)。孤立詞識(shí)別系統(tǒng)要求輸入每個(gè)詞后要停頓。（2）連接詞語(yǔ)音識(shí)別系統(tǒng)。連接詞輸入系統(tǒng)要求對(duì)每個(gè)詞都清楚發(fā)音，一些連音現(xiàn)象開(kāi)始出現(xiàn)。（3）連續(xù)語(yǔ)音識(shí)別系統(tǒng)。連續(xù)語(yǔ)音輸入是自然流利的連續(xù)語(yǔ)音輸入，大量連音和變音會(huì)出現(xiàn)。

　　如果從識(shí)別系統(tǒng)的詞匯量大小考慮，也可以將識(shí)別系統(tǒng)分為三類：（1）小詞匯量語(yǔ)音識(shí)別系統(tǒng)。通常包括幾十個(gè)詞的語(yǔ)音識(shí)別系統(tǒng)。（2）中等詞匯量的語(yǔ)音識(shí)別系統(tǒng)。通常包括幾百個(gè)詞到上千個(gè)詞的識(shí)別系統(tǒng)。（3）大詞匯量語(yǔ)音識(shí)別系統(tǒng)。通常包括幾千到幾萬(wàn)個(gè)詞的語(yǔ)音識(shí)別系統(tǒng)。隨著計(jì)算機(jī)與數(shù)字信號(hào)處理器運(yùn)算能力以及識(shí)別系統(tǒng)精度的提高，識(shí)別系統(tǒng)根據(jù)詞匯量大小進(jìn)行分類也不斷進(jìn)行變化。目前是中等詞匯量的識(shí)別系統(tǒng)，將來(lái)可能就是小詞匯量的語(yǔ)音識(shí)別系統(tǒng)。這些不同的限制也確定了語(yǔ)音識(shí)別系統(tǒng)的困難度。

　　可以應(yīng)用的領(lǐng)域大致分為大五類：

　　辦公室或商務(wù)系統(tǒng)。典型的應(yīng)用包括：填寫(xiě)數(shù)據(jù)表格、數(shù)據(jù)庫(kù)管理和控制、鍵盤(pán)功能增強(qiáng)等等。

　　制造業(yè)：在質(zhì)量控制中，語(yǔ)音識(shí)別系統(tǒng)可以為制造過(guò)程提供一種“不用手”、“不用眼”的檢控（部件檢查）。

　　電信：相當(dāng)廣泛的一類應(yīng)用在撥號(hào)電話系統(tǒng)上都是可行的，包括話務(wù)員協(xié)助服務(wù)的自動(dòng)化、國(guó)際國(guó)內(nèi)遠(yuǎn)程電子商務(wù)、語(yǔ)音呼叫分配、語(yǔ)音撥號(hào)、分類訂貨。

　　醫(yī)療：這方面的主要應(yīng)用是由聲音來(lái)生成和編輯專業(yè)的醫(yī)療報(bào)告。

　　其他：包括由語(yǔ)音控制和操作的游戲和玩具、幫助殘疾人的語(yǔ)音識(shí)別系統(tǒng)、車(chē)輛行駛中一些非關(guān)鍵功能的語(yǔ)音控制，如車(chē)載交通路況控制系統(tǒng)、音響系統(tǒng)。