語(yǔ)音識(shí)別就是將一段語(yǔ)音信號(hào)轉(zhuǎn)換成相對(duì)應(yīng)的文本信息，系統(tǒng)主要包含特征提取、聲學(xué)模型，語(yǔ)言模型以及字典與解碼四大部分，此外為了更有效地提取特征往往還需要對(duì)所采集到的聲音信號(hào)進(jìn)行濾波、分幀等音頻數(shù)據(jù)預(yù)處理工作，將需要分析的音頻信號(hào)從原始信號(hào)中合適地提取出來(lái)；特征提取工作將聲音信號(hào)從時(shí)域轉(zhuǎn)換到頻域，為聲學(xué)模型提供合適的特征向量；聲學(xué)模型中再根據(jù)聲學(xué)特性計(jì)算每一個(gè)特征向量在聲學(xué)特征上的得分；而語(yǔ)言模型則根據(jù)語(yǔ)言學(xué)相關(guān)的理論，計(jì)算該聲音信號(hào)對(duì)應(yīng)可能詞組序列的概率；最后根據(jù)已有的字典，對(duì)詞組序列進(jìn)行解碼，得到最后可能的文本表示。