声音转化为文字。语音识别技术可以将口语转录成书面形式，并能处理口音、背景噪音和连续语音。它为语音助手、语音识别工具和自动化呼叫中心提供支持。

传统系统使用隐马尔可夫模型和手工设计的声学特征。现代系统则使用神经网络，通过对配对的音频和文本进行端到端训练，同时学习声学和语言模式。

常见的语音识别任务

• 听写和转录
• 语音命令和助手
• 实时字幕
• 呼叫中心分析
• 会议总结

在安静环境下，清晰语音的识别准确率很高。但如果口音很重、说话人同时说话或环境嘈杂，准确率就会下降。基准测试中的词错误率并不总是能预测实际应用中的表现。