聲音轉化為文字。語音辨識技術可以將口語轉錄成書面形式，並能處理口音、背景噪音和連續語音。它為語音助理、語音識別工具和自動化呼叫中心提供支援。

傳統系統使用隱馬可夫模型和手工設計的聲學特徵。現代系統則使用神經網絡，透過對配對的音訊和文字進行端到端訓練，同時學習聲學和語言模式。

常見的語音辨識任務

• 聽寫和轉錄
• 語音命令和助手
• 即時字幕
• 呼叫中心分析
• 會議總結

在安靜環境下，清晰語音的辨識準確率很高。但如果口音很重、說話者同時說話或環境吵雜，準確率就會下降。基準測試中的單字錯誤率並不總是能預測實際應用中的表現。