語音識別技術(shù)與其自然語言處理技術(shù)相結(jié)合，可以構(gòu)建出更加復(fù)雜的應(yīng)用。例如與機器翻譯、語音合成技術(shù)等相結(jié)合，可以實現(xiàn)語音到語音的翻譯等應(yīng)用。

在語音識別的研究發(fā)展過程中，相關(guān)研究人員根據(jù)不同語言的發(fā)音特點，設(shè)計和制作了漢語、英語等各類語言的語音數(shù)據(jù)庫。這些語音數(shù)據(jù)庫可以為國內(nèi)外有關(guān)的科研單位提供漢語連續(xù)語音識別算法研究和系統(tǒng)設(shè)計，也可以為產(chǎn)業(yè)化工作提供充分、科學(xué)的訓(xùn)練語音樣本。

目前在大詞匯語音識別方面處于領(lǐng)先地位的IBM語音研究小組，他們從20世紀70年代開始進行這些研究;同時AT&A的貝爾研究所歷經(jīng)1 0年研究有關(guān)非特定人語音識別的實驗，確立了如何制作用于非特定人語音識別的標準模板的方法。在這一時期所取得的重大進展有以下幾點。

① 隱馬爾柯夫模型（ HMM）技術(shù)的成熟和不斷完善成為語音識別的主流方法。從Baum提出相關(guān)數(shù)學(xué)推理，經(jīng)過Labiner等人研究，到卡內(nèi)基一梅隆大學(xué)的李開復(fù)實現(xiàn)第—個基于隱馬爾柯夫模型的大詞匯量語音識別系統(tǒng)Sphinx，之后的語音識別技術(shù)都和HMM技術(shù)掛鉤。

② 以知識為基礎(chǔ)的語音識別的研究越來越受到重視。在連續(xù)語音識別時，除了能識別聲學(xué)信息外，還能利用各種語言知識，諸如構(gòu)詞、語義、句法、對話背景方面的知識進一步對語音作出識別和理解。

③ 人工神經(jīng)網(wǎng)絡(luò)在語音識別中的應(yīng)用研究興起。人工神經(jīng)網(wǎng)絡(luò)大多采用基于反向傳播法（BP算法）的多層感知網(wǎng)絡(luò)，具有區(qū)分復(fù)雜的分類邊界的能力，能夠幫助模式劃分。由于其有著廣泛的應(yīng)用前景，因此成為了語音識別應(yīng)用的一個熱點。

（1） 機器對語音的識別和理解：要對自然語音進行識別和理解，首先必須將連續(xù)的講話分解為詞、音素等單位，然后還要建立一個理解語義的規(guī)則。

（2） 對信息量大的語音識別困難：語音模式不僅對不同的說話人不同，對同一說話人也是不同的，例如一個說話人在隨意說話和認真說話時的語音信息是不同的;且同一個人的說話方式隨著時間變化，各地方言之間也不一樣，這在客觀上對語音識別造成了一定的 阻礙。

（3） 對模糊性的語音識別困難：同音詞為語音識別帶來困擾，，就好比說話者在講話時，不同的詞可能聽起來是相似的。

（4） 語音特性受上下文影響：單個字母或詞、字的語音特性受上下文的影響，單詞在不同的語境中呈現(xiàn)不同的重音、音調(diào)、音量和發(fā)音速度，表達的意思也不同，會使語音辨識受到干擾。

（5） 噪聲、干擾的影響：環(huán)境的噪聲和干擾對語音識別也有十分嚴重的影響，使語音識別率降低。