语音识别的全称是自动语音识别（Automatic Speech Recognition，ASR），说得多了， 就把“自动”省去了，认为“自动”是理所当然的了。语音识别属于序列转换技术，它将语音序列转换为文本序列。大体来说，这是一次搬运，是把一段话的表现形式从语音变成了文本，至于文本想要表达的深层含义（自然语言理解）、倾诉的感情（情感识别）、说话人的身份（说话人识别），就需要其他的技术来处理，所以语音应用开始时是分工明确的，但这显然不符合人类对语音的感知和理解，所以后来的技术也有了不同程度的整合和联合学习。 如何实现有效的语音识别，无非是，先确定问题，然后找个模型，最后训好它。
