การรู้จำเสียงความสามารถของอุปกรณ์ในการตอบสนองคำสั่งที่พูด การรู้จำเสียงช่วยให้สามารถควบคุมอุปกรณ์และอุปกรณ์ต่าง ๆ ได้โดยไม่ต้องเสียค่าใช้จ่าย (เป็นประโยชน์สำหรับคนพิการจำนวนมาก) ให้การป้อนข้อมูลไปยังการแปลอัตโนมัติและสร้างคำสั่งพร้อมพิมพ์ แอพพลิเคชั่นแรก ๆ สำหรับการรู้จำเสียงคือระบบโทรศัพท์อัตโนมัติและซอฟต์แวร์เขียนตามคำบอกทางการแพทย์ มันมักจะใช้สำหรับการเขียนตามคำบอกสำหรับการสืบค้นฐานข้อมูลและการให้คำสั่งกับระบบที่ใช้คอมพิวเตอร์โดยเฉพาะอย่างยิ่งในอาชีพที่ต้องพึ่งพาคำศัพท์เฉพาะ นอกจากนี้ยังช่วยให้ผู้ช่วยส่วนตัวในรถยนต์และสมาร์ทโฟนเช่น Apple Siri
ก่อนที่เครื่องใด ๆ สามารถตีความคำพูดได้ไมโครโฟนจะต้องแปลการสั่นสะเทือนของเสียงของบุคคลเป็นสัญญาณไฟฟ้า wavelike สัญญาณนี้จะถูกแปลงโดยฮาร์ดแวร์ของระบบ - เช่นการ์ดเสียงของคอมพิวเตอร์ - เป็นสัญญาณดิจิตอล เป็นสัญญาณดิจิตอลที่โปรแกรมรู้จำเสียงพูดวิเคราะห์เพื่อจำแนกเสียงหน่วยความจำพื้นฐาน หน่วยเสียงจะรวมกันเป็นคำอีกครั้ง อย่างไรก็ตามมีหลายคำที่เหมือนกันและเพื่อเลือกคำที่เหมาะสมโปรแกรมจะต้องพึ่งพาบริบท โปรแกรมจำนวนมากสร้างบริบทผ่านการวิเคราะห์ไตรกีฬาซึ่งเป็นวิธีการที่ใช้ฐานข้อมูลของกลุ่มคำสามคำที่มีความน่าจะเป็นซึ่งได้รับมอบหมายให้คำสองคำใดก็ตามจะตามด้วยคำที่สามที่กำหนด ตัวอย่างเช่นหากผู้พูดพูดว่า“ ฉันเป็นใคร” คำต่อไปนี้จะได้รับการจดจำว่าเป็นคำสรรพนาม“ ฉัน” แทนที่จะเป็น“ ตา” ที่คล้ายกัน แต่มีโอกาสน้อยกว่า อย่างไรก็ตามการแทรกแซงของมนุษย์บางครั้งจำเป็นต้องมีการแก้ไขข้อผิดพลาด
โปรแกรมสำหรับจดจำคำที่แยกได้บางคำเช่นระบบนำทางด้วยเสียงของโทรศัพท์ทำงานได้กับผู้ใช้เกือบทุกคน โปรแกรมการพูดต่อเนื่องเช่นโปรแกรมการเขียนตามคำบอกต้องได้รับการฝึกฝนให้รู้จักรูปแบบการพูดของแต่ละคน การฝึกอบรมเกี่ยวข้องกับผู้ใช้อ่านตัวอย่างข้อความดัง ๆ ทุกวันนี้ด้วยพลังที่เพิ่มขึ้นของคอมพิวเตอร์ส่วนบุคคลและอุปกรณ์พกพาความแม่นยำในการรู้จำเสียงจึงได้รับการปรับปรุงอย่างเด่นชัด อัตราความผิดพลาดลดลงเหลือประมาณ 5 เปอร์เซ็นต์ในคำศัพท์ที่บรรจุคำนับหมื่นคำ ความแม่นยำที่มากยิ่งขึ้นนั้นมาถึงคำศัพท์ที่ จำกัด สำหรับการใช้งานเฉพาะด้านเช่นการเขียนตามคำบอกของการวินิจฉัยทางรังสี
