Η αναγνώριση φωνής ή η αναγνώριση ομιλίας είναι μια τεχνολογία υπολογιστή που χρησιμοποιεί είσοδο ήχου για την εισαγωγή δεδομένων αντί για πληκτρολόγιο. Η ομιλία σε μικρόφωνο, για παράδειγμα, παράγει το ίδιο αποτέλεσμα με τη μη αυτόματη πληκτρολόγηση λέξεων με ένα πληκτρολόγιο. Με απλά λόγια, το λογισμικό αναγνώρισης φωνής έχει σχεδιαστεί με μια εσωτερική βάση δεδομένων με αναγνωρίσιμες λέξεις ή φράσεις. Το πρόγραμμα αντιστοιχίζει την ηχητική υπογραφή της ομιλίας με τις αντίστοιχες εγγραφές στη βάση δεδομένων.
Αν και η μετατροπή της ομιλίας σε κείμενο μπορεί να ακούγεται εύκολη, είναι ένα εξαιρετικά δύσκολο έργο. Το πρόβλημα έγκειται στην ουσιαστικά άπειρη σειρά μεμονωμένων μοτίβων ομιλίας και τονισμού, που επιδεινώνεται από τη φυσική τάση του ανθρώπου να συνδυάζει λέξεις.
Διάφορα μοντέλα λογισμικού αναγνώρισης ομιλίας χρησιμοποιούνται για μια σειρά εφαρμογών, από προσωπική υπαγόρευση έως εμπορική αυτοματοποιημένη δρομολόγηση κλήσεων, από βοήθεια σε άτομα με ειδικές ανάγκες έως υποτιτλισμό αθλητικών εκδηλώσεων και ειδήσεων. Κάθε μοντέλο συμπεριφέρεται διαφορετικά και έχει τις δικές του δυνατότητες και όρια.
Τα προγράμματα αναγνώρισης φωνής που απαιτούν από τον χρήστη να «εκπαιδεύσει» το λογισμικό ώστε να αναγνωρίζει τα συγκεκριμένα στυλιζαρισμένα μοτίβα ομιλίας του ονομάζονται συστήματα που εξαρτώνται από το ηχείο. Τα άτομα συνήθως χρησιμοποιούν τέτοιου είδους προγράμματα στο σπίτι ή στο γραφείο. Μπορούν να εισαχθούν email, σημειώσεις, επιστολές, δεδομένα και κείμενο μιλώντας σε μικρόφωνο.
Ορισμένα συστήματα αναγνώρισης φωνής, που ονομάζονται διακριτά συστήματα ομιλίας, απαιτούν από τον χρήστη να μιλά καθαρά και αργά και να διαχωρίζει λέξεις. Τα συστήματα συνεχούς ομιλίας έχουν σχεδιαστεί για να κατανοούν έναν πιο φυσικό τρόπο ομιλίας.
Τα διακριτά συστήματα ομιλίας χρησιμοποιούνται ευρέως για τη δρομολόγηση εξυπηρέτησης πελατών. Το σύστημα είναι ανεξάρτητο από ομιλητές, αλλά κατανοεί μόνο μια μικρή ομάδα λέξεων ή φράσεων. Ο καλών έχει την επιλογή να απαντήσει σε μια ερώτηση, συνήθως με «ναι» ή «όχι». Αφού λάβει μια απάντηση, το σύστημα κλιμακώνει τον καλούντα στο επόμενο επίπεδο. Εάν ο καλών απαντήσει με μια μοναδική απάντηση, η αυτοματοποιημένη απάντηση είναι συνήθως: «Συγγνώμη, δεν σας κατάλαβα. παρακαλώ δοκιμάστε ξανά», με επανάληψη της ερώτησης και διαθέσιμες απαντήσεις. Αυτός ο τύπος αναγνώρισης φωνής αναφέρεται επίσης ως αναγνώριση περιορισμένης γραμματικής.
Η συνεχής ομιλία είναι μια πιο εξελιγμένη μορφή λογισμικού αναγνώρισης φωνής, όπου ο καλών μπορεί να μιλήσει φυσικά για να εξηγήσει ένα πρόβλημα ή να ζητήσει μια υπηρεσία. Αυτό το πρόγραμμα έχει σχεδιαστεί για να διαλέγει λέξεις ή φράσεις-κλειδιά και να κάνει μια στατιστική καλύτερη εικασία ως προς το τι θέλει ο πελάτης. Το να μιλάς ξεκάθαρα βοηθά το πρόγραμμα να εντοπίσει την ανάγκη. Αυτός ο τύπος συστήματος έχει πολύ πιο εντατική βάση δεδομένων από τα συστήματα διακριτικής ομιλίας και αναφέρεται επίσης ως αναγνώριση φυσικής γλώσσας.
Η Automatic Speech Recognition (ASR) είναι ένα μοντέλο αναγνώρισης φωνής που έχει σχεδιαστεί για υπαγόρευση. Αυτό το λογισμικό διαφέρει από τα προηγούμενα μοντέλα στο ότι δεν προσπαθεί να κατανοήσει τι λέγεται, μόνο να αναγνωρίσει τις λέξεις που ειπώθηκαν. Δεδομένου ότι πολλές λέξεις στην αγγλική γλώσσα μοιάζουν, γίνονται εύκολα λάθη. Το λογισμικό ASR βρίσκεται συχνά σε ψηφιακές συσκευές εγγραφής φωνής.