A beszédfelismerés célja, az emberi beszéd gép által kezelhető, szöveges formára alakítása, végső célként, a nyelvfeldolgozással egyesítve a beszélt nyelv gépi megértése. Fontos szempot a beszélő felismerése, a beszélőkre jellemző paraméterek kinyerése és azonosítása alapján. Kezdeti eredmény lehet a szűk szókincs több beszélő esetén, vagy ugyanazon beszélő esetén nagyobb szókincs felismerése. Az emberi nyelvek kb. 50 fonémát, beszédhangot különböztetnek meg. Ezek kombinációinak feldolgozása azonban szinte lehetetlen feladatnak tûnik. Nehézségek adódhathat abból, hogy a beszéd szavai egybefolynak, vagy hogy a fonémák és a szavak leírására használt betűk között nincs mindig teljesen egyértelmű megfeleltetés.

Természetes nyelvek feldolgozása első lépcsőjeként célként lehet kitűzni az emberi nyelv (írott formájának) megértését. Ennek megoldására természetes nyelvű interfészeket kell kidolgozni. Olyan számítógépes alkalmazásokat kell készíteni mely képes a szavak, mondatok kezelésére. Ehhez természetesen egy jól strukturált adatbázisra van szükség.

Az eddig elért eredményekben a gépi fordítást elsőként valósította meg az ELIZA nevű program (Joseph Weizenbaum, MIT, 1966). Ez a program egy pszichológust utánoz, aki megpróbálja megérteni az ember problémáit, az ember válaszainak kulcsszavait érzékelve típusszöveget, egyszerű mintaillesztésen alapuló szövegrész-cserét alkalmaz. Ez a program csak szintaktikai szinten értette a páciens válaszait. Egy másik megvalósításban SHRDLU (Terry Winograd, 1972) említhetjük, ami egy mértani testekből (kockák, gúlák, stb.) álló mikrovilág, melynek elemeit egy robot az ember írásos parancsainak megfelelően manipulálhatta.

A hangjelek feldolgozása terürelét célként tűzhetõ ki az információ csökkentése és a jellemzők kiemelése.
Ennek lépései:
- mintavételezés, kvantálás
- jellemzők kinyerése, keretekben, azonos időintervallumokban
- vektorkvantálás: a keretek jellemzővektorait a jellemzők hiperterének régióihoz rendelik.


A szavak egyértelmű felismeréséhez további statisztikai, valószínűségi adatok szükségesek. Ezeket általában betanítással adják meg. A legjobb rendszerek a szavak több mint 95%-át jól ismerik fel.