语音识别技术，也被称为自动语音识别（Automatic Speech Recognition，ASR)，其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。与说话人识别及说话人确认不同，后者尝试识别或确认发出语音的说话人而非其中所包含的词汇内容。
语音识别技术常用的方法有如下四种：
1. 基于语言学和 声学的方法
2. 随机模型法
3. 利用人工神经网络的方法
4. 概率语法分析
其中最主流的方法是随机模型法。
第一种：基于语言学和声学的方法
基于语言学和声学的方法是最早应用于语音识别的方法，但是这种方法涉及的知识太过于困难，导致现在并没有得到大规模普及。
第二种：随机模型法
随机模型法目前应用较为成熟，该方法主要采用提取特征、训练模板、对模板进行分类及对模板进行判断的步骤来对语音进行识别。该方法涉及到的技术一般有3种：动态时间规整（DTW），隐马尔科夫模型（HMM）理论和矢量量化（VQ ）技术。其中，HMM 算法相较于其他两者的优点是简便优质， 在语音识别性能方面更为优异。也正因为如此，如今大部分语音识别系统都在使用HMM算法。
第三种：神经网络的方法
（ANN）神经网络方法是在语音识别发展的后期才有的一种新的识别方法。它其实是一种模拟人类神经活动的方法，同时具有人的一些特性，如自动适应和自主学习。其较强的归类能力和映射能力在语音识别技术中具有很高的利用价值。业界将 ANN 与传统的方法进行结合，各取所长，使得语音识别的效率得到了显著的提升。
第四种：概率语法分析法
概率语法分析法是一种能够识别大长度语段的技术，主要是为了完成“区别语言的特征”，对于不同层次的知识利用相应层次的知识来解决。这种方法最大的不足就是，建立一个有效、适宜的适用知识系统存在着一定的困难。
大家进行在线语音(视频/音频)识别转文字时，可以选择一款靠谱的识别工具，例如字幕提取器APP，它有提供多种识别方式，并且识别准确率也非常高。
