话音识别技术是一种将人讲话发出的话音通信声波识别(转换)成为一种能够表达通信消息的符号序列的技术。这些符号可以是识别系统的词汇本身，也可以是识别系统词汇的组成单元，在专业文献中常常称为识别系统的基元或子词基元。例如，当汉语话音识别系统的基元选取为音素、声韵母、音节、多音节时，识别输出结果的符号序列相应为音素序列、声韵母序列、音节序列、多音节序列。
    声波符号的识别有匹配识别和检测识别两种方式。
    匹配识别的原理是，将输入话音声波进行适当处理成为特征数据流，然后与系统已有的符号或符号序列的模型进行比对，把系统中与输入特征数据流最接近的模型的符号或符号序列作为系统的识别结果。
    检测识别的原理主要是，将输入话音声波进行适当处理成为特征数据流，然后在其中检测是否出现了系统己有的符号或符号序列的模型，把输入特征数据流中出现的系统模型的符号或符号序列作为系统的识别结果。
    匹配识别和检测识别的主要差别在于，匹配识别是一种相对最佳表示的判断准则，即使输入话音声波的真实符号序列完全不在系统已有的符号或符号序列中，系统也会从它己知的范围中找出一个最接近的符号序列作为识别的输出结果。而检测识别是一种基于置信程度的判断准则，如果输入话音声波的真实符号序列不在系统已有的符号或符号序列中，则系统会因其置信程度低而拒绝输出识别结果。
    汉字的话音输入系统就是典型的声音识别技术，但是其误码率很高。 GSM手机上的话音电话存储就是一个典型的话音识别的例子，但是电话号码的话音准确呼出距实用还有一段相当长的距离。