La finalidad del reconocimiento automático de habla es analizar la voz del usuario de un sistema de diálogo hablado (Spoken Dialogue System) para obtener la secuencia de palabras que el usuario ha pronunciado. Para ello, en la actualidad se suele emplear un modelado probabilístico o basado en técnica de aprendizaje automático (Machine Learning, ML) que combina información acústica con información gramatical y otros tipos de conocimiento.