自動音声認識（ASR）は、1952年にベル研究所が「オードリー」システムを開発することによって初めて提唱され、その基礎となる研究成果は米国音響学会誌に掲載された論文で発表された。 音声による数字の自動認識。

1975年、カーネギーメロン大学（CMU）の研究者であるジェームズ・K・ベイカーは、博士論文を発表した。 自動音声認識のための手段としての確率モデルこれは隠れマルコフモデル（HMM）が初めて導入された事例であり、大規模語彙連続音声認識のための確率的統計パラダイムの基礎を築いた。

2012年11月、トロント大学、マイクロソフト、グーグル、IBMの研究者らが共同で画期的な論文を発表した。 音声認識における音響モデリングのための深層ニューラルネットワーク本論文は、深層ニューラルネットワーク（DNN）に基づく現代の音声認識（ASR）技術のパラダイムを正式に確立したものであり、IEEE Signal Processing Magazineに掲載された。

この技術は、人間の話し言葉をテキストに変換するためのフレームワークであり、機械が自然な人間の会話に直面した際に音響信号を解釈できないことから生じる「インタラクションギャップ」の問題に対処することを目的としています。このシステムは、人間の音声を含む音声信号を処理し、音響モデル、言語モデル、および深層ニューラルネットワークを総合的に活用して、音声入力内の音素、単語、および文を正確に識別し、標準化されたテキスト形式に書き起こします。研究結果によると、従来の隠れマルコフモデル（HMM）確率モデルから最新の深層ニューラルネットワーク（DNN-HMM）およびエンドツーエンドアーキテクチャへの進化により、初期のテンプレートマッチングおよびガウス混合モデル（GMM）のパフォーマンスボトルネックを効果的に克服し、複雑なアクセントや環境ノイズを解釈するシステムの能力を大幅に向上させています。音声アシスタント、文字起こしサービス、音声制御システム、聴覚障害者向けアクセシビリティ支援などのシナリオにおいて、機械は非常に正確かつ効率的な音声テキスト変換を実現します。