حاول علماء الذكاء الإصطناعي تطوير تطبيقاتهم وبرامجهم لتكون أكثر مضاهاة لحواس الإنسان وذلك من خلال اكسابها القدرة على التفكير والفهم , وكان من
و لهذه التطبيقات خطوات معينه تعمل على أساسها لتنفذ مهمة التعرف على الكلام ولكن قبل توضيحها يجب الأخذ بالإعتبار أن مهمة
التطبيق هو التعرف على الكلام وليس فهمه , وهذا يعني أن التطبيق لا يهتم بأي لغةٍ أتحدث ولكن الأهم أن يحتوي التطبيق على الصوت اللغوي(phoneme) المُكوّن للغة التي أتحدث بها .
وليعمل تطبيق التعرف على الصوت بشكل جيد يحتاج إلى استقبال صوت خارجي وذلك من خلال المايكروفون بعدها يتم تحويله من
إشارات كهربائية إلى رقمية (ليتعامل مع الحاسب ) وهذه مهمة كرت الصوت بعدها يتم تقطيع الإشارة الصوتية إلى كلمات ثم إلى
أصوات لغوية , والأصوات اللغوية لكل لغة تختلف عن الأخرى فنجد مثلاً في اللغة العربية الأصوات اللغوية تشمل نطق الحروف
الثمانية والعشرين و توضيح طريقة نطق الحروف إذا لحقها مد و نطق التنوين والحروف مع الحركات التشكيلة وغيرها من الأمور (
أقرب مثال توضيحي لهذه الأصوات اللغوية هي طريقة نطق الجوال لاسم المتصل ) ولكن هنا في تطبيقات التعرف على الصوت
تُستخدم الأصوات اللغوية من أجل مطابقة الصوت الوارد بما هو موجود في قاموس الكلام المحتوي على الأصوات اللغوية وهذه مهمة
برنامج معالج الكلمات ويترتب على هذا مراعاة عدة عوامل تؤثر على استلام الصوت منها البيئة المحيطة والضوضاء ووضوح
الصوت وكفاءة المايكروفون وسرعة الكلام وغيرها من المؤثرات التي يتميز كل تطبيق عن الآخر في التغلب عليها .(بقية المقال بعد الفاصل )
