学术界没有新的理论出现来描述人是如何理解语音，现有语音技术不能真正理解人的说话内容。

成熟的基于关键词语识别的技术，可以实现人们用语音来控制身边的电器和设备。

在无数的小说和电影中，人们都描述了机器人可以听懂人的语言并且和人进行对话，这些镜头反映了人们对于语音识别技术的期望。
在技术领域，人们研究声学模型，人工智能与神经网络，语义分析与自然语言理解，并且提出了隐马尔可夫模型这一行之有效地声音模型，不断地努力改进语音识别技术。

从语音识别技术应用方向上来说，语音识别主要分为：关键词语识别和听写系统两个方面。
1. 关键词语识别技术的目标是精确地识别说话人的语音命令，识别率要达到90%以上，用在语音控制和语音命令查询方面。例如在手机上实现的语音拨号功能。

2. 听写系统是前端的声学模型不要求精确识别，而是输出可能多的音标候选，由后续的语义分析器给出拟合的文字内容。例如IBM推出的ViaVoice软件，和Google的语音搜索。

听写系统是人类一直以来的梦想，也是语音识别技术发展的终极目标，听写系统的实现，说明计算机是可以真正地理解人们的语音说话内容，才能够根据人的说话的语境，上下文的关联，来给出正确的文字。尤其是在存在众多同音字词的时候，只有真正理解了，才能正确给出是“狗不叫”还是“苟不教”。
但就目前的技术现状来看，还未出现一个更加完善的理论模型来指导听写系统的发展，目前的听写系统，还只能是实验产品，无法达到真正理解人的自然语音的地步。所以，从商用的角度来说，基于关键词语的识别，才是目前真正适合进行大规模推广的技术。

随着Google的语音搜索的发展，目前对于听写系统的实现，不在着眼于语义的分析和理解（主谓宾的分析），而是力图总结出人们日常所说的各种话语，句式的规律，把前端声学识别给出的音标候选套入到某一总结出的句子中。
目前基于云端实现的听写系统，包括siri，Nuance等产品的实现，基本上都是按照这个思路进行，实际上并没有真正解决语音理解的问题，而是把关键词语列表识别技术扩展成为一本带概率转移的超大词典，然后在这个词典中进行匹配。如果一些说的话语单词没有被总结归纳到这个词典中，就肯定无法被正确的识别。于是对于存在大量同音字的汉语来说，听写系统的实现更是困难。以及人们在说话时，是不会按照文字，讲演稿里的套路去说，会夹杂着大量的语气词语以及不确定的表达，从而使得预先归纳总结的词典变的无所适从。

所以，在目前智能家居，工业控制等领域，能够提供商业实用产品的技术，依然是关键词语识别技术。因为在这些应用场景中，人们是知道自己要说什么内容，（一般是明确的控制命令，比如开电视），从而可以让语音识别技术来正确地识别自己的命令。
而在一些行业应用领域，基于语音流的搜索技术则是有实用价值。
人们最期望的听写技术，目前还处于研究和好玩的地步。

绘声公司的标准VUI模块，是基于关键词语的识别，力求在各种噪声环境下精准地识别用户的语音命令，完成对各种电器设备的操作。在面向行业需求用户，绘声公司的高端VUI模块，会提供语音搜索功能。

绘声公司采用成熟的非特定人语音识别芯片技术，结合自身的降噪算法以及微系统构建能力，从语音用户界面设计的实际需求触发，提供给开发者和终端用户可以自由修改VUI对话过程脚本的标准VUI产品模块。从麦克风选取到降噪算法实现，在各种实际生活的各种噪声环境下提供实用的语音识别效果。