stopa błędów co najmniej dwukrotnie wyższa niż dla czytania).
Pod względem czasu odpowiedzi: rozpoznawanie mowy w czasie rzeczywistym – system podaje wyniki niemal równolegle z pobieraniem, danych wejściowych, za pomocą urządzenia do próbkowania dźwięku (np. karty dźwiękowej z mikrofonem), transkrypcja zasobów akustycznych, uprzednio zdigitalizowanych do plików, np. celem indeksowania/przeszukiwania.
Pod względem stopnia zależności od mówcy: zależne od mówcy, zależne od grupy mówców, niezależne od mówcy.
Pod względem rozmiaru słownika: mały słownik – dziesiątki słów (np. rozpoznawanie cyfr), średni – setki słów, duży – tysiące słów, bardzo duży – dziesiątki tysięcy słów (np. dyktowanie).
Historia 1952 – Fonetograf Drayfusa-Grafa, maszyna zapisująca fonemy 1952 – Davis opracował maszynę rozpoznającą zbiór 10 izolowanych wyrazów – cyfr języka angielskiego 1956 – urządzenie Olsona i Belara służące do zapisywania pod dyktando początkowo 10 sylab, a w 1961 roku 100 sylab 1956 – AUDREY – opracowana w firmie Bell maszyna rozpoznająca cyfry 1960 – opracowano metodę rozpoznawania trzech wyrazów języka rosyjskiego (G. I. Cjemiel) 1962 – IBM zademonstrował maszynę Shoebox rozpoznającą 16 słów języka angielskiego w tym 10 cyfr 1975 – propozycja systemu Dragon opartego na własnościach procesów Markowa (J.