سيستم هاي تشخيص صوت کلمات گفتار و صداهاي موجود را به سيگنال هايي ترجمه مي کنند که قابليت پردازش دارند و مي توان آن ها را به وظيفه اي مشخص تبديل نمود. در اینجا روش ها و رویکردهای مختلف در سيستم هاي تشخيص صوت را بیان می کنیم:
- تطابق الگو: تکنیکی است ک از ورودی های کاربر استفاده می نماید و وابسته به آن است که کاربر از چه متدی استفاده نماید. دارای بیشترین دقت است. دقتی در حدود ۹۹ درصد ولی محدودیت های بسیار را داراست. این الگوریتم به این شکل آغاز به کار می نماید که از کاربر درخواست پخش صدا در میکروفن را می کند. صدا ها مکرر تکرار می شوند و متوسط معیارها به عنوان نمونه ذخیره می شود. زمانی که صدایی به عنوان ورودی از میکروفن و به شکل سیگنالی دیجیتال دریافت می شود، تبدیل شده و در حافظه ذخیره می گردد سیگنال ها ذخیره شده با نمونه ها مقایسه می شوند و منطبق ترین به عنوان خروجی بازگردانده می شوند.
- مبتنی بر مدل مخفی مارکوف: تشخیص صدا یا شناسایی گوینده یکی از مسایل علوم رایانه  هوش مصنوعی است که هدف آن شناسایی یک فرد تنها از روی صدای شخص است. یکی از اصلی ترین ابزارهای ریاضی برای حل این مسئله مدل های پنهان مارکوف هستند. برای حل این مسئله با استفاده از مدل پنهان مارکوف این مدل های آماری ابتدا باید مورد آموزش قرار بگیرند. برای این مرحله ابتدا مقادیر قابل توجهی از صدای ضبط شده افراد پردازش می شود. داده های پردازش شده که در حقیقت مجموعه عظیمی از اعداد می باشند متناوباً مورد استفاده قرار می گیرند تا مدل پنهان مارکوف، برای هر گوینده به دست آید. در نهایت بعد از آموزش ای مدل ها که با استفاده از صدای مرجع انجام شده، می توان برای آزمایش سامانه صدای یکی از افرادی که قبلا از صدای وی برای آموزش مدل پنهان مارکوف استفاده شده را به هر یک از مدل های پنهان مارکوف داد، مدل پنهان مارکوفی که کوچکترین عدد را تولید می کند به عنان فرد شناسایی شده در نظر گرفته می شود.
- مدل انطباق زمانی پویا: مدلی ساده و قدیمی که در گوشی های تلفن همراه برای شماره گیری با بیان نام فرد به کار می رود.
- شبکه عصبی مصنوعی: مدلی ساده و کارا با سرعت تشخیص بالا و عملکرد بلادرنگ که در برابر نویزهای محیطی مقاوم است و فرایند آموزش آن زمان بر است.