音频是多媒体信息的重要组成部分,人们对音频信息的处理量也越来越大,要从海量的音频数据中找到目标音频内容,也给人们带来了挑战。对于音频(语音音频)信息检索系统,其中语音识别技术、说话人识别技术、音频数据的相似度匹配技术以及对音频数据的标注处理技术是核心的环节。本文针对音频内容检索整个过程需要用到的技术进行了相关分析与研究,分析总结了目前国内外对音频检索研究的现状,对音频的部分特征进行了分析,并对部分特征采用MATLAB软件进行了提取。在研究前人对语音识别和说话人识别分别研究的基础上,将这两种不同的模式相结合,构建了二者共同进行识别的模型。除此之外,还提出了基于本体的音频内容检索技术。在音频检索实验系统中,将语音识别、语音合成等模块嵌入其中,对识别效果加以分析与总结。从实验结果来看,对于音频文本的识别率是79.24%,男女声的识别率是86.11%,识别率虽还有待提升,但对于说话人不同的方言口音,结果已经达到本文期望目标。本文将本体技术运用到了音频的存储管理上,提出了标注模型,为解决音频高层次的语义鸿沟做了进一步研究。