语言辨识使用的方法很多和非特定人的语音识别和说话人识别技术相关,可以从声学模型角度或语言模型角度展开研究,该文侧重的是后者.回退文法对那些看不到的合法的可能性能够做出比较好的预测,提高了文法的鲁棒性;不同语种的模型输出的音子序列包含了输入语音的信息,这些信息以统计的方式被隐含在扩展文法和序列文法中;神经网络有很强的输入输出映射能力,而分类回归树可以迅速地预测数据或把数据分类,它们可以提高语言辨识的效果.该文对以上不同的方法进行了详细介绍.该文使用OGI的多语言数据库建立了自动语言辨识系统,能够辨识英语、德语、印地语、日语、汉语和西班牙语共六种语言.通过实验发现每种语言有自己的声学模型要优于只有一个声学模型;扩展文法和序列文法能明显提高语言的辨识效果;神经网络虽然有很强的输入输出的映射能力,但是在实验中这一特点表现得不是很明显,仅仅对基本系统有明显的改善;分类回归树在模式识别中被广泛应用,同样的实验中改善了识别效果.