本文总结和分析了在语音识别建模中广泛应用的隐马尔科夫模型的基础理论。同时，为了将该模型引入语音识别的实际应用，主要讨论该模型中评估、搜索和参数最优化三个问题；介绍了连续密度隐马尔科夫模型的原理和隐马尔科夫模型的种类。本文首先利用隐马尔科夫模型对汉语孤立字进行识别，对一些具体的算法细节，例如Mel倒谱参数、多观测序列隐马尔科夫模型参数、计算中的溢出问题，进行了改进。其次，本文研究了在连续语音识别训练语料库的创建中，如何进行音节的自动标注，并根据汉语语音的特点，提出了一种连续汉语语音中声韵母自动切分的新算法；该算法根据音素单元结构确定HMM模型中的状态数，利用HMM模型进行音素切分，再对切分结果进行合并，得到最终的声韵母子词单元。实验仿真结果表明，该算法在产生子词单元的稳定性和准确性方面均达到了较好的性能，且与话者无关；该算法与传统手工的方法相比优点在于整个算法是计算机自动进行，不用人工干预，从而大大节省了人力和物力，有广阔的发展与应用前景。