在计算机算力日益充足和互联网带来的数据量爆炸的影响下,由深度学习引领的人工智能热潮越来越热烈。研究人员与资本不断涌入人工智能领域,将一个个难题破解,持续地推进着人工智能的产品落地。传统的盘点系统需要手动录入商品库存,这种方式效率低并且容易出错,本文研究与设计了以数字语音识别为主体的盘点机数字识别系统（以下简称为语音盘点系统）,系统的设计初衷是使得盘点人员可以通过语音直接录入库存以提高盘点效率。本文对语音盘点系统的需求进行深入的剖析,确定系统的设计方案,将系统划分为五大功能模块,并对每个模块的功能进行了详细的设计。在语音识别模型的结构设计上即考虑到模型在实际应用场景下的泛化能力,也考虑到由训练语料不足导致的过拟合问题。同时为保证模型能通过增量学习不断的提高自身的识别准确率,系统还设计了收集用户使用过程中的音频以丰富语料库的功能。之后本文对数字语音识别模型进行了一系列的训练实验,并根据对实验结果的分析对模型不断优化。最后本文结合对系统的需求分析与系统设计,使用Flask框架、SQLite数据库和React等技术对语音盘点系统进行了开发,对系统进行了完整的功能性测试,对数字语音识别模型在实际场景中的表现进行了评估,并根据测试与评估结果对本文进行了总结与展望。本文的语音盘点系统以数字语音识别为核心,设计了简洁的盘点流程提高盘点效率,使用了端到端的语音识别模型结构设计提高识别效率,实现了支持模型进行增量学习的一系列功能以不断地提高模型的识别准确率。