Die automatische Spracherkennung, Automatic Speech Recognition ( ASR) oder Automatic Voice Recognition ( AVR), ist die technische Adaption der Sprachanalyse in Form der automatischen Interpretation von menschlicher Sprache. Die automatische Spracherkennung umfasst die Erkennung von Sprache, Schlüsselwörtern und Sätzen und deren Bedeutung ebenso wie die Identifizierung eines Sprechers für sicherheitsrelevante Funktionen, wie die Zugriffsberechtigung oder Autorisierung.
Automatische Spracherkennungssysteme zeichnen sich durch die Anzahl der eingespeicherten Wörter aus, durch das Verstehen von verschiedenen Sprechern, durch die Möglichkeit des Erlernens von Wörtern und durch die Treffsicherheit.
Die menschliche Aussprache ist nicht exakt und von der Sprechgeschwindigkeit, der individuellen Aussprache und dem Redefluss abhängig, der keine eindeutige Trennung zwischen Laut-, Silben- und Wortgrenzen kennt. Bei der automatischen Spracherkennung muss der Computer die Sprache und die Aussprache ansatzweise erkennen. Entsprechende Systeme arbeiten mit Natural Language Processing ( NLP), das sich mit der Verarbeitung der natürlichen Sprache, der Betonung, dem Verstehen und der Semantik von Wörtern und Sätzen befasst und eine Interaktion zwischen Computer und natürlicher Sprache, zwischen Mensch und Maschine, bildet. Solche Systeme arbeiten mit der Erkennung von ganzen Wörtern oder einzelnen Phonemen. Bei der Ganzwortmethode werden ganze Wörter vorgesprochen und gespeichert. Bei der Spracheingabe durchsucht der Computer dann den Speicher nach einem entsprechenden Wortmuster. Anders ist es bei der phonemischen Spracherkennung, die wesentlich exakter ist und jedes Wort in einzelne Phoneme unterteilt.
Ein typisches Einsatzszenario für die automatische Spracherkennung ist die Kommunikation mit einem digitalen Sprachassistenten. Durch die automatische Spracherkennung erkennt der Sprachassistent, dass der Nutzer mit ihm kommunizieren möchte: Hallo Alexa.