有基于模型的方法和基于数据的方法。
基于模型的方法是指先建立语音模型，然后将输入的语音信号与模型进行匹配，最后根据匹配结果输出语音的文本表述。
基于数据的方法是指先收集大量的语音数据，然后利用机器学习算法从中学习到语音和文本之间的关系，最后根据学习到的模型对新的语音信号进行转换成文本表述。
此外，语音识别还可以采用深度学习方法，如卷积神经网络（CNN）和循环神经网络（RNN）等进行语音信号的特征提取和特征匹配，进一步提高识别精度。
紫光股份位列第一位，营收达到194.88亿元；视源股份排名第二，营收为70.67亿元；长虹美菱排名第三，营收51.51亿元。排名前10的还有：科大讯飞、兆驰股份、川发龙蟒、广电运通、康力电梯、昆仑万维、乐歌股份。
语音识别的技术框架大致可以分为三个阶段：信号预处理、特征提取和模型建立。
首先，信号预处理包括声音的采样、预处理、滤波和增强，以保证接下来的特征提取和模型训练具有高质量的输入。
其次，特征提取涉及到模式匹配和数据处理，包括通过傅里叶变换将声音转化为频率和幅度两个特征，以及基于频率分析和谱分析的声学建模技术。
最后，模型建立应用机器学习算法，通过训练来建立有效的语音识别模型，包括隐马尔可夫模型、深度神经网络和卷积神经网络等。这三个阶段相互衔接，构成了语音识别的完整技术框架。