漢語語音識別系統搭建音素識別模型大約有200個。
語言模型技術廣泛應用於語音識別、OCR、機器翻譯、輸入法等產品上。語言模型建模過程中，包括詞典、語料、模型選擇，對產品的性能有至關重要的影響。
語言模型的建模需要利用復雜的模型公式進行模擬計算，是人工智能領域的關鍵技術之壹。語言模型是針對某種語言建立的概率模型，目的是建立壹個能夠描述給定詞序列在語言中的出現的概率的分布。
給定下邊兩句話：定義機器人時代的大腦引擎，讓生活更便捷、更有趣、更安全。代時人機器定義引擎的大腦，生活讓更便捷，有趣更，安更全。語言模型會告訴妳，第壹句話的概率更高，更像壹句”人話”。
語言模型技術廣泛應用於語音識別、OCR、機器翻譯、輸入法等產品上。語言模型建模過程中，包括詞典、語料、模型選擇，對產品的性能有至關重要的影響。Ngram模型是最常用的建模技術，采用了馬爾科夫假設，目前廣泛地應用於工業界。
語言模型的性能，很大程度上取決於語料的質量和體量。和特定任務匹配的大語料，永遠是最重要的。但是實際應用中，這樣的語料往往可遇不可求。
傳統的ngram建模技術，對長距離的依賴處理的欠佳。如工業界常用的四元模型，即當前詞的概率，只依賴三個歷史詞。因此，更遠距離的歷史詞在建模中，沒有對當前詞概率產生影響。
此外，ngram模型建模的參數空間過於龐大。同樣以四元模型為例，詞典大小為V，參數空間就是。實際應用中V大小為幾萬到幾個。