语音学是语言学研究人类语言产生的声音的一部分。它包括他们的生产(通过人的声音器官)，他们的声学特性和感知。

     语音有三个基本分支，都与自动语音识别有关。

     发音语音学的重点是通过声道和各种发音器官来发声。
     声学语音学关注的是语音从说话者传递到听者的过程

     听觉语音学主要研究听者对语音的接收和感知。

一、因素

      语音的分解单位叫做音素。单词由一个或多个音素按顺序组成。音素的声学实现被称为语音。下面是一张美国英语的音素表和共同的实现。语音分类的主要方式是分成元音和辅音。

     元音可以通过两个属性来区分。首先，它们是声音，这意味着从声带到口腔的气流是由声带在特定的基本频率(或音高)上的振动产生的。第二，舌头在生产过程中不会形成气流的收缩。舌头、嘴唇和下巴的位置可以区分不同的元音发音。这些不同的位置在声道内形成不同的共振峰，这些共振峰的共振频率是不同元音的特征。

     辅音的特点是气道或口腔的气流明显收缩。像元音一样，一些辅音可以发声，而另一些则没有声音。未发声的音素与声带没有联系，因此没有一个基本的频率或音高。有些辅音音素是成对出现的，它们的区别只在于它们是发声的还是未发声的，而在其他方面是相同的。例如，音/b/和/p/都有相同的发音特征(你的嘴、舌头、下巴都在相同的位置上)，但是前者是发声的，后者是无声的。发音/d/和/t/是另一对。

音素的一个重要方面是它们的实现可以随着周围的语音改变。这被称为语音语境，它是由一种叫做协同发音的现象引起的。连续发出这些声音的过程改变了它们的特性。由共同发音引起的音素的修改版本被称为语位变体。

所有的语音识别系统都利用音素的语境依赖特性，在不同的语音语境中创建一个详细的音素模型。

 

二、单词和音节