Consiste de 4 partes: Flujo del habla (discreto, continuo), Gramática (reglas que limitan las posibles palabras: modelos de Markov), Modelo de usuario, Vocabulario (contexto)
A mayor vocabulario, mayor exactitud.
Vocabularios profesionales imprescindible (30K, a 60K palabras). El menor coste de RAM permite hasta 200.000 palabras.