نظم التعرف على الصوت تقنيات حاسوبية تحول الكلام المنطوق إلى نص أو أوامر قابلة للمعالجة. تستخدم في الهواتف والبحث الصوتي والمساعدات الذكية وخدمة العملاء والإتاحة لذوي الإعاقة، وتعتمد على نماذج لغوية وصوتية تتعرف إلى الأنماط والنطق والسياق. تطورت من أنظمة محدودة الكلمات إلى أنظمة واسعة قادرة على التعامل مع لغات ولهجات وضجيج بيئي. تمثل هذه النظم انتقالاً في علاقة الإنسان بالحاسوب من لوحة المفاتيح إلى التخاطب الطبيعي.

لا يعتمد الكلام البشري على طول البلعوم وحده، بل يحتاج إلى تنسيق معقد بين الدماغ والتنفس والحنجرة والأحبال الصوتية واللسان والشفتين والفك وتجويفي الفم والأنف. ويعمل البلعوم بوصفه جزءاً من القناة الصوتية التي تشكل الرنين، لكن القدرة على إنتاج الكلام تتطلب أيضاً تحكماً عصبياً دقيقاً في توقيت الحركات وتدفق الهواء وتسلسل الأصوات.

معلمات الكلام هي الخصائص المميزة للإشارة الصوتية في الكلام التي تُستخدم في معالجة الكلام وتحليلها؛ تشمل المعلمات الأساسية الحدة أو الدرجة الصوتية، والمدة، والجهارة، وطابع الصوت، ونسبة الإشارة إلى الضجيج، والكشف عن النشاط الصوتي، وقوة تأثير لومبارد، وتُستخدم هذه المعلمات لتوصيف وضبط نظم التعرف على الكلام ومعالجة الإشارات وتحسين جودة الكلام.

بحسب «إزرا باوند»، يحتاج المترجم إلى ما لا يقل عن أسبوع كامل ليُنصف السطر الأول من القصيدة الرابعة لهوراس، في إشارة إلى ما ينطوي عليه النص الشعري من كثافة لغوية ودقة أسلوبية تجعل نقله إلى لغة أخرى مهمة شديدة التعقيد. وتعكس هذه الملاحظة وعيًا عميقًا بصعوبة الترجمة الأدبية، ولا سيما حين يتعلق الأمر بنص كلاسيكي تتداخل فيه الإحالات الثقافية والإيقاع والمعنى في صياغة واحدة محكمة.

الكلام المختلط أو سلطة الكلام وصف لمزيج مشوش من الكلمات والعبارات العشوائية يصعب استخراج معنى منه؛ قد تظهر فيه تراكيب صحيحة نحويًا أو غير صحيحة، ويُستعمل المصطلح طبياً لوصف عرض في اضطرابات عصبية أو نفسية، ولغويًا لنمذجة أحكام القبول النحوي، ولتقنياً لوصف نصوص مكوّنة عشوائياً.