В статье рассматриваются существующие методы сегментации речевого сигнала. Среди разнообразных созданных в настоящее время методов можно выделить следующие: метод динамического искажения времени (Dynamic Time Warping, DTW), марковские Модели (Hidden Markov Models, HMM), искусственные нейронные сети (Artificial Neural Networks, ANN), прочие методы на основе DBN (Dynamic Bayesian Networks) и SVM (Support vector machines). Рассматриваются методы формирования слова, принципы, по которым производится отличие некоторых слов. Представлена математическая модель распознавания речи. В отличие от печатного текста или искусственных сигналов естественная речь не допускает простого и однозначного членения на элементы (фонемы, слова, фразы), поскольку эти элементы не имеют явных физических границ. Они вычленяются в сознании слушателя, носителя данного языка, в результате сложного многоуровневого процесса распознавания и понимания речи.

The article deals with the existing methods of speech signal segmentation. Among various existing methods one can point out following: Dynamic Time Warping (DTW), Hidden Markov Models (HMM), Artificial Neural Networks (ANN), other methods based on DBN (Dynamic Bayesian Networks) and SVM (Support vector machines). Are considered methods of forming words, the principles that make the words unlike. In the article is presented the mathematical model of solid speech recognition. Unlike the printed text or artificial signals natural speech does not allow simple and unequivocal partition (to phonemes, words, phrases), as its elements don’t have physical boundaries. They are recognized in the mind of the listener – the speaker of the language – as a result of multilevel process and understanding of speech.