語音識別，包括聽寫、語法識別功能。語音識別技術(Auto Speech Recognize，簡稱ASR)即把人的自然語言音頻數據轉換成文本數據。 聽寫，是基于自然語言處理，將自然語言音頻轉換為文本輸出的技術。語音聽寫技術與語法識別技術的不同在于，語音聽寫不需要基于某個具體的語法文件，其識別范圍是整個語種內的詞條。在聽寫時，應用還可以上傳個性化的詞表，如聯系人列表等，提高列表中詞語的匹配率。 語法識別，是基于語法規則，將與語法一致的自然語言轉換為文本輸出的技術。語法識別相比聽寫，有更高的匹配率，多用于要更準確結果且有限說法的語音控制，如空調的語音控制等。在使用語法識別時，應用需要先構建一個語法文件上傳給服務器，并在會話時，傳入語法ID，以使用該語法。