Spraakherkenning is een essentieel onderdeel bij het opzetten van automatische telefonische informatiediensten. Een spraakherkenner zet gesproken taal om in tekst. Wanneer spraak via een telefoon (of microfoon) wordt doorgegeven, kan men het geluidsignaal digitaal analyseren en op basis van deze analyse proberen te achterhalen wat de woorden waren die aanleiding gaven tot dit geluidsignaal. Bij de analyse van het geluidsignaal gaat men uit van de akoestische eigenschappen van bepaalde klanken. Door de eigenschappen van het signaal te vergelijken met deze eigenschappen kan men achterhalen uit welke klanken het signaal is opgebouwd, en op basis hiervan kunnen de woorden in het signaal worden bepaald.
Spraakherkenning is verre van eenvoudig. In de eerste plaats is het lastig te zeggen welke akoestische eigenschappen typerend zijn voor een bepaalde klank. Verschillende sprekers kunnen dezelfde klank op heel verschillende manieren uitspreken. De manier waarop een klank wordt gerealiseerd hangt ook af van de context waarin een klank optreedt. Dit wil zeggen dat de voorafgaande en volgende klanken de uitspraak kunnen beïnvloeden. Tenslotte spelen factoren als volume en spreeksnelheid een rol. Bij het omzetten van klanken naar woorden is het van belang of sprekers een keurige pauze inlassen tussen de verschillende woorden, of dat er op een meer informele wijze wordt gesproken (waarbij woorden vaak aan elkaar geplakt worden). Spraakherkenning per telefoon introduceert nog een extra complicatie, omdat de kwaliteit van het telefoonsignaal niet optimaal is (denk bijvoorbeeld aan achtergrondruis). Toch zijn er al enkele systemen operationeel die spraak via de telefoon herkennen. Deze systemen zijn zo opgezet dat ze slechts een zeer beperkt aantal woorden hoeven te herkennen (bij sommige systemen alleen de woorden ja en nee en enkele getallen).