1988年に研究室で撮った音声認識実験のデモです。上の音声認識ロボットのデモと応答速度を比較してください。パソコンの進歩が分かります。ここでは、入力された音声を認識するのに30秒もかかっています。このデモでは、10個の数字（ゼロ～９）を表す音声を認識します。デモでは「いち」と発声しています。音声自動認識の仕組みは、以下のとおりです。
（０）あらかじめ標準パターンを分析し記憶しておく。
（１）音声が入力される。
（２）音声の始点と終点が検出され、始点から終点までをスペクトル分析する。
（３）各標準パターンとの距離（類似度）を計算する。
（４）最も近い標準パターンを認識結果とする。
（５）認識結果を出力する。
詳しくは、所長が書いた「音声言語処理入門」(研究社）を参照してください。