Le traitement des signaux vocaux et l'extraction des caractéristiques constituent l'étape initiale de tout système de reconnaissance vocale. C'est par le biais de cette composante que le système examine le signal vocal lui-même. Le traitement de la parole est le processus qui consiste à extraire les informations importantes d'un signal vocal et à réduire le bruit et les informations indésirables. L'opération de base de l'extraction de caractéristiques implique l'analyse spectrale, la transformation paramétrique et la modélisation statistique.