声学模型可以理解为是对发声的建模，因此它能够把语音输入转换成声学表示的输出，或者简单的理解成拼音的输出。如果给定了唯一的拼音序列，要求解汉字序列，那么这个问题就简化成了同拼音输入法类似的问题。当然声学模型的输出不是唯一的拼音序列，而是很多种拼音序列组成的网格（lattice），所以声学模型的解码要比输入法的设计复杂。