语音识别系统通过语言建模，声学建模和上下文理解的组合来处理诸如 “um” 和 “uh” 之类的填充词。通常，这些系统被设计为尽可能准确地识别口语，专注于将所说的内容转换为文本。填充词通常被视为对口语内容的整体含义不重要。然而，完全忽略它们会导致不太自然的转录，因为这些声音在日常对话中很常见。
为了处理填充词，声学模型被训练以识别各种语音，包括由 “um” 和 “uh” 产生的语音。在训练阶段，模型会听许多语音示例，学习识别不同声音的声学特征。基于这种训练，当语音识别系统处理音频输入时，它会为各种声音分配概率分数，这有助于它检测和转录填充词以及其他语音成分。例如，系统可能遇到诸如 “我，嗯，认为我们应该去” 的短语，并在周围语音的上下文中识别出填充词 “um”。
在实践中，开发人员可以选择他们的应用程序如何处理这些填充词。一些系统可能会选择将它们包含在最终文本中，从而保持更真实的语音表示，而其他系统可能会省略它们以产生更清晰的输出。开发人员可以根据应用程序的要求 (例如是用于实时转录服务，虚拟助手还是隐藏式字幕) 调整算法和模型，以偏向任何一种方法。了解此过程可以使开发人员在其项目中实施语音识别时做出明智的选择。