برای تشخیص گفتار چند الگوریتم اصلی وجود داره، پیشنهاد می کنم Dynamic Time Warping و Hidden Markov Models رو سرچ کنی. در مورد سورس، پروژه های متن باز تشخیص گفتار زیاد پیدا می شن، مثل CMU Sphinx و Julius. لینک زیر اطلاعات خوبی راجع به روشهای تشخیص گفتار ارائه داده، چند تا مثال Matlab هم داره:
Speech Recognition
اگه علاقه داری حرفه ای تر راجع به این حوضه یاد بگیری، کتاب Speech Synthesis And Recognition از John Holmes رو پیشنهاد می کنم