Durante décadas, el reconocimiento de voz se apoyó en HMM con mezclas gaussianas. Hacia 2010–2012, equipos de Toronto, Microsoft, Google e IBM mostraron que DNNs mejoraban acústica de forma sustancial.
El cambio fue de los primeros despliegues industriales masivos del deep learning, previo incluso a la fama de AlexNet entre el gran público técnico.
Hoy el habla está dominada por modelos extremo a extremo y multimodales, pero el puente HMM→DNN fue un peldaño crítico de confianza empresarial en redes profundas.
