Luận văn tập trung nghiên cứu và phát triển hệ thống nhận dạng tiếng nói tiếng Việt dựa trên mô hình kết hợp HMM-DNN (Mô hình Markov ẩn - Mạng nơ-ron sâu). Nghiên cứu giải quyết bài toán trích xuất đặc trưng âm học và mô hình hóa ngôn ngữ cho tiếng Việt, vốn có đặc thù về thanh điệu và cấu trúc âm tiết. Phương pháp đề xuất sử dụng DNN để thay thế mô hình Gaussian truyền thống trong việc ước lượng xác suất phát âm của các trạng thái HMM, giúp cải thiện đáng kể độ chính xác. Luận văn tiến hành thực nghiệm trên bộ dữ liệu tiếng Việt, so sánh hiệu năng giữa mô hình HMM-GMM truyền thống và mô hình HMM-DNN đề xuất. Kết quả cho thấy mô hình HMM-DNN đạt tỷ lệ lỗi từ thấp hơn rõ rệt, đặc biệt trong các điều kiện nhiễu và giọng nói khác nhau, khẳng định tính hiệu quả của học sâu trong nhận dạng tiếng nói tiếng Việt.