Modelování řeči pomocí HMM vychází z následující představy o tvorbě řeči:
hlasové ústrojí se v krátkém časovém okamžiku nachází v jedné z konečně mnoha artikuláčních konfigurací. - generuje řečový signál.
Přejde do následující artikulační konfigurace.
Tuto činnost lze modelovat statisticky - pravděpodobnost přechodu do následující konfigurace.
Kvantizací akustických vektorů lze dosáhnout konečnosti všech parametrů modelu.
Počet různých vzorků je konečný - uloží se do kódové knihy a místo hodnoty vzorku se pracuje s jejich indexy v kódové knize.