調音結合とは、音を３つ以上連続して言葉として発する場合、音の発音がはっきりとしない部分が生じることを言う。例えば「アイア」と発語された言葉を分割して聴いてみると、まん中の「イ」は実際は「エー」として発語されている。人間はなんらかの補正機構によってこうした発音状態でも正しく聞き取っている（＝調音結合からの回復）が、現行の音声認識装置置は「アエア」と誤認してしまう可能性が高い。そこで、この人間の補正機構を音声認識装置に採り入れることで、その認識率の向上を図る。
連続発音「アイア」の「イ」は単発音の「エ」の周波数に近いので「エ」に聞こえる。
