شناسایی خودکار زبان گفتاری به تشخیص زبان از روی سیگنال گفتار گفته می­شود. شناسایی زبان به‌طورمعمول به یکی از  دو دسته روش آوایی و طیفی انجام می­شود. در این مقاله، انواع روش­های مختلف طیفی برای بازشناسی زبان گفتاری معرفی شده و نتایج به‌کارگیری آنها بر روی یک مجموعه دادگان گفتاری تلفنی محاوره­ای مقایسه شده است. روش طیفی پایۀ شناسایی زبان، مدل مخلوط گوسی-مدل جهانی (GMM-UBM) است. برای بهبود مدل گوسی هر زبان از روش تمایزی MMI و برای مدل­کردن دینامیک زبان از مدل پنهان مارکوف ارگودیک (EHMM) استفاده می­شود. روش­های GSV-SVM و روش نشانه­گذار مبتنی بر GMM (GMM Tokenizer) نیز دو روش طیفی دیگر است که مورد بررسی قرار گرفته است. در این مقاله همچنین روش­های جدیدِ مدل­سازی تنوعات کانال و گوینده (تحلیل توأم عامل­ها (JFA) و بردار شناسایی (i-Vector)) به‌کار رفته و برای بهبود نتایج آن از چند روش­ جبران­سازی تنوعات استفاده شده است. علاوه‌براین برای سهولت تصمیم­گیری و کاهش خطای سامانۀ شناسایی زبان، از پس­پردازش امتیاز استفاده شده است. این مقاله بخشی از هفت سال پژوهش‌ در زمینه شناسایی زبان گفتاری در پژوهشگاه توسعه فناوری­های پیشرفته خواجه نصیرالدین طوسی است و تنها خلاصه­ای از روش­ها و نتایج به‌دست‌آمده در این مقاله آورده شده است.