Spracherkennungsprogramme nehmen die Stimme ihres Benutzers mit einem Mikrofon auf und verwandeln die gesprochenen Worte in Text. Der Text erscheint entweder in einem speziellen Fenster des Programms oder in einer anderen Windows-Anwendung und kann beliebig weiterverarbeitet werden. Mit manchen Programmen kann man in alle Windows-Anwendungen hinein diktieren, mit anderen nur in deren eigene Fenster.

Um die Stimme aufzunehmen, trägt man üblicherweise ein Mikrofon (ein sogenanntes "Headset") auf dem Kopf, über das die Sprache aufgenommen wird. Ein solches Mikrofon liegt den meisten Programmen bei. Dadurch, daß man das Mikrofon am Kopf trägt, bleiben die Hände frei, so daß man mit ihnen zum Beispiel gleichzeitig die Maus bedienen und in Unterlagen blättern kann.