Bei fast allen Programmen ist es notwendig, vor der ersten Benutzung das Programm an die eigene Stimme zu gewöhnen. Man nennt dies "Training". Dazu liest man zwischen 20 und 60 Minuten lang Texte vor, die einem das Programm auf dem Bildschirm präsentiert. Manche Programme erlauben es einem auch, ohne dieses anfängliche Training zu arbeiten, aber für gewöhnlich machen sie dann erheblich mehr Fehler. 

Nach dem Training brauchen die Programme dann gewöhnlich etwa 1/2 Stunde,  um die gewonnenen Daten zu verrechnen. Danach kann man mit dem Diktieren beginnen, und die Fehlerquote sollte zwischen 5 und 10 falschen Wörtern auf 100 gesprochene Wörter liegen.

Weiter verbessern kann man diese Leistung bei praktisch allen Programmen durch die Verwendung von Hilfsmitteln wie der sogenannten "Vokabularerweiterung". Diesen Programmen gibt man eine Liste von schon zuvor geschriebenen Texten mit. Diese Texte werden dann vom Programm verarbeitet, und alle darin gefunden Wörter, die das Programm noch nicht kannte, werden dem Wortschatz des Programms hinzugefügt. Außerdem lernen die Programme so, welche Formulierungen man am häufigsten benutzt und erkennen diese dann zuverlässiger. So kann die Fehlerquote typischerweise auf 3 bis 8 falsch erkannte Wörter von 100 gesenkt werden. 

Bei der Behandlung der dann noch auftretenden Fehler unterscheiden sich die Programme sehr stark: Bei manchen Programmen ist es notwendig, die falsch erkannten Worte mit der Maus auszuwählen und dann per Tastatur zu korrigieren, bei anderen kann auch dies vollkommen sprachgesteuert erfolgen. ein typischer Befehl zum Korrigieren lautet dann zum Beispiel: "Markiere Taste Uhr - Schreib das T A S T A T U R".

Desweiteren bieten einige Programme die Möglichkeit, mit Hilfe von Sprache auch Anwendungen zu öffnen und schließen und Programm-Dialoge zu bedienen. So ist es beispielsweise auch für Menschen, die ihre Hände zum Bedienen des Computers nicht benutzen können möglich, ohne Einschränkungen zu arbeiten.