Većina današnjih prepoznavača govora je zasnovana na primeni skrivenih Markovljevih modela, leksičkog stabla i n-grama. U cilju optimizacije procesa pretrage, bilo bi dobro kada bi imali model koji bi mogao da objedini i kombinuje informacije iz različitih delova ASR sistema. Bitno je primetiti da svi ovi modeli imaju konačan broj stanja.

Metod za kombinovanje i optimizovanje probabilističkih modela u prepoznavanju govora je generalizovan kroz matematički jasno definisane operacije nad ponderisanim pretvaračima i akceptorima.
Motivi su sledeći:
Praktično svi delovi ASR sistema su modeli sa konačnim brojem stanja.
Ponderisani pretvarači i akceptori predstavljaju okruženje za definisanje različitih modela i za njihovu kompoziciju u jedinstven model.
Time se dobija optimizovana pretraga i fleksibilnost po pitanju proširenja.

Na slajdu je prikazan akceptor sa konačnim brojem stanja. Njegova uloga je provera prihvatljivosti određene sekvence simbola.
Da bi određena sekvenca bila prihvatljiva, potrebno je da budu ispunjeni sledeći uslovi:
1.	Postoji putanja koja sadrži datu sekvencu simbola.
2.	Takva putanja počinje u start stanju i završava se u finalnom.

Simboli su označeni iznad strelica i prikazani akceptor reprezentuje praktično beskonačan skup simbola. 
Pored sekvenci A B i A D D, prihvatljive su i A B B, A B B B ... kao i A B D D, A B D D D i tako dalje.