Penelitian ini menjelaskan tentang teknik pengenalan sinyal wicara dengan metode Hidden Markav Model – Neural Network. Metode HMM tersebut digunakan untuk menentukan urutan data sinyal wicara berdasarkan inisial dan ekstraksi ciri dari masing-masing kata yang berbeda, sedangkan Neural network digunakan untuk menentukan keberhasilan dalam proses pengenalan sinyal wicara.Penelitian ini diucapkan dengan pengucap tunggal dengan kata dan jumlah kata yang berbeda dan dilakukan dengan kumpulan 5 kata sampai 50 kata dalam bahasa Indonesia.Eksperimen dilakukan dengan ketentuan : jumlah kata 50, struktur Neural Network yang digunakan berjumlah 5 Hidden layer, yang masing-masing 20 node, 10 node, 5 node, 10 node dan 20 node dan memperoleh hasil kesalahan pengenalan rata-rata dari kesalahan keseluruhan, mencapai 4.72 % atau prosentase keberhasilan 95.28 %, maka dari hasil eksperimen yang dicapai menunjukkan bahwa laju kesalahan dari sistem akan meningkat, seiring dengan bertambahnya jumlah kata. Kata kunci : HMM-NN, vector kuantisasi, Bakpropagasi, forward-backward, cepstral, LPC