VoxForge sammelt transkribierte von Benutzern eingereichte Sprach-Audiodateien (zusammenfassend »Sprach-Corpus« genannt), um akustische Modelle für die Verwendung mit Spracherkennungs-Engines wie HTK, Julius, CAVS (früher ISIP) und Sphinx zu erstellen. Der aktuelle Schwerpunkt liegt auf dem Sammeln von Audiodaten, um akustische Modelle für Kommando- und Steuerungsanwendungen am PC zu erstellen, und für Anwendungen, die Sprache in der VoIP-Telefonie erkennen, d.h. IVR (Interactive Voice Response). (non)