Второе уточнение касается контекста, в котором произносится фонема. Звучание каждой конкретной фонемы может изменяться под влиянием окружающих фонем6. Напомним, что звуки речи вырабатываются в результате движения губ, языка и нижней челюсти и проталкивания воздуха через голосовой тракт. Для координации этих сложных движений на скорости в пять или больше фонем в секунду мозг инициирует действия, относящиеся ко второй фонеме, еще до того, как оканчивается произнесение первой, что приводит к модификации одной или обеих фонем. Например, при произнесении слова "sweet" (сладкий) губы округляются еще во время произнесения фонемы [s] в предвидении того, что за ней последует фонема [w]. Такие коартикуляционные эффекты частично охватываются трехфонемной моделью, в которой в рамках акустической модели обеспечивается учет зависимости каждой фонемы от предшествующей и последующей фонем. Поэтому фонема [w] в слове "sweet" записывается как [w(s,iy)], т.е. как [w] с левым контекстом [s] и правым контекстом [ iy ].

Результатом совместного применения модели трех состояний и трехфонемной модели становится увеличение количества возможных состояний временного процесса с η фонем первоначального фонетического алфавита (в случае ARPAbet) до. Но опыт показывает, что при этом достигается повышение точности, которое сторицей окупает дополнительные затраты на вероятностный вывод и обучение.