隱馬爾可夫模型（Hidden Markov Model，HMM）是一種統計模型，用於描述含有隱含未知參數的馬爾可夫過程。
在隱馬爾可夫模型中，系統被視為一個馬爾可夫過程，其狀態不可直接觀察到，但可以通過觀察一系列的觀測向量來間接推斷。這些觀測向量是由具有相應機率密度分布的狀態產生的。隱馬爾可夫模型包含兩個主要的組成部分：一個隱藏的馬爾可夫鏈和一組觀測機率分布。隱藏的馬爾可夫鏈通過狀態轉移機率矩陣定義狀態之間的轉換，而觀測機率分布則描述了如何從各個狀態產生觀測向量。隱馬爾可夫模型的目的是從可觀察的參數中確定這些隱藏參數，並利用這些參數進行進一步的分析，如模式識別。隱馬爾可夫模型被廣泛套用於語音識別、自然語言處理、生物信息學等多個領域。