Sistem pengenal kata untuk bahasa Indonesia masih sangat minim dalam pengembangannya, khususnya dalam penerapannya sebagai pengenal bilangan (continuous digit recognizer CDR). Penelitian ini membandingkan metode pengenalan kata menggunakan data hand-labeled, force alignment, dan forward backward neural networks (FBNN) pada pengenalan bilangan berbahasa Indonesia menggunakan CSLU toolkit. Penelitian dilakukan dengan bantuan CSLU toolkit, dengan berfokus pada akurasi pengenalan pada tingkat kata dan kalimat kata-kata yang dapat dikenali terbatas pada kata dasar bilangan sesuai dengan ejaan bahasa Indonesia yang disempurnakan. Melalui penelitian ini telah dibuat basisdata suara kata dasar bilangan bahasa Indonesia berikut dengan transkripsi tingkat kata dan fonemnya. selain itu didefinisikan pula kamus kata dan grammar yang dapat digunakan untuk pengembangan selanjutnya. Hasil penelitian menunjukkan bahwa pengenalan terbaik diperoleh diperoleh menggunakan data hand-labeled dengan variasi neuron lapis tersembunyi sebanyak 400 unit yaitu sebesar 98,33% untuk pengenalan tingkat kata dan 92.50% untuk pengenalan tingkat kalimat. Penggunaan force alignment dan FBNN untuk mengoptimalkan akurasi. sistem memberikan hasil yang tidak berbeda nyata dengan proses data hand-labeled. Hasil pengenalan menggunakan force alignment mencapai 97,08% pada tingkat kata dan 87,50% pada tingkat kalimat, sedangkan pengenalan menggunakan FBNN memberikan akurasi tingkat kata sebesar 97,92% dan 90,00% untuk tingkat kalimat.