Los sistemas actuales de reconocimiento de voz con vocabularios fijos tienen dificultades para reconocer palabras fuera del vocabulario (OOV), como nombres propios y palabras nuevas. Esto lleva a malentendidos o incluso fallos en los sistemas de diálogo. Asegurar un reconocimiento de voz efectivo es crucial para el correcto funcionamiento de los asistentes robóticos. Los acentos no nativos, el nuevo vocabulario y las voces envejecidas pueden causar fallos en un sistema de reconocimiento de voz. Si esta tarea no se ejecuta correctamente, el robot asistente inevitablemente producirá respuestas falsas o aleatorias. En este artículo, utilizamos un enfoque estadístico basado en algoritmos de distancia para mejorar la corrección de OOV. Desarrollamos un algoritmo de post-procesamiento para combinarlo con un modelo de reconocimiento de voz. En este sentido, comparamos dos algoritmos de distancia: Damerau-Levenshtein y la distancia de Levenshtein. Validamos el rendimiento de los dos algoritmos de distancia junto con cinco modelos de reconocimiento de voz disponibles en el mercado. Damerau-Levenshtein, en comparación con el algoritmo de distancia de Levenshtein, logró minimizar la Tasa de Error de Palabras (WER) al utilizar el conjunto de pruebas marroquí-francés con cinco sistemas de reconocimiento de voz, a saber, VOSK API, Google API, Wav2vec2.0, SpeechBrain y modelos preentrenados de Quartznet. Nuestro método de post-procesamiento funciona independientemente de la arquitectura del reconocedor de voz, y sus resultados en nuestro conjunto de pruebas marroquí-francés superaron a los cinco sistemas de reconocedores de voz disponibles en el mercado elegidos.