Este artículo presenta un método de cómputo aproximado de operaciones de memoria a largo plazo (LSTM) para un reconocimiento de habla de extremo a extremo energéticamente eficiente. Presentamos el concepto de puntuación de similitud, que puede medir cuánto se parecen entre sí las entradas de dos celdas LSTM adyacentes. Luego, desactivamos las operaciones LSTM altamente similares y transferimos directamente los resultados anteriores para reducir los costos computacionales del reconocimiento de habla. La operación pseudo-LSTM se define adicionalmente para proporcionar la computación aproximada con una resolución de procesamiento reducida, lo que puede relajar aún más las cargas de procesamiento sin degradar la precisión. Para verificar la idea propuesta, diseñamos un acelerador LSTM aproximado en un proceso CMOS de 65 nm. El acelerador propuesto utiliza un número de elementos de procesamiento aproximados (PE) para admitir las operaciones skipped-LSTM y pseudo-LSTM propuestas sin degradar la eficiencia energética. Además, se introduce una planificación consciente de la dispersión al introducir el búfer SRAM en chip de tamaño pequeño. Como resultado, el trabajo propuesto proporciona un sistema de reconocimiento de habla energéticamente eficiente pero aún preciso, que consume 2,19 veces menos energía que la arquitectura base.