Uogólnienia i modele pokrewne Do ważnych uogólnień ukrytych modeli Markowa należą: ukryte modele pół-Markowa – pozwalają modelować czas trwania w stanie przez rozkład inny niż geometryczny; profilowe HMM-y – używane w bioinformatyce do modelowania rodzin sekwencji biologicznych; faktorialne HMM-y – mają kilka równoległych łańcuchów stanów ukrytych; hierarchiczne HMM-y – dopuszczają wielopoziomową strukturę stanów; HMM-y z emisjami gaussowskimi i HMM-y z mieszaninami gaussowskimi – używane dla danych ciągłych; modele przełączające Markowa – stosowane w ekonometrii i analizie szeregów czasowych; ukryte modele Markowa z wejściem – w których przejścia lub emisje zależą od dodatkowych zmiennych.
Modele pokrewne obejmują dynamiczne sieci bayesowskie, filtr Kalmana, warunkowe pola losowe oraz modele przestrzeni stanów. HMM jest szczególnym przypadkiem modelu przestrzeni stanów, w którym stan ukryty jest dyskretny.
Ograniczenia Klasyczny HMM jest modelem stosunkowo prostym i opiera się na silnych założeniach.