中國人工智能學會通訊——智能語音技術與産業應用展望 1.2 智能語音産業應用的現狀和挑戰

智能語音産業應用，基本上都是從語音控制、語音識别和語音互動作為切入點建立起來的，根據不同的定位和形态，目前主要分為以下4類。

（1）APP類純軟語音應用。如Apple Siri和Microsoft Cortana等，在手機、平闆或PC上以軟體方式解決操作和聊天等問題，内置各種搜尋、問答和對話服務。

（2）軟硬一體的語音互動應用。如智能音箱Amazon Echo、智能電視、智能語音空調等應用，語音成為主要互動手段，實作控制和相關内容服務擷取。

（3）垂直領域的語音轉寫應用。如醫療語音病例錄入、法律語音轉寫、語音客服資料分析等，将語音資料進行實時或離線轉錄，後期做結構化分析。

（4）基于語音識别的口語評測等應用。對使用者口語語音進行發音、流利度、韻律等評估，并檢測口語發音、文法等錯誤，幫助使用者提升口語水準。

智能語音産業應用，目前還面臨着使用者普及率、認可度和活躍度不夠高的問題，原因是多樣的，這些挑戰主要包括下面4個方面。

（1）基礎技術需要繼續改進和完善。特别是複雜應用場景、噪聲、口音和專業領域的語音識别穩定性和适應性，是擴大實用範圍的關鍵，更多的是針對具體應用問題進行優化，提高準确度；與此同時，還要提高語義了解和容錯能力，減少使用者人機互動過程出錯的影響。

（2）統一的智能語音互動設計标準和規範。語音是新興人機互動方式，與傳統的觸屏互動相比，優勢在于表達豐富和快速一鍵直達的能力；劣勢在于不像GUI所見即所得那麼直覺，還有一定出錯率，會給使用者造成一定的互動心理障礙。

（3）高內建度的智能語音互動方案。除了手機、平闆之外，智能裝置普遍沒有錄音功能，降噪更難解決，開發者對語音相關引擎的優勢、局限了解不清晰，加上使用者對語音互動的認知還缺乏統一規範，高內建度的智能語音互動方案，對快速落地就特别重要。

（4）标準和開放的内容和服務接口。智能語音互動方案，解決的是使用者以更加快捷和自然的方式擷取内容服務的問題，但内容和服務本身，需要針對智能語音互動方式進行優化，是一個重要的問題。