隨著高速發展之後，智慧型手機和它所帶動的相關產業都陷入了發展瓶頸，機器學習和人工智慧被認為是下一個科技熱潮，而語音識別也會趁著這個風口飛起來，語音識別技術所涉及的領域包括：信號處理、模式識別、機率論和資訊理論、發聲機理和聽覺機理、人工智慧等等。

　　近兩年，受益於大數據和深度學習技術的不斷發展，語音識別技術突飛猛進，速度及準確性都有了長足進步。美國麻省理工官網近日消息，麻省理工計算機科學和人工智慧實驗室研發了新的聲音識別系統，比起上一代聲音識別系統正確率提高了15%。

　　近年來人工智慧系統在語音和圖像識別領域已有較成熟的算法，但在嘈雜環境下的聲音辨識能力相對較弱。此次研究人員利用視覺和聲音的自然同步，在原有資料庫中導入大量視頻信息，結合新算法對聲音識別系統進行測試。在10個不同聲音測試中，該系統獲得了92%的正確率，在50個聲音測試中準確率為74%，而人類在相同樣本測試中的正確率分別為96%和81%。未來該系統將改善用戶在戶外使用語音識別的體驗。

　　研究人員表示，該系統應用潛力巨大，比如無人駕駛汽車系統搭載該聲音識別技術後，當聽到救護車聲音，無人駕駛汽車能更早選擇新的路線規劃。另外手機安裝該系統後，用戶到電影院後該系統通過周圍聲音環境判斷電影是否開始放映，並自動切換成靜音模式。該聲音識別系統將在本周召開的國際神經信息處理系統大會（NIPS）上進行展示。

　　作為人工智慧最重要的技術之一，國外語音識別技術的準確率已基本達到人類的水平。微軟旗下最新語音識別系統的識別錯誤率僅為5.9%，這和專業速記員將對話轉錄成文字的最低錯誤率一致。而微軟也在一年前將語音識別系統的深度學習算法進行開源，使其他人工智慧產品通過該算法擁有語音識別技術。海外市場調研機構預計，未來幾年全球語音識別市場規模有望突破百億美元。

　　國內的語音識別技術也在快速發展。11月底搜狗和百度分別召開發布會表示，旗下語音識別系統正確率已達到97%左右，同時有不少智能語音產品支持不同地區的方言識別。《2016年網際網路趨勢報告》顯示，近幾年用戶通過語音搜索的使用量大幅提升，使用語音的本質是解放雙手，而目前全球語音識別系統依然存在場景辨識率低等問題。隨著場景聲音辨識技術的加速完善，語音識別技術有望迎來拐點，未來發展空間將進一步擴大。

　　據中國報告大廳發布的《2016年中國語音識別產業研究報告》預測分析認為，語音識別技術有很大潛力，未來語音技術在很多應用場景有很好的機會，將為人機互動帶來巨大的改變。