過去的70年，人機交互形式不斷進化，從計算機時代的鍵盤，到智能手機時代的觸摸屏，如今語音交互正在引領人工智能爲主導的下一個人機交互的新時代，它能夠在社交、導航、搜索、機器人等領域大規模應用。
起初智能語音備受公衆關注還是由於蘋果Siri的出現。實際上，Siri並按不是手機上出現的第一個智能語音助手，最早出現的語音助手的弊端在於只能聽話，不能說話，這在一定程度上桎梏了他們的發展速度。
而當年市場上出現的語音產品，給使用者的普遍的感受是智能化程度不夠高。對於一些關於日常的衣食住行或是相對簡單的問題，這些語音助手基本上都能夠給予相對明確的答覆，但是對於一些稍微複雜的問題，儘管與其交流的時候“雞同鴨講”得挺熱鬧，但通常給出的答案都是模糊兩可或者乾脆打起了太極。
在產品應用方面，智能語音最初只能在銀行櫃檯、醫院排號，以及電話呼叫中心這場景中應用。體驗者與產品互動過程中聽到的是充滿機械感的聲音，試問在聽到電話那頭冷冰冰的：“普通話服務請按1...”的時候，你有沒有馬上轉人工服務的衝動？
隨着人工智能技術的高速發展，語音技術在語音識別和語義分析上日趨成熟的技術上繼續蓬勃發展，更多能聽懂人類，或者能與人類深刻交流的智能產品將不斷豐富大衆的生活。
微軟小冰、Siri等人工智能語音產品爲當今社會提供了很多應用場景，如：查詢實時天氣、播報新聞簡訊、體育賽事、推薦熱門電影、出行導航，還能控制物聯網打開電燈、窗簾和咖啡機......語音智能產品的應用，讓整個人工智能產業擁有了更大的想象空間。
如今，我們期待智能語音產品不僅能“說人話”，而且能“更像人”，“懂你”，只是個開始，語音智能最重要的部分，在於情感化的TTS。標貝科技上線的TTS評測系統讓客戶可以專心於合成技術的研發，快速實現高質量的合成系統，爲針對韻律、多音字、數字符號及分詞詞性四個模塊進行客觀測評，結合ABX、MOS評分評測，爲提升語音系統合成效果提供更高效的方案。
在昨天（3月22日），微軟（亞洲）互聯網工程院宣佈推出新一代的語音交互技術：全雙工語音交互感官。與既有的單輪或多輪連續語音識別不同，這項新技術可實時預測人類即將說出的內容，實時生成迴應並控制對話節奏，從而使長程語音交互成爲可能。
未來，語音智能的發展方向，其實很簡單，就是如何解決語音識別、語義理解、操作執行等存在的問題。
