語音作為一種資訊傳達的介質，在各行各業發揮著重要的作用，比如在只能人工客服領域，智慧機器人能夠識別來電的語音，並進行語義解析，從而判斷使用者來電的需求，自動給出答覆。這種場景很多，而且已經得到了廣泛的應用，能夠解放很多人工，高效的完成客服工單。

但是這個並不覆蓋所有的業務和場景，因為語音技術包括：語音識別，語義理解和語音合成。語音識別只是第一步，現在識別率普遍都在90%以上了，技術相對成熟，但是這個是被動的，也就是說，它只能識別出你說的詞語和字，但是它並不能理解你說的是什麼。

所以重要的是語義理解，從文字到語意，真正理解文字背後表達的含義，這個是最難的，首先，不同的語言表達不同，同一種語言不通語氣表達也不同。舉例，英語和漢語表達上就有很大差異，理解漢語和英語完全不同，同是漢語，幾個意思到底是幾個意思？機器累死也不知道是幾個意思。

最後，假如機器已經能夠正確理解語意，接下來要讓機器會說會回覆，這就是識別的反過程，需要把文字連成句說出來。是不是覺得很簡單？No！說出來怎麼才能平順擬人化？如何不像一個機器人一樣死板僵硬？如何準確斷句？如何表達語氣？這也是很難的。

綜上，語音技術中語音識別是前置環節，也是最簡單的一步，語義解析和語音合成現在還處於比較基礎的水平，國內外現在並沒有很好的架構和方案，還是需要不斷的探索！