想象著，當你下班回到家，輕輕地對門說聲“我回來啦”，在接收到你信息一瞬間，門不僅自動打開，并在短時間內開啟了空調和電視。這種感覺是不是很棒！

在很多國外科幻大片所描述的未來生活中，使用語音方式來操控家電的炫酷場景也是無處不在。在《鋼鐵俠》系列電影中，男主角回到家以后，說聲想喝咖啡，咖啡機便開始沖咖啡，這種生活真是令人羨慕。隨著語音交互技術的不斷成熟，未來電影中的畫面將會很快變成現實喲！

數據顯示，2018年，中國智能家居規(guī)模將達到1800億元，到2020年，智能家居市場規(guī)模將達到3576億元。分析師預測，2021年全球智能家居市場規(guī)模將達5000多億元。

在汽車及互聯網領域，語音交互功能已經很普及。福特的SYNC系統專為手機和數字媒體播放器配備的福特車載多媒體通信娛樂系統，是目前車載系統中采用語音交互技術的成功的案例，已經廣泛應用在福特多個系列汽車中。互聯網巨頭蘋果在其iPhone 4S中推出智能語音助理應用Siri后，Google公司也在其安卓智能手機操作系統中推出了GoogleNow智能語音搜索及問答服務，微軟公司也將語音技術應用于WindowsPhone。

在智能家居領域，國外的IT巨頭已先后以智能家庭產品與語音相結合的方式進入智能家庭領域：谷歌收購NEST布局智能家庭，不斷強化Google Now的語音入口；蘋果HomeKit智能家居平臺與Siri也不斷加強融合；微軟也發(fā)布了語音助手Cortana（小娜），為它在智能家庭領域擴展交互入口。

在國內，早于2014年8月，語音巨頭科大訊飛就宣布進軍智能家庭市場，并發(fā)布了智能語音助手靈犀3.0來操控智能家居設備，這些設備都需要事先和靈犀3.0對接，便可以在靈犀App中搜索到設備，然后進行語音操控。目前支持的設備已經有不少，包括了電視、咖啡機、電燈、空調、熱水器等。

隨著國內外巨頭們對語音交互領域投入的增加，語音核心技術正逐步成熟，曾經的技術瓶頸亦在慢慢被突破。這其中語音識別技術是語音交互的基礎與核心，“語音識別”技術相當于給計算機系統安裝上“耳朵”，使其具備“能聽”的功能。該技術經過語音信號處理、語音特征處理、模型訓練及解碼引擎等復雜步驟，使機器最終能夠將語音中的內容、說話人、語種等信息識別出來。

前文中說到了語音交互技術在智能家居領域的運用，作為主流人機交互方式之一，語音交互方式將人們的雙手從觸摸屏解放出來，減少人們在數據輸入上花費的時間。但語音交互并不適用于所有場景，目前，智能家居領域，語音交互還存在以下幾個問題：

遠場及噪音干擾下識別準確率有待提升及端點檢測中的降噪處理技術。這也被稱為“雞尾酒會問題”，寓意在嘈雜的雞尾酒會上遠距離準確識別某一個特定的聲音。當前該問題解決方式是多通道信號處理，例如麥克風陣列的變換。相關落地技術包括思必馳&亞馬遜Echo“環(huán)形6+1”麥克風陣列， 以及悠響聲學Mic隨意安裝語音拾取技術。

端點檢測、特征提取和解碼過程中模型優(yōu)化。如果放下現有問題的假設與相關設計，而是交托給機器，讓其從訓練數據中學到的轉換模型來把語音轉成文字序列，可能更簡單高效。

當前主要用端到端CTC模型+Attention模型來優(yōu)化。地平線的內部評測證明：在1000小時的數據上，CLDNN+CTC模型相比于之前的DCNN模型，性能大概提升了 15%～20%。但端到端的實用性存在爭議，現階段它只是流程中的某一個部分的步驟簡化，尚未囊括解碼部分，而且需要大量的訓練集。

增強預測性和可適應性。在日常人際交流中，人們會預測對方下一句會說什么。而讓機器獲得相似預測能力的突破口在半監(jiān)督，無監(jiān)督學習，尤其是強化學習和遷移學習。騰訊之前有一個PAC-RNN模型，能夠非常快地自適應，從而持續(xù)改進識別結果。但是這個模型由于遞歸神經網絡的環(huán)路比較大，訓練上比較困難。

在硬件方面，AI語音識別領域的芯片研發(fā)也是熱點。而在終端，語音識別兩個關鍵因素是實時性與成本，研發(fā)語音識別專屬芯片是終端語音識別硬件發(fā)展趨勢，終端芯片的例子包括：啟英泰倫終端智能語音識別芯片CI1006，云知聲UniRobot硬件芯片系統，和MIT在ISSCC2017上發(fā)表的paper里的芯片。

投身消費領域，智能家居改變了消費者的居住方式，語音交互為智能家居創(chuàng)造了一個安全、舒適、便利和信息化的居住空間做了不少貢獻，使人們適應在信息社會的快節(jié)奏中家居與外部世界保持完全開放的生存狀態(tài)。智能家居以家庭為單元，運用多種信息技術，達到監(jiān)控與信息交互的目的，在未來，居住更加智能、消費者的居住體驗更加舒適，一場由語音交互的變革看起來勢在必行了。