語音操作躍居智能家庭人機接口新星。亞馬遜（Amazon）語音助手Alexa無孔不入穿梭于2017年國際消費電子展（CES）大展，隨處可見的電視、冰箱、空調(diào)和洗衣機等智慧家電，甚至是陪伴型機器人皆已導(dǎo)入語音操作功能，堪稱智能家庭的殺手級應(yīng)用。

工研院通訊系統(tǒng)研究部經(jīng)理葉恒芬表示，相較于2016年的CES展會，大多智慧家庭還是圍繞著以手機作為控制中樞，遙控家中大小各種智能裝置的局面。繼Amazon于2016年開放出Alexa應(yīng)用程序編程接口（API）后，吸引各大廠商相繼導(dǎo)入語音識別功能。至今，Alexa已具備七千項技能，一百八十家供貨商在此平臺開發(fā)出商品，極可能成為跨平臺統(tǒng)一的呼叫方式。

葉恒芬分析，語音接口成長的驅(qū)動因素主要有三點，一、語音識別錯誤率的下降，語音識別若在85%以下，則不符合導(dǎo)入產(chǎn)品的標(biāo)準(zhǔn)，語音識別率需達95%以上才具備應(yīng)用于終端終置資格，以現(xiàn)階段來說，目前的語音識別率已高達97～98%以上，與人類辨識語言的準(zhǔn)確率相似；二、行動語音助理使用量提高，現(xiàn)在很多的語音請求來自于行動裝置，以美國用戶而言，目前已有20%的手機用戶以語音型式發(fā)起數(shù)據(jù)服務(wù)的請求，舉例來說，Google Now的語音搜尋成長達35倍之多；三、語音平臺的API開放，設(shè)備、內(nèi)容與應(yīng)用程序相繼導(dǎo)入，使得語音計算將有機會成為物聯(lián)網(wǎng)裝置主流的輸入型態(tài)。

事實上，在智慧家庭領(lǐng)域已陸續(xù)出現(xiàn)以人工智能（AI）芯片為基礎(chǔ)，結(jié)合語音和影像辨識技術(shù)的功能，以提高物與物之間溝通（Device to Device）的創(chuàng)新，例如樂金（LG）已有多項家電產(chǎn)品導(dǎo)入語音、影像辨識為基礎(chǔ)的深度學(xué)習(xí)算法，并與開放網(wǎng)絡(luò)基金會（ONF）、Google和Amazon策略合作，以提高產(chǎn)品互操作性。

然而，當(dāng)前的語音識別系統(tǒng)大多還會受到背景噪音的干擾，說話的腔調(diào)、方式甚至是不同品牌設(shè)備連結(jié)等因素，也會影響語音識別的準(zhǔn)確率。有鑒于此，葉恒芬認為，下一階段語音識別精進的方向，可朝降低背景噪音干擾、自然辨識說話者語調(diào)和某些專用術(shù)語（Lingo）的辨識與學(xué)習(xí)發(fā)展。

工研院產(chǎn)經(jīng)中心電子與系統(tǒng)研究組零組件研究部經(jīng)理林澤民補充，除了語音識別功能之外，NVIDIA CO-Pilot具備語音、臉部識別與唇形辨識三合一的多重辨識能力，可更加精準(zhǔn)辨別用戶表達的指令，這種多重辨識的人機接口技術(shù)，強化識別的準(zhǔn)確性與安全性，將成為未來人機接口發(fā)展的趨勢。