語音人機界面正日趨普遍，此趨勢從歐美地區一路蔓延至亞太地區，包含亞馬遜、Google、Facebook、阿里巴巴和小米等品牌，皆競相搶奪語音市場這塊大餅，而這個趨勢也從家庭領域，逐漸步入各垂直應用領域，為相關市場帶來產業升級的契機，無論是汽車、醫療保健，甚至是智慧零售(無人商店)都開始有所布局。
語音人機界面正日趨普遍，此趨勢從歐美地區一路蔓延至亞太地區，包含亞馬遜、Google、Facebook、阿里巴巴和小米等品牌，皆競相搶奪語音市場這塊大餅，而這個趨勢也從家庭領域，逐漸步入各垂直應用領域，為相關市場帶來產業升級的契機，無論是汽車、醫療保健，甚至是智慧零售(無人商店)都開始有所布局。
IDC企業應用研究經理蔡宜秀(圖1)分析，2022年將有30%的企業透過語音平台與客戶對話；2024年語音平台將取代一些既有企業內部管理系統，包含電子商務服務、寫稿系統與企業資源規畫(ERP)系統。
圖1 IDC企業應用研究經理蔡宜秀表示，目前人工智慧語音發展處於ML Enabled階段。
IDC將語音服務平台分成五大階段，前三個階段大多屬於聊天機器人(Chatbot)服務類型，應用情境屬於常見QA問答，與人的溝通較為被動；但近兩年，隨著人工智慧技術成熟與精準度提升，進入了第四階段ML Enabled，具備基礎的知識語音和語音辨識的能力，而這也是現今語音市場的階段，預計進入第五階段自我學習(Self-learned)，將會與更多具備人體五感能力的感測器進行整合，能夠更了解使用情境，實現更自動化的判別與應對。
蔡宜秀談到，從ML Enabled進入到Self-learned階段還需要一些時間演進，前兩年主要是ML Enabled與Chatbot整合，但未來兩三年，除了前兩項服務的整合外，還額外增加機器人流程自動化(RPA)整合需求，滿足企業需要RPA的協助，簡化企業運作流程與優化客戶體驗。
舉例來說，現在的電商網購(EC)平台，使用者須先登入帳號、點選想要的內容，而後進行銷售。未來可能透過語音介面的方式，只須要用「口說」的方式，即能完成所有購物的流程。
蔡宜秀強調，語音應用平台不會是Standalone的應用，其重點在於與其他服務交叉整合，使其發揮成效。所以可以看到整合RPA、ML Enabled、Chatbot這種下一代的溝通平台，主要應用範圍可聚焦於五個面向。首先是提供建議、推薦的智慧投資理財的應用範圍；其次是透過類神經網路，實現文件解鎖分析的應用，例如現在很多醫生，透過ML Enabled、Chatbot的應用，檢索龐大醫療期刊論文的重要資訊；第三與第四類型分別為整合工作自動化(Work Automation)應用與勞動力增強類型，這兩者內容差異不大，較大不同在於前者會增加機器人應用，而後者則是聚焦於生產力提升；最後應用範疇為智慧音箱、智慧家庭類型的娛樂應用為主。
根據Adobe Analytics指出，有約七成智慧音箱的使用者，每天會使用語音助理，其中更有四成的使用者每天多次使用語音助理。這也意味著語音應用已成為日常生活中的一個重要部分，改變了品牌和消費者互動的方式。
西風東漸 智慧音箱橫掃亞太區
然而，AI語音辨識系統應用不僅涉及前端辨識處理的部分，同時也包含後端邏輯分析的處理，主導裝置對語意的理解與回應，這意味著AI語音辨識本身有著地域性、在地文化限制因素，使其發展會依據不同地區狀況，而有不同的成長速度。
晶心科技總經理林志明(圖2)表示，語音辨識應用已呈現西風東漸的發展態勢，代表著採用中文進行語音辨識的風潮，已大舉進入亞太地區。事實上，智慧音箱在歐美市場發展已有一段時間，相較之下，亞太地區真正起飛的時間點，卻是在近兩年才開始有起色，究其原因在於中文的語系辨別難度較為複雜，且不同地區也暗藏不同的口音和方言，更增添語音辨識的難度，導致中文語音辨識市場發展速度較為緩慢。
圖2 晶心科技總經理林志明認為，AI語音辨識風潮已從歐美吹向亞洲，帶動智慧音箱發展起飛。
工研院產科國際所產業分析師陳右怡(圖3)補充，語音辨識除了語言文化問題，同時關乎系統對於內容的了解程度，難以用單一功能評斷語意，故從智慧音箱發展角度來看，最快的應用必將為「自動化」運作。自動化應用就像是控制家中各類型的聯網裝置，例如燈、電鍋、電視、空氣清淨機等小型家電，其技術難度相對較低，但仍有跨平台整合的挑戰有待解決。
圖3 工研院產科國際所產業分析師陳右怡談到，AI語音助理將先從自動化控制著手。
陳右怡認為，智慧音箱市場仍在持續攀升的階段，可說是一個極具潛力的藍海市場。從供應的角度來看，智慧音箱處於一種「正要爆發」的狀態，可看到2017年年底到2018年之間，各式各樣類型的智慧音箱不斷推陳出新，這也反應出廠商積極試水溫，期能透過多樣化的方式，測試消費者對於哪一類產品接受度比較高。
整體而言，2018年AI語音助理應用還是以智慧音箱最受矚目，但說到最適合採用AI語音助理的應用，勢必包括汽車這項應用場域，可看到雲端服務商與車廠皆戮力搶攻車內語音市場的應用。
解放雙手 語音助理變身完美副駕
2018年全球汽車大廠賓士(Mercedes-Benz)與BMW相繼宣布在車內導入AI語音助理功能，讓駕駛員可以解放雙手，僅需透過語音操控的方式，進行車內各式各樣的控制，語音助理儼然化身成為完美副駕駛，幫助駕駛順利又安全的行車。
事實上，這場「雙B大戰」始於2018年年初，賓士率先推出搭載AI語音控制的多媒體車載系統MBUX(Mercedes-Benz User Experience)，駕駛者僅須在車內說出「Hey Mercedes」關鍵字，即能透過語音的方式進行天氣播報、道路導航、音樂播放及車內溫控調整等功能。不僅如此，MBUX亦能透過人工智慧學習的方式，習慣駕駛者的使用習慣與說話方式，進一步增強語音辨識的能力。
另一方面，雖然公布時程稍晚，但BMW也不遑多讓隨即在2018年年中宣布於2019年3月的車款中搭載IPA(Intelligent Personal Assistant)智慧型聲控系統，駕駛者同樣僅需要說出「Hey BMW」，即能進行車內所有控制，甚至獲取更多的行動資訊。值得一提的是，IPA系統除了與亞馬遜Alexa系統相容之外，同時也預計和其他數位語音助理相容，提供更廣泛的語音生態系統的連結，這也意味著駕駛者可以透過遠端軟體升級的方式，串聯智慧型手機與車載系統。
雖然汽車整合AI語音助理的前景備受看好，但陳右怡強調，透過語音控制車內系統，還存有車內系統整合與車外生態系連結的問題，這過程皆需要整合時間，讓控制環境能更加人性化與便利。
掌握語音商機 遠場/抗噪/聲紋辨識不可少
相較於國外大廠已有大數據資料的基礎，或者背後有政府靠山支撐，在自然語言處理(Natural Language Processing, NLP)占有舉足輕重的地位，台廠在市場占比跟政府支援缺乏的狀況下，又該何去何從呢？陳右怡認為，從元件角度切入找出突破點，從強化遠場、抗噪與聲紋辨識等共通性一一擊破，將是台廠掌握語音商機的入門機會。
陳右怡談到，若要實現語音辨識，首先收音的性能非常重要，背後就須要仰賴遠場、抗噪的能力。整體而言，目前語音辨識還未能支援多人下指令的功能，故在多人的環境下，若要辨識出真正下指令的用戶，即須採用聲紋辨識的性能，而這也是目前台廠需要思考的重點。
短期來說，以台灣硬體業者需要找到對的夥伴，針對特定市場做相對應的方案開發，但長期來看，還是需要下定培養人才的決心，培植資料科學家才能進一步提供加值服務。
從市場面向分析，除了家庭、車用市場之外，健康照護與商用市場也將成為語音辨識下一個藍海商機。預計語音將朝向B2B類型的應用前進，如商辦大樓、行動會議廳的整合，而這也是AI語音助理即將布局之處。在家庭中智慧音箱只是硬體，但背後商業模式的建立將會是更具潛力的藍海版圖。