自《新一代人工智能发展规划》发布以来，人工智能发展已上升为国家战略，在“十四五”规划中，更是将人工智能列为科技前沿领域的“最高优先级”，国家政策支持为人工智能产业发展提供良好环境。同时，各行业逐渐重视改善价值链、追求降本增效，企业数智化转型需求为人工智能产业发展提供强劲动力。智能语音作为人工智能最为成熟的技术领域之一，其应用价值及落地成效尤为凸显。

一、行业观察

智能语音作为人机智能交互的关键接口，在各个行业中的普及程度逐渐提高，其应用领域正在呈现多元化的发展趋势，据德勤数据统计，2030年智能语音市场规模将超过千亿，智能客服中心、车载语音及智慧家居助手等产品的市场需求位居前列。

1、智能语音应用规模化落地，产业与实体经济加速融合

在车载领域，智能语音已成为车内车外人机交互关键环节，随着智能车载前装渗透率逐渐走高，消费群体和需求的规模化涌现，车载助手将迎来进一步市场增长点。在文娱领域，随着有声阅读的兴起，用户对听书产品功能的依赖度逐渐提高，有声读物在欧美市场近年来形势一片大好，在中国也面临巨大增值空间，业内人士认为，到 2030 年，全球市场价值可能超过 350 亿美元。在金融领域，智能语音与对话式AI在优化客服与运营业务及精准营销等业务场景发挥重要作用，据艾瑞统计测算，预计到2026年，智能语音与对话式AI核心产品市场规模将达到108亿元。

2、语音单点技术同质化明显，多模融合交互为突破方向

据艾瑞咨询发布的2022年中国智能语音产品成熟度曲线表明，语音识别已进入稳步上升期，单一技术的产品及服务的差异化竞争大多体现在一些细节上，比如区分说话人、专业领域的词库等，但目前复杂场景下的语音识别难题，仍无法通过单一技术解决。多模融合交互是通过融合多种不同的信息，如听觉、视觉、触觉等，去增强感知的能力，通过分析多维数据，提高复杂场景下语音识别可用性。

3、AIGC迎来发展新契机，为智能语音产业注入新活力

2022年被称为AIGC的元年，AIGC成为全球关注的焦点和热议话题，国内外大企业纷纷在AIGC领域进行布局。AIGC在文本、视频、音频、视频等数据生成方面表现出巨大应用潜力，据Gartner测算，预计2025年超10%的数据将由“生成式AI”创造。AIGC与智能语音技术的进一步结合及应用场景的创新落地，有望将智能语音产业市场推向新一轮高点，如AIGC+语音合成，可在媒体、金融、教育、文旅等领域赋能内容生产创作和业务服务。

二、评测观察

语音合成

从多款产品评估结果来看，音频合成质量持续提升，定制化能力基本具备，合成情感拟人度表现有明显突破，但情绪表现层次仍有进一步提升空间，同时多音字、专有名词、中英混读等评测点表现参差不齐。

语音识别

技术发展已相对成熟，通用测试集识别准确率平均高于95%，但在远场识别、噪声环境识别中各家产品性能表现存在差异，针对吞字、拖音等错误类型需加强纠正功能，在对话重叠场景下的识别准确率仍面临挑战。

声纹识别

技术已经有较多应用落地场景，声纹识别准确率依赖内容及音频时长，克服防攻击、抗时变、抗干扰等干扰因素的能力有待进一步提升。

对话式AI平台

建设进程较为快速，平台及工具的工程化水平相对成熟，对话搭建和快速调优部署等能力已基本完备，但复杂语义理解及对话生成等能力仍有进一步提升空间。

 其他智能语音交互类技术产品

全双工交互系统多表现出良好理解能力，但在断句拼接成功率上还有很大提升空间；车载语音助手评测中，参评产品均具备较为完备的交互系统，但唤醒响应时间及环境影响下的识别效果与期待结果仍有较大差距；智慧助手解决方案评测中，位置和信息感知能力、多模融合、情绪识别、多设备协同唤醒等方面体现技术不足，仍需进一步突破。

三、中国信通院智能语音方向标准研制及评测项目总览

截至2022年底，围绕智能语音技术及产品我院牵头研制国内标准9篇，国际标准1篇，并组织展开多轮评测，参评单位及评测结果如下：

标准方面，截至2022年，我院围绕智能语音领域已完成4项团体标准发布，4项行业标准已进入最后报批阶段，2023年预计重点围绕智慧车舱操作系统展开标准研制工作。

评测方面，2023年将持续投入评测工作力度，上半年评测报名时间为2-6月，下半年评测报名时间定在为7-11月，评测内容包括：

技术类产品评测：语音识别、语音合成、声纹识别及全双工语音交互四类技术基础及专项能力评测

应用类产品评测：推动智能语音端侧产品、智慧助手（全场景/语音助手专项）、车载语音交互系统（首轮评估）、智能对话平台产品服务能力（全平台/能力模块-首轮评估）

评测基础设施方面：建设智能语音语义实验室，搭建评测数据集平台。