語音操作躍居智慧家庭人機介面新星。亞馬遜(Amazon)語音助手Alexa無孔不入穿梭於2017年國際消費電子展(CES)大展，隨處可見的電視、冰箱、空調和洗衣機等智慧家電，甚至是陪伴型機器人皆已導入語音操作功能，堪稱智慧家庭的殺手級應用。
工研院通訊系統研究部經理葉恆芬表示，相較於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慧裝置的局面。繼Amazon於2016年開放出Alexa應用程式介面(API)後，吸引各大廠商相繼導入語音辨識功能。至今，Alexa已具備七千項技能，一百八十家供應商在此平台開發出商品，極可能成為跨平台統一的呼叫方式。
葉恆芬分析，語音介面成長的驅動因素主要有三點，一、語音辨識錯誤率的下降，語音辨識若在85%以下，則不符合導入產品的標準，語音辨識率需達95%以上才具備應用於終端終置資格，以現階段來說，目前的語音辨識率已高達97～98%以上，與人類辨識語言的準確率相似；二、行動語音助理使用量提高，現在很多的語音請求來自於行動裝置，以美國用戶而言，目前已有20%的手機用戶以語音型式發起數據服務的請求，舉例來說，Google Now的語音搜尋成長達35倍之多；三、語音平台的API開放，設備、內容與應用程式相繼導入，使得語音計算將有機會成為物聯網裝置主流的輸入型態。
事實上，在智慧家庭領域已陸續出現以人工智慧(AI)晶片為基礎，結合語音和影像辨識技術的功能，以提高物與物之間溝通(Device to Device)的創新，例如樂金(LG)已有多項家電產品導入語音、影像辨識為基礎的深度學習演算法，並與開放網路基金會(ONF)、Google和Amazon策略合作，以提高產品互通性。
然而，當前的語音辨識系統大多還會受到背景雜音的干擾，說話的腔調、方式甚至是不同品牌設備連結等因素，也會影響語音辨識的準確率。有鑑於此，葉恆芬認為，下一階段語音辨識精進的方向，可朝降低背景雜音干擾、自然辨識說話者語調和某些專用術語(Lingo)的辨識與學習發展。
工研院產經中心電子與系統研究組零組件研究部經理林澤民補充，除了語音辨識功能之外，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，可更加精準辨別使用者表達的指令，這種多重辨識的人機介面技術，強化識別的準確性與安全性，將成為未來人機介面發展的趨勢。
