21世紀(jì)頭十年結(jié)束之前，生產(chǎn)出能夠自動(dòng)理解多達(dá)20門語(yǔ)言，并能識(shí)別這些語(yǔ)言的各種語(yǔ)調(diào)變化、口音及上下文環(huán)境的機(jī)器。該機(jī)器還能絲毫不差地轉(zhuǎn)錄法律、醫(yī)療和法庭證詞。這正是IBM把這項(xiàng)新計(jì)劃稱為“超人類語(yǔ)音識(shí)別”的原因所在。
該項(xiàng)目已于本年度啟動(dòng)，計(jì)劃于2010年完成。IBM稱，已經(jīng)制定出了整個(gè)研制過程的階段性任務(wù)，而總體目標(biāo)更加明確——使機(jī)器語(yǔ)音識(shí)別能力趕上并超越人類。很多年來，PC機(jī)及其更加小巧的后續(xù)產(chǎn)品（PDA和手機(jī)）就具備了聽說功能，但是用戶很少能夠充分利用這些功能，這是因?yàn)檫�存在以下制約因素：
機(jī)器在理解口音、語(yǔ)調(diào)變化特別是談話的上下文環(huán)境方面還有困難，英語(yǔ)對(duì)于機(jī)器來說尤其困難。另外，機(jī)器尚無法有效處理背景噪音。除此之外，技術(shù)越復(fù)雜越需要大量的實(shí)驗(yàn)和調(diào)整，比如：通過反復(fù)聽同一段聲音，機(jī)器的識(shí)別能力將大為改善。
在過去的一段時(shí)間里，基于語(yǔ)音識(shí)別技術(shù)的產(chǎn)品在市場(chǎng)上取得了一定的進(jìn)展，被用于開展查號(hào)服務(wù)，以及安裝在一些電子設(shè)備中，例如：移動(dòng)電話、PDA、汽車儀表盤以及交互式電視等。
IDC預(yù)計(jì)，到2005年全球市場(chǎng)對(duì)電話語(yǔ)音處理設(shè)備的需求將達(dá)到35億美元，為此，IBM、AT&T、朗訊和飛利浦等許多大公司都在爭(zhēng)先恐后地進(jìn)行語(yǔ)音識(shí)別技術(shù)研究。IBM公司的100位全職語(yǔ)音識(shí)別研究人員中有20名正在專門投入此項(xiàng)研究課題之中。 他們正在著手進(jìn)行音頻-視頻識(shí)別研究，這涉及計(jì)算機(jī)視覺技術(shù)的開發(fā)，以便改善語(yǔ)音識(shí)別的精確度。另一個(gè)研究重點(diǎn)是MALACH項(xiàng)目。在國(guó)家科學(xué)基金會(huì)的資助下，IBM正在和其他行業(yè)的研究人員并肩工作，試圖破解長(zhǎng)達(dá)10萬(wàn)小時(shí)的二戰(zhàn)納粹大屠殺幸存者的談話錄音，這些錄音內(nèi)容紛繁多變，充滿各種方言，感情起伏，語(yǔ)調(diào)跌宕，還夾雜著各種不同語(yǔ)言。
