语音技术是一个已经存在了几十年的广泛领域，它正在迅速发展，这主要归功于人工智能的出现。
这一领域不再主要关注语音识别和语音转文字的准确性。在人工智能的支持下，如今的语音到文本已经实现了自动化，实时转录功能足以满足大多数业务使用案例的要求。语音转文本永远不可能达到 100% 的准确率，但它与人工转录不相上下，而且速度更快，成本更低。
对有些人来说，这可能是唯一感兴趣的基于人工智能的语音技术使用案例，但在工作场所通信与协作领域，这其实只是一个开始。本文探讨下三大语音技术趋势和用例，IT 领导者应该考虑这些趋势。
1. 以语音技术为基础的人工智能如今，人工智能已远远超越了基本的转录功能。许多人工智能驱动的应用已成为所有领先的统一通信即服务（UCaaS）产品的标准功能，其中包括实时转录、实时翻译、会议摘要和会后行动项目。需要注意的是，有些用例仅适用于语音，但有些用例是基于语音的活动，与其他应用（如日历）相关联。
较新的应用依赖于生成式人工智能，它可以根据语音或文本提示（大多数员工可能更喜欢使用语音）自动创建连贯的电子邮件回复、备忘录和博客文章。
目前的技术是建立在传统的语音技术基础之上的。但人工智能的用例范围更广，可集成到整个工作流程中，而不仅仅用于语音识别。
IT 领导者在评估潜在的 UCaaS 产品或考虑如何在现有部署中与时俱进时，应将这些功能放在重要位置。所有这些基于人工智能的应用仍在不断改进中，无论是在语音准确性方面，还是在与其他工作场所和生产力工具的集成程度方面，都应不断改进。
2. 新兴应用即使 IT 领导者在评估这些新功能时，也不能忽略大局。这些应用主要适用于当今人们的工作方式，它们往往被视为点状产品，能很好地完成一系列特定任务。然而，人工智能的发展速度比以往任何时候都要快。虽然这些任务中的许多现在已基本掌握，但基于人工智能语音技术的下一波创新浪潮将在更高的组织范围内运作。
对话式人工智能就是一个很好的例子，它能让聊天机器人更会说话、更像人，使其成为联络中心自助服务中更受欢迎的选择。如今的聊天机器人远非完美，但它们正在得到更广泛的应用，包括在企业中，员工现在将它们用作数字助理。
大型语言模型（LLM）是人工智能的下一个重要阶段。这里的主要观点是，企业正在看到捕捉各种形式的数字通信的价值，以帮助提高人工智能应用的效率。虽然文本和视频早已实现数字化，但许多语音形式尚未实现数字化。由于大多数日常通信都是基于语音的，因此人们对捕捉这些信息（也称为暗数据）的兴趣日益浓厚，因为它们代表了一组宝贵的人工智能数据输入。
LLM 的开发和管理正在迅速发展，这不仅是因为人工智能的本质，还因为首席执行官们现在看到了 LLM 作为差异化竞争手段的潜力。(事实上，人工智能的语言模型有很多种，因此这里提到的 LLM 只是一种过度简化。大多数 IT 领导者都不是数据科学家，因此在这个领域，外部专家的专业知识会很有价值）。由于语音是这一趋势的核心，IT 领导者需要对语音技术采取更具战略性的观点。
3. 对 IT 的战略影响很明显，IT 部门需要摆脱语音技术的传统模式，尤其是在人工智能推动语音和其他通信创新的大背景下。因此，不能再在真空中看待语音技术趋势，以转录准确性作为衡量成功与否的标准。
更重要的是认识到人工智能如何将语音应用与其他一切联系起来，与工作流程、项目管理、个人生产力和团队成果融为一体。日常对话，无论发生在哪里，仍然具有固有的价值，但有了人工智能，它们作为与其他数字流相融的数字流，其价值将变得更大。
这就是语音技术在企业中的战略意义所在。这些应用将继续在帮助员工更有效地沟通和协作方面发挥关键作用（主要是通过 UCaaS），但更重要的是要明确人工智能的商业价值真正所在。
数据是赋予人工智能生命的氧气，你的模型拥有的数据越多，收益就越大。大多数企业只能捕捉到一小部分暗数据，而这正是语音技术在考虑人工智能计划时真正发挥作用的地方。
