智能语音技术主要研究基于语音的人机交互。简单来说，就是让计算机、智能设备、家用电器等通过对语音进行分析、理解和合成，实现人“能听会说”、具备自然语言交流的能力。智能语音技术分为语音识别技术（语音到文本）、语音合成技术（文本到语音）等。智能语音技术目前已经逐步走向成熟，经常以 API 形式提供的智能语音服务成为行业用户的重要入口，如科大讯飞、百度均提供这类接口。智能语音技术目前主要的门槛是音频数据的标注。以目前市场的龙头企业科大讯飞来说，在其普通话声学模型日臻成熟后，该公司还对粤语、东北话、四川话等方言进行数据标注并训练模型。搜狗、百度、科大讯飞相继宣布其中文语音识别率达到了97%。