21世紀頭十年結(jié)束之前，生產(chǎn)出能夠自動理解多達20門語言，并能識別這些語言的各種語調(diào)變化、口音及上下文環(huán)境的機器。該機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把這項新計劃稱為“超人類語音識別”的原因所在。

　　該項目已于本年度啟動，計劃于2010年完成。IBM稱，已經(jīng)制定出了整個研制過程的階段性任務，而總體目標更加明確——使機器語音識別能力趕上并超越人類。很多年來，PC機及其更加小巧的后續(xù)產(chǎn)品（PDA和手機）就具備了聽說功能，但是用戶很少能夠充分利用這些功能，這是因為還存在以下制約因素：

　　機器在理解口音、語調(diào)變化特別是談話的上下文環(huán)境方面還有困難，英語對于機器來說尤其困難。另外，機器尚無法有效處理背景噪音。除此之外，技術越復雜越需要大量的實驗和調(diào)整，比如：通過反復聽同一段聲音，機器的識別能力將大為改善。

　　在過去的一段時間里，基于語音識別技術的產(chǎn)品在市場上取得了一定的進展，被用于開展查號服務，以及安裝在一些電子設備中，例如：移動電話、PDA、汽車儀表盤以及交互式電視等。

　　IDC預計，到2005年全球市場對電話語音處理設備的需求將達到35億美元，為此，IBM、AT&T、朗訊和飛利浦等許多大公司都在爭先恐后地進行語音識別技術研究。IBM公司的100位全職語音識別研究人員中有20名正在專門投入此項研究課題之中。 他們正在著手進行音頻-視頻識別研究，這涉及計算機視覺技術的開發(fā)，以便改善語音識別的精確度。另一個研究重點是MALACH項目。在國家科學基金會的資助下，IBM正在和其他行業(yè)的研究人員并肩工作，試圖破解長達10萬小時的二戰(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，語調(diào)跌宕，還夾雜著各種不同語言。