一、智能语音客服
目前，通信运营商等在客服领域比较先进的企业已经实现了智能文字客服，通过文字识别技术和智能匹配算法对通过短信和网站文字客服提出的服务诉求智能匹配答案，不需人工判断。要实现智能语音客服，也要通过识别和匹配这两关。
我们先说说识别吧。早在Siri之前，就已经有很多语音识别工具问世，最早的基于电子计算机的语音识别系统是由AT&T贝尔实验室开发的Audrey语音识别系统，它能够识别10个英文数字，现在AT&T的语音系统Watson已经可以实现在线德语和英语的实时口译。以现在的技术，语音的识别依然比较困难，主要面临的难点有2个：
1.算法
算法是软件的核心，目前的语音识别算法使用的语言模型仍是一种概率模型，还未发展成以语言学为基础的文法模型，算法不突破，效果无法取得突飞猛进的进展。算法的优化不是一朝一夕的事情，需要慢慢不断地进行，尤其语音这种非结构化数据（不便用数据库二维逻辑表来表现的数据），但随着大数据分析技术（用于非结构化数据的管理分析）的发展，也会对新算法开发带来福音。一些核心算法如特征提取、搜索算法和自适应算法也都在一步步改进，且随着数据源的不断丰富，算法的识别效果也就越来越精准。
2.适应性
由于方言、语气、环境和音色等因素的影响，限制了语音识别算法的效果，这就需要语言识别系统具有一定的自适应性，不同口音、方言的识别都需要以一个庞大的语音数据库为基础，对这些非结构化数据的管理分析就更加指望大数据技术了。至于排除环境噪音、音色等因素，个人感觉要依赖半导体传感技术的进步，留待硬件领域的专家进一步探讨。
接下来就说到匹配了。目前，匹配的算法已经相对比较成熟了，也许和大数据技术没有直接联系，不过其准确性也有赖于数据源的丰富程度，同时要在不断产生的“交互数据”中动态地调整匹配结果。
综上所诉，随着数据源越来越多，大数据技术的不断进步，语音识别系统也在持续地完善之中，说到底，算法依然是核心，而数据则是基础，对于这类非结构化数据，也许传统的数据库技术Handle不住，但大数据技术却大有可为。相信不久，语音识别的技术的突破不仅可以实现智能语音客服，还将变革人与物之间的交互方式。
二、语音文本转换
因为这个功能的核心也是语音识别，所以大数据技术对的转换准确度的保障支撑就不用再说了。之所以单列出来谈呢，是因为其对客户服务别有一番作用。
对于呼叫中心而言，客服人员与用户的通话都是要录音备份的，这些语音数据可真的不小哦，仅以广东移动为例，广东移动客服中心每年就要新增约60T的数据存储，这个体量对于一般的企业来说已经是“大数据”了。据悉，这些数据是用磁带来保存的，而且这些要保存几十年不能销毁，想想到时候光这些磁带所占用的房间租金就是不少钱啊，更何况是其他成本。而如果能将这些语音准确地转换成文本之后，文本存储所占用的空间就小的多（一个移动硬盘都可以存储一个图书馆的数据量了），存储成本简直就是直线下降，不仅实现了低成本高效，对自然环境也是一种利好。
