近幾年，我國智能語音產業的發展十分迅速。正如《2013中國智能語音產業發展白皮書》中所提到的，經過近50年的發展，中國的智能語音產業已由技術研發進入快速應用階段，以語音合成、語音識別等為代表的智能語音核心技術不斷突破，技術水平顯著提高。

　　從產業規模上來看，2010年以來，智能語音技術開始為越來越多的用戶提供便捷自然的交互體驗，并逐漸成為智能終端的基礎服務和用戶獲取信息的入口。

　　預計到2017年，中國智能語音產業規模將達到104.1億元，2011—2017年復合增長率達63.8%，占全球智能語音產業規模的比重將由2012年的5.6%增加到17.1%，將拉動移動互聯網、智能家電、智能汽車、可穿戴設備等相關產業規模增長1000億元。

　　“與國際上的先行國家相比，我國在研究技術原創性、應用引領性等方面還存在一定的差距。”中科院聲學所所長顏永紅談道，“比如機器翻譯領域，谷歌可以達到70多種語音的互譯，我們的語音產業能不能做到這一點？”

　　海天瑞聲副總經理程顯峰認為，語音技術最大瓶頸在于數字資源供應上。從國內語音資源建設的情況來看，雖然在普通話上有很大進步，但是在方言、口音上看還是比較薄弱的。“這個需要很長期的過程來填補。”他希望借助大數據平臺大大加快語音技術研發周期。

　　白皮書指出，智能語音行業技術門檻較高，人才培養周期長，特別是在核心技術研發方面，對高端人才的需求較大。隨著智能語音產業的快速爆發，人才缺乏成為制約產業發展的重要影響因素之一。在清華大學，其自動化、電子工程、計算機等相關專業均設有語音技術研究方向，但是與整個產業的發展速度相比，人才儲備還存在一定的缺口。