將語音精準辨識，再轉化為文字，成為現下的「剛性需求」。
許多新創看好語音辨識的應用，認為透過語音溝通還不夠，要眼耳兼具，提供語音轉文字的服務以提升準確率。
一九九七年，我任職的AT&T與遠東集團合資成立遠傳電信，以「只有遠傳，沒有距離」為口號，藉由無限遠傳的語音消弭距離。當時的通訊規畫與技術皆重語音輕數據，但溝通只有語音夠嗎？
5G已進化到數據大於語音傳輸量，但當一邊開會、一邊在手機或電腦上工作，是眼睛或耳朵取得注意力？看影片時，是以聲音或字幕追劇情發展？多數情況下，文字視覺在資訊吸收、溝通思考與取得共識的精準度、記憶性，還是優於語音。將語音精準辨識轉為文字，是不少機構快速增加的剛性需求。
去年，安卓樂資本以二十億美元估值，投資全球最大的人工智慧語音辨識公司Verbit，三星與淡馬錫旗下Vertex也是Verbit的連續投資者。自二○二○年起，Verbit營收年成長率為四八九％，預計明年在美國上市；其創辦人兼執行長是常春藤盟校哥倫比亞大學、耶魯大學MBA，律師和科技雙才。
語音辨識市場規模預計從二一年的一一○億美元，以二八％年均複合成長率，達到二五年的二九七億美元。傳統語音辨識兩強——谷歌或IBM的精確度始終在七五％到八○％間，但Verbit以獨特的機器學習、自然語音處理等技術，以快過同業十倍的速度與更低成本，超越九九％的準確率。
