《聲控未來》一書回顧過去三十多年的語音技術發展，透過描寫人工智能發聲裝置的演變，呈現 AI 如何從一項純粹的科技工具，逐漸轉化為能夠理解、回應，甚至陪伴人類的有聲存在。從最初只作為指令接收器，到成為情感支持、心理輔導甚至心靈映照的介面，AI 語音的角色已大幅超越早期的功能性框架。
語音科技的歷史可追溯至最初以聲音作為控制界面的嘗試，Amazon 的 Echo、Google 的 Alexa、Microsoft 的 Cortana，以及 Apple 的 Siri，構成了語音助理的初代生態。然而，要讓機器真正聽懂人類說話，其實比文字理解困難得多。聲音搜尋與文字搜尋有很大分別，人們在輸入文字時習慣閱讀多個結果，但語音則模仿日常對話，使用者往往期待即時而單一的回答。更具挑戰的是，每個人的語調、口音、語速與說話方式都十分獨特，一個語音系統要準確地辨識並理解這些差異，其難度遠高於分析文字。
儘管挑戰重重，語音技術在研究者多年努力下逐漸成熟，而當近年大型語言模型崛起，AI 聲控裝置亦迅速跨越了原有的限制。在日常生活中，它們不再只是便利工具，而是逐步成為能和我們對話溝通的聲音伴侶，關心長者、照顧兒童，甚至是守護家庭安全的智能夥伴。它們成為可以跟小孩說話，甚至開玩笑的玩具靈魂、也能監察家中突發危機、隨時提供在線的支援。
另一項突破是 AI 語音於心理輔導及治療領域的應用。透過聲紋分析，系統能聽出情緒的細微變化與波動，在對話中融入認知行為治療技巧，甚至模擬現實中的困難情境，讓使用者預演自身在衝突或困局中的反應。對於部分具心理創傷患者而言，向一個沒有臉孔、沒有實體存在的 AI 聲音傾訴，反而能減少在真人治療情境中可能引發的二次傷害。AI 因此成為一個情緒上更「安全」的訴說對象。
語音技術的進步已遠不只模仿人類，它能捕捉聲線中的顫抖與雀躍、遲疑與興奮，甚至能模仿特定人物的聲音特質。作為 AI 伴侶永不疲倦、永不批判、永不背叛，如同一個永遠在線的回聲谷，無條件地接納使用者，把情感連繫推向一種前所未有的以人為中心的模式。因此，不少人願意向 AI 傾訴連至親好友都未知的秘密，包括創傷、羞愧、甚至社會所難容的念頭。近年 AI 語音技術亦衍生不少針對不同用者的手機程式，成為隨時隨地伴隨著用者的忠心僕役甚至是情人。
AI 語音進入我們的生活，正好揭示了人際關係的複雜本質：有時候，人類更容易把內心最深處的脆弱交付給「非人類」。AI 不會批斷、不會告訴別人、不會改變關係，因此更像是一面「心靈鏡像」，承接我們無法向他人坦白的部分，填補了現實世界中難以避免的人際裂隙。
然而，這種由模仿製造出的親密感，也帶來弔詭的迷思：一個沒有主體意識、無法真正感受痛苦的系統，是否有資格承載人類的心靈，甚至嘗試治療人類？而當人類愈來愈習慣於演算法式的無條件順從與回應，會否削弱了在現實世界建立與維持人際關係的能力？AI 語音的未來，到底會進化成為人類最忠實的伴侶與輔導，還是一面無情的鏡子，反射我們真實的人性本貌。
蘇啟智
香港樹仁大學新聞與傳播學系專業應用副教授
