智能语音技术是实现人机语言的通信，包括语音识别技术（ASR）和语音合成技术（TTS）。语音识别技术是指让计算机能接受、识别和理解人的言语信息，将语音信息自动转换成相应文本信息或命令的技术，实现人机交互的输入。语音合成技术是指让计算机像人一样能够说话，将文本信息自动转换成语言信息，实现人机交互输出的一种技术。概括来说，就是让计算机像人一样能听能说，实现“文字信息—语言信息”“语言信息—文字信息”的转换，使计算机更加智能化、人性化。[56]
智能语音技术丰富了人机沟通方式，使信息输入输出更加类似于人际交流方式。虽然还有很大的提升空间，但像苹果公司开发的Siri、微软公司开发的Cortana，就是比较成功的例子。另外，语音识别技术可用于检验、矫正学生的中、英文发音，使发音更加纯正熟练；以及在音乐歌唱中，通过语音比较分析，找出学生歌唱中存在的音准、音长等问题。总之，利用技术手段更精准地评判学生与语音有关内容的学习状况，给出针对性的建议，帮助他们更高效地学习。