智能語音技術是實現人機語言的通信，包括語音識別技術（ASR）和語音合成技術（TTS）。語音識別技術是指讓計算機能接受、識別和理解人的言語信息，將語音信息自動轉換成相應文本信息或命令的技術，實現人機交互的輸入。語音合成技術是指讓計算機像人一樣能夠說話，將文本信息自動轉換成語言信息，實現人機交互輸出的一種技術。概括來說，就是讓計算機像人一樣能聽能說，實現“文字信息—語言信息”“語言信息—文字信息”的轉換，使計算機更加智能化、人性化。[56]
智能語音技術豐富了人機溝通方式，使信息輸入輸出更加類似於人際交流方式。雖然還有很大的提升空間，但像蘋果公司開發的Siri、微軟公司開發的Cortana，就是比較成功的例子。另外，語音識別技術可用於檢驗、矯正學生的中、英文發音，使發音更加純正熟練；以及在音樂歌唱中，通過語音比較分析，找出學生歌唱中存在的音準、音長等問題。總之，利用技術手段更精準地評判學生與語音有關內容的學習狀況，給出針對性的建議，幫助他們更高效地學習。