图像识别框架在技术人员中也已经流行起来。PyTorch 是这方面的最佳工具，而且它发展迅速。 另一项调查 发现 PyTorch 去年的份额增长到了 36% 以上。再加上它的易用性——大多数受访者 (55%) 认为 PyTorch 非常有用——这就是 AI 成功的秘诀。
相比之下，音频识别被列为使用最少的人工智能技术之一，只有 13.2% 的受访者提到了这一点。虽然图像识别技术正在产品化，但音频识别的使用案例较少，至少目前如此。简单的语音识别已经足以 哥斯达黎加电话号码数据 帮助聊天机器人实现基本的语音转文本功能。 功能，比如检测不同声音的能力。与图像识别技术不同，从商业角度来看，投资回报率并不高。
然而，音频识别的一些实际应用领域前景广阔。在调查受访者中，27% 的人表示希望 语音转文字 翻译作为 AI 功能来协助工作，而 19% 的人表示即时翻译是一个令人兴奋的发展领域。原因很容易理解：处理语音和文本对于捕获数据至关重要，而且有大量数据需要处理。客户服务和对话式商务是 AI 音频识别如何提高运营效率的两个例子。