随着深度学习技术的进步，神经网络现在能够直接从原始语音数据中学习高质量的通用表示（representations），并将其应用于各种语义和非语义的语音相关任务。例如，通过分析语音中的非语义特征（如发音、共鸣等），可以检测和监控一些脑血管和神经退行性疾病（如中风、帕金森病、阿尔茨海默病等）。除此之外，源自呼吸系统气流的声音（如咳嗽声和呼吸模式）也可以用于健康监测。例如，医生可以通过识别类似百日咳的“呜”声或急性心血管事件中的喘息声来诊断相应的疾病。
谷歌的研究团队开发了一种名为 Health Acoustic Representations (HeAR) 的生物声学基础模型，该模型旨在通过分析人体的声音信号（如咳嗽、讲话和呼吸）来检测疾病。HeAR模型利用300万个音频数据训练而成，其中包括大约1亿个咳嗽声音，用于识别与健康相关的声学模式。
一款AI代码测试工具，可以帮助忙碌的开发者在他们的集成开发环境中交互式地生成有意义的测试套件。