该研究发表在《Journal of Studies on Alcohol and Drugs》上。斯坦福大学急诊医学副教授 Brian Suffoletto 表示，他对结果的准确性感到惊讶，并补充说需要进一步的研究来证实这些研究结果的有效性。
他表示，这些发现可能有助于减少未来因酒后驾驶等造成的道路伤害和死亡，并补充道：“虽然我们不是第一个研究醉酒期间语言特征变化的团队，但我坚信，我们的准确性源于我们对信号处理、声学分析和机器学习方面尖端技术的应用。”
图源 PixabayIT之家从研究报告中获悉，在这项研究中，参与者会根据体重服用一定剂量的酒，并必须在一小时内喝完。然后，他们接受了一系列绕口令测试。参与者必须每小时大声重复这些内容，持续长达 7 个小时，同时他们的声音会被智能手机记录下来。
而在饮酒之前，研究人员也检测了参与者的呼气酒精含量，并也记录了绕口令。之后每 30 分钟测试一次呼气酒精含量，持续 7 个小时。
之后，研究人员通过软件分析说话者的声音，以一秒为间隔查看频率和音调等参数，构建了支持向量机模型来检测醉酒（定义为呼吸酒精浓度 > 0.08%），将基线语音频谱特征与每个后续时间点进行比较，并检查 95% 置信区间（CI）的准确性，得出结果预测准确率为 98%。
Suffoletto 教授表示，结合步数和发短信等行为，可以用来确定一个人的醉酒程度。他还补充说，这一研究成果可以通过手机录音来判断一个人是否喝醉，从而提供及时干预。