(تصاویر اطلاعات فقط برای مرجع هستند)
در سال‌های اخیر، با پیشرفت مداوم فناوری صدا، تعامل انسان و رایانه به تدریج وارد عصر صدا شده است، به ویژه ظهور سیری توسعه صنعت تعامل صدای هوشمند انسان و رایانه را به اوج جدیدی سوق داده است. عمدتاً در موارد زیر منعکس می شود: اول، سطح فنی به طور مداوم در حال بهبود است، به ویژه توسعه سریع سنتز گفتار و فناوری تشخیص گفتار اولیه. دوم، مقیاس صنعتی به گسترش خود ادامه می‌دهد و باعث توسعه تعدادی از صنایع مرتبط مانند لوازم خانگی، خودرو و اینترنت موبایل می‌شود. سوم، شرکت‌های برجسته‌ای مانند Nuance، Google، Iflytek، Jietong Huasheng و غیره ظهور کرده‌اند. Kinseal همچنین در آینده نزدیک یک رابط انسان و ماشین موبایل راه‌اندازی خواهد کرد.
با تقاضای شدید فناوری تعامل انسان و رایانه برای فناوری صدا، علاوه بر تولیدکنندگان ربات‌های هوشمند سنتی، ارائه‌دهندگان فناوری صوتی و فروشندگان جستجوی سنتی نیز محصولات خود را راه‌اندازی کرده‌اند و وارد رتبه‌های تعامل صوتی هوشمند انسان و رایانه شده‌اند و چهار دستگاه را تشکیل می‌دهند. کمپ ها: تولید کنندگان ربات های هوشمند، ارائه دهندگان فناوری صوتی، فروشندگان جستجوی سنتی و توسعه دهندگان مشتری موبایل. رقابت صنعتی بیشتر شده است.
به عنوان مثال دروازه هوشمند، محصول نماینده امنیت هوشمند را در نظر بگیرید. گیت هوشمند به عنوان یک دستگاه مدیریت کانال، یک پایانه تعامل انسان و کامپیوتر نیز می باشد که تنها می تواند یک نفر را در یک زمان از طریق مسدود کردن، شناسایی و رهاسازی در ورودی و خروجی عبور دهد. دروازه بال، دروازه نوسانی و دروازه کشویی به طور گسترده در ایستگاه های مترو، ایستگاه های راه آهن، ساختمان های اداری، گمرک و سایر مکان ها استفاده می شود. مسافران بلیط ها را از طریق گیت های ایستگاه های مترو و ایستگاه های راه آهن چک و شناسایی می کنند. بازدیدکنندگان می توانند قبل از ورود به ساختمان اداری کارت دسترسی یا گذرنامه بازدیدکننده را از طریق دروازه شناسایی کنند. مسافران اسناد هویتی یا چهره و اثر انگشت را در دروازه های گمرک شناسایی می کنند. پس از تکمیل شناسایی، دروازه باز و آزاد می شود و وضعیت تردد پرسنل باز شده از طریق صفحه نور تعبیه شده شناسایی می شود تا از صدمه زدن یا ضربه زدن به دروازه به پرسنل جلوگیری شود. بسته شدن در زمان پس از گذشت یک فرد مجرد. وقتی افراد زیادی در حال عبور هستند، کانال را ببندید و به موقع با پلیس تماس بگیرید تا فرآیند تعامل سیگنال بین مردم و دروازه تکمیل شود.
بر اساس گزارش تحقیقاتی تحقیقات عمیق و پیش‌بینی چشم‌انداز سرمایه‌گذاری صنعت تجهیزات تعاملی انسان-رایانه در چین از سال 2022 تا 2027 توسط موسسه تحقیقاتی چین Puhua:
فناوری تعامل انسان و رایانه به فناوری اطلاق می شود که گفت و گو بین افراد و رایانه ها را به روشی مؤثر از طریق دستگاه های ورودی و خروجی رایانه تحقق می بخشد. فن‌آوری تعامل انسان و ماشین شامل این است که ماشین اطلاعات و درخواست‌های مرتبط زیادی را برای دستورالعمل‌ها از طریق دستگاه‌های خروجی یا نمایشگر به مردم ارائه می‌کند و افراد اطلاعات مربوطه را وارد می‌کنند، به سؤالات و دستورالعمل‌ها از طریق دستگاه‌های ورودی به ماشین پاسخ می‌دهند. فناوری تعامل انسان و کامپیوتر یکی از مطالب مهم در طراحی رابط کاربری کامپیوتر است.
ارتباط نزدیکی با علوم شناختی، ارگونومی، روانشناسی و سایر رشته ها دارد. همچنین به فناوری اتصال سیگنال‌های عصبی با سیگنال‌های الکترونیکی از طریق الکترودها اشاره دارد تا به ارتباط متقابل بین مغز انسان و رایانه دست یابد. پیش‌بینی می‌شود که رایانه در آینده حتی می‌تواند به یک رسانه تبدیل شود تا به ارتباط بین مغز انسان و آگاهی مغز انسان، یعنی تله پاتی، دست یابد.
پتانسیل کاربردی فناوری‌های داغ در زمینه فناوری تعامل انسان و رایانه از جمله فناوری ردیابی مکانی مجهز به تلفن‌های هوشمند، فناوری تشخیص حرکت اعمال شده در رایانه‌های پوشیدنی، فناوری مخفی کاری و بازی‌های همهجانبه، فناوری تعامل لمسی اعمال شده در مجازی آغاز شده است. واقعیت، ربات‌های کنترل از راه دور و پزشکی از راه دور، فناوری تشخیص گفتار به کار رفته در مسیریابی تماس، اتوماسیون خانگی و شماره‌گیری صوتی، تشخیص گفتار بی‌صدا برای افرادی که دارای موانع زبانی هستند، فناوری ردیابی چشم مورد استفاده در تبلیغات، وب‌سایت‌ها، کاتالوگ محصولات و آزمایش‌های ابزار مجلات، و امواج مغزی فناوری رابط انسان و ماشین مبتنی بر استفاده در "صندلی چرخدار ذهن" برای افراد دارای ناتوانی های زبانی و حرکتی توسعه یافته است.
کاربرد و توسعه فناوری داغ هم یک فرصت و هم یک چالش است. نرخ تشخیص ژست بر اساس بینایی کم است و عملکرد در زمان واقعی ضعیف است. مطالعه الگوریتم های مختلف برای بهبود دقت و سرعت تشخیص ضروری است. تحقیق و توسعه ویژگی های انسان مانند عنبیه، اثر کف دست، دست خط، راه رفتن، صدا، لب خوانی، صورت، DNA و ... نیز جلب توجه می کند. ادغام چند کاناله نیز نقطه داغ تعامل انسان و رایانه است. علاوه بر این، ارتباط نزدیکی با «محاسبات همه جا حاضر» و «محاسبات ابری» دارد.