基于语音和屏幕的交互从两个方向汇聚：

智能手机，平板电脑和电视等屏幕设备正在通过增加语音控制系统得到增强。

智能扬声器这样的语音优先设备正在通过屏幕进行增强。

真正集成的语音加屏幕系统可以通过利用每种交互方式的优势，改变用户体验以完成大量任务：

语音是一种有效的输入模式：它允许用户根据自己的条件快速向系统发出命令。免提控制使用户可以进行多任务处理，有效的自然语言处理可以避免对复杂导航菜单的需求，至少对于熟悉的任务和已知命令。

屏幕是一种高效的输出模式：它允许系统同时显示大量信息，从而减轻用户内存的负担。可视扫描比语音输出强制执行的顺序信息访问更快。它还可以通过提供可视指示符来建议可能的命令，从而有效地传达系统状态并桥接执行湾。

从逻辑上讲，将这些组合成一个系统听起来就像一个明显的好成果，但是，集成两种非常不同的交互模式的设计挑战迄今为止阻止任何单个系统完全实现语音和屏幕的好处。

屏幕优先互动的局限性

直到最近，大多数组合屏幕和语音控制的设备都是屏幕优先的：带有语音控制系统的智能手机以语音代理的形式添加到预先存在的图形用户界面。

这些屏幕优先系统展示了令人印象深刻的语音识别和语言处理，但由于语音代理和触摸屏应用功能之间的基本划分，整体用户体验仍然严重分散。

纯语音互动

随着亚马逊的Echo和GoogleHome等智能扬声器的推出，出现了完全不同的语音交互方式。这些设备根本不提供视觉显示，日常使用依赖于输入和输出的音频。由于中等距离的语音识别准确度有了很大提高，因此智能扬声器可以实现真正的免提操作，从而提高灵活性和效率，使其即使对于已经拥有语音智能手机的用户也是如此。

从头开始集成语音优先再到屏幕输出

从本质上讲，语音优先代表了将语音命令集成到现有图形用户界面的问题的新方法。首先，完全消除了GUI;然后重新引入一个屏幕，并逐渐将视觉信息作为整体系统的一部分。

语音优先设计可以显着改善语音交互，随着整体智能语音和屏幕界面的复杂性，或许未来有更好解决方案。