随着电视机功能的不断增强，特别是链接到互联网之后，不断增加的各种服务使得传统上/下/左/右/ OK键等功能的遥控器已经远远不能满足其需求，然后太复杂的遥控操作使得消费者在实际体验式感受不佳，如果能够让到电视机的操作更加便利来刺激消费者购买智能电视成为了智能电视厂商一大全新、重要课题。

在智能电视厂商不断地努力下，目前已经出现了几种主要的智能人机界面的解决方案，包括语音识别 (Speech Recognition)，手势识别 (Gesture Recognition)和动作感应 (Motion Sensing)，当然他们每种现在都不完美，都是在迅速改进着。电视机厂商也通常采用综合的方法，并不是押宝在单样技术，共同发展，当然也有主次。

语音识别 (Speech Recognition)
优点：较易输入文字；
缺点：多种语音和腔调对应能力较弱，反应并不灵敏；

手势识别 (Gesture Recognition)
优点：与触摸屏有类似的地方，消费者较易接受；
缺点：动作过大，消费者可能必须经过较长时间学习，文字输入不易；

动作感应 (Motion Sensing)
优点：与鼠标操作接近，消费者较熟悉；
缺点：文字输入不易，遥控器成本高；

语音识别操作是目前三者里面最火的功能，目前长虹、联想、TCL、康佳、海信、创维等都拥有相关功能，但是要想语音识别足够智能，目前也是困难重重。

第一，就中国市场而言，拥有许多复杂的方言和地方口音，如何让电视机都能听懂，这就是一个庞大工程。此外，如果电视机还要针对国外市场，在北美的电视机可能只需要三种语言(英语、法语、西班牙语)，但在西欧，起码需要16种语言。最终一台电视机可能会被内置高达百种的语言，难度不言而喻。

第二，所设定的内容多半智能限定在一套固定的命令集，例如“声音调大”或“下一个频道”, 而这些固定的命令集必须能分辨各种不同的语调、语速等等。

第三，利用语言输入的方式可以直接生产文字，但是许多同音字或者发音的文字造成混淆，如果还需要进行中文、符号、英文的切换就更加麻烦了。这就需要智能电视必须有更复杂的计算机运算功能, 同时智能电视也必须有自我学习与训练经验的功能。

不可否认，语言识别功能将为电视机的多样性产生重大影响，我们也希望看到智能电视语音时代的到来。