语音也许是人类最自然的交流方式，但是将一台机器引入到该过程则产生了对新的行为协议的需求，特别是在语音沟通过程中没有另一方持续视觉线索的时候更为重要。因此值得去在一个比传统案例更为广泛的意义上去定义语音