ユーザインターフェースのひとつで、音声を使用してコンピュータやデバイスを操作する技術のこと。

音声認識とAIの技術によって話者の発話内容を文字情報に置き換え、自然言語処理を行い、発話内容をコマンド化しコンピューターやデバイスの操作を実現する。スマートフォンで利用できるSiriやGoogleアシスタント、スマートスピーカーが普及し、身近な技術となっている。音声認識やAI、自然言語処理は昔から存在する技術ではあったものの、処理負荷が高く、近年までリアルタイムで正確な処理を行うには実用性が低かったが、AI技術の飛躍的な進歩や半導体の性能向上により、一般的な機器でも現実的なコストで実装できるようになった。