Íntimamente unida conceptualmente a la síntesis de voz, esta tecnología está mucho más atrasada que la anterior y realmente hasta finales de los noventa no se ha conseguido hacerla verdaderamente asequible comercialmente, lo que no deja de ser un indicativo más que fiable de cuando una tecnología ha llegado a su madurez.
Como se puede suponer, se trata de conseguir que los ordenadores sean capaces de entender lo que les dice el usuario, ya sean comandos, ya sea el dictado de un texto, y actuar en consecuencia; llevando a cabo la orden recibida en el primer caso o escribiendo en un procesador de textos en el segundo.
Ha resultado verdaderamente difícil desarrollar sistemas fiables, y es que las dificultades son innumerables; por lo pronto, aunque los sonidos que el aparato fonador humano es capaz de producir son relativamente limitados, la cantidad de matices que se les pueda dar es casi infinita, casi cada individuo posee un timbre muy personal al que hay que añadir el acento local, por si esto fuera poco, el mismo sonido en distintos idiomas significa cosas distintas, y por último, el ruido ambiente, que el cerebro humano descarta sin mayor problema, supone para el ordenador una interferencia casi insalvable.
Para soslayar estas dificultades los programas se limitan a comparar lo que escuchan con una base de datos de patrones fonéticos, patrones con un grado de tolerancia bastante amplio y que se pueden ampliar y ajustar a las circunstancias específicas de cada necesidad.
Por ello, los programas que actualmente se encuentran en el mercado, aún siendo muy capaces de cumplir su función, necesitan crear un perfil del usuario mediante un periodo de entrenamiento más o menos prolongado, obligando además al usuario a permanecer en un ambiente tranquilo y variar ligeramente sus hábitos de dicción, vocalizando perfectamente, cuestión esta última que se hace imprescindible en los sistemas públicos (telefonía, cajeros automáticos, etc) en los que no hay posibilidad de entrenamiento previo.
Ante estas dificultades, todo lo que aparece en películas, series y libros de ciencia-ficción no deja de ser una muy cuestionable especulación, porque a las dificultades ya señaladas, hay que añadir a las capacidades del ordenador un sutil análisis del lenguaje, una cierta consciencia de si mismo para saber cuando se dirigen a él y ese ácido sentido del humor del que caso todos los androides/computadoras parlanchines parecen disfrutar.