促進(jìn)多媒體技術(shù)走向成熟的因素很多，但其中的關(guān)鍵技術(shù)涉及多媒體信息的獲取與輸出技術(shù)、多媒體信息壓縮技術(shù)、多媒體信息的存儲(chǔ)技術(shù)、多媒體信息的檢索技術(shù)、多媒體網(wǎng)絡(luò)技術(shù)以及多媒體技術(shù)的軟硬件支撐平臺(tái)等。
    1.多媒體信息的獲取與輸出技術(shù)
    一般來(lái)講，多媒體信息的獲取與輸出主要指人機(jī)交互的界面，它介于用戶(hù)和多媒體系統(tǒng)之間，是人與多媒體系統(tǒng)之間傳遞、交換信息的媒介，是用戶(hù)使用系統(tǒng)的綜合操作環(huán)境。通過(guò)人機(jī)界面，用戶(hù)向系統(tǒng)提供命令、數(shù)據(jù)等輸入信息，這些信息經(jīng)系統(tǒng)處理后，又通過(guò)人機(jī)界面，把產(chǎn)生的輸出信息回送給用戶(hù)�？梢�(jiàn)人機(jī)界面的核心內(nèi)容包括了信息的顯示風(fēng)格和用戶(hù)的操作方式，它集中體現(xiàn)了多媒體系統(tǒng)的輸入／輸出功能，以及用戶(hù)對(duì)系統(tǒng)的各個(gè)部件進(jìn)行操作的控制功能。多媒體技術(shù)可使用戶(hù)用十分自然的方式與系統(tǒng)交互，從而改善了人機(jī)界面。
    在多媒體技術(shù)推出之前人機(jī)界面并不友好，普遍采用字符界面，用戶(hù)在屏幕上看到的是各種字符信息，而用戶(hù)輸入計(jì)算機(jī)的也是字符。用戶(hù)接收信息的裝置主要是字符終端，主要的輸入工具是鍵盤(pán)�，F(xiàn)在，多媒體終端普遍采用圖形圖像以及活動(dòng)視頻和聲音作為信息輸出手段；而采用鼠標(biāo)、跟蹤球、電子筆、觸摸屏、掃描儀、數(shù)碼相機(jī)、數(shù)字?jǐn)z像頭和音／視頻采集卡作為輸入設(shè)備，大大改善了人機(jī)接口，使多媒體系統(tǒng)獲取信息的手段越來(lái)越豐富。隨著技術(shù)進(jìn)步，采用語(yǔ)音識(shí)別、圖形圖像識(shí)別和圖像理解等先進(jìn)技術(shù)，人機(jī)接口將越來(lái)越方便人們對(duì)多媒體終端設(shè)備的使用。
    使計(jì)算機(jī)具有類(lèi)似于人一樣的說(shuō)話能力和聽(tīng)懂人說(shuō)話的能力是多媒體技術(shù)的一個(gè)重要發(fā)展方向。語(yǔ)音識(shí)別和語(yǔ)音合成技術(shù)是實(shí)現(xiàn)人機(jī)語(yǔ)音通信，建立一個(gè)具有聽(tīng)、說(shuō)能力的智能系統(tǒng)所必需的兩項(xiàng)關(guān)鍵技術(shù)，目前這兩項(xiàng)關(guān)鍵技術(shù)均取得了重大進(jìn)展，推出了大量實(shí)用系統(tǒng)。目前，語(yǔ)音識(shí)別輸入產(chǎn)品的識(shí)別率相當(dāng)高，有6萬(wàn)條以上的詞匯表，覆蓋了日常生活的各個(gè)方面；此外，20余萬(wàn)條詞匯的備份字典，提供了更廣泛的選擇空間。針對(duì)行業(yè)的特殊需要，還可提供加裝專(zhuān)業(yè)語(yǔ)庫(kù)的接口，如用于法律和醫(yī)學(xué)的專(zhuān)業(yè)語(yǔ)庫(kù)，大大提高了專(zhuān)業(yè)用語(yǔ)識(shí)別的正確性。語(yǔ)音識(shí)別技術(shù)發(fā)展到今天，特別是中、小詞匯量非特定人語(yǔ)音識(shí)別系統(tǒng)識(shí)別精度已經(jīng)大于98％，對(duì)特定人語(yǔ)音識(shí)別系統(tǒng)的識(shí)別精度就更高。與進(jìn)行語(yǔ)音輸入所用的語(yǔ)音識(shí)別技術(shù)相對(duì)應(yīng)，利用語(yǔ)音合成技術(shù)可實(shí)現(xiàn)語(yǔ)音的輸出，為人們提供全新的服務(wù)。在銀行、郵局、勞保、證券、專(zhuān)利、信訪聲訊服務(wù)系統(tǒng)中，借助文一語(yǔ)轉(zhuǎn)換TTS技術(shù)把數(shù)據(jù)庫(kù)中的文字變成聲音，用戶(hù)可利用電話收聽(tīng)即時(shí)變化的信息。目前，合成語(yǔ)音的可懂度、清晰度已基本解決，但自然度還不盡如人意，表現(xiàn)力的差距較大，技術(shù)的成熟度、應(yīng)用的廣泛性還需進(jìn)一步提高。