在不久的将来，用户浏览网页时不单只是阅读网页，他们还可以进行交谈；至少这会在万维网联盟 (W3C) 新成立的一个活动组开花结果。

联盟现正为在万为网网页内，纳入语音识别和语音合成界面的可行性进行调查。一个新设的小组将提交一份报告，总结从现在开始为期一年，为 W3C 制定呈现网页内容的 HTML 语言标准，添加语音及语音特征的可行性。美国电话电报公司(AT＆T)、谷歌、微软和 Mozilla 基金会等，都有工程师参与这项工作。

人声和网络的应用并不是新生事物：谷歌包括以语音为基础的网络搜索应用程序已经应用到 Android 智能手机的操作系统上，此外，微软亦承诺把强大的语音驱动功能应用到即将推出的 WindowsPhone7 这个型号的手机内。

语音技术和标准语音应答系统提供商 Voxeo 机构的总监，团队的主席丹伯纳(Dan Burnett)透露，在 HTML加入语音的研究团队所进行的，是一项在网络语音识别和语音合成开发一个接口标准的可行性研究。研究中的接口可以用于多个跨系统的浏览器。使用内置或外挂的语音识别和语音合成引擎，可以通过浏览器朗读网页内容，以及能让用户用语音填写网页上的窗体。

虽然这项工作可能跟联盟另一项在语音 VoiceXML 方面的努力重迭；不过，丹伯纳解释这两项努力的方向有所不同，VoiceXML 不能很好地在万围网络上运行；因为它的设计主要是为了语音驱动的应用程序，比如它现时被广泛使用在电话的语音应答系统上。有语音功能的 VoiceHTML 格式本身将不会存在国籍的限制，也不会在发布时要求用户先研习一番。

丹伯纳指出，虽然报告将会讨论建立一套接口的可行性，但工作接口本身的发展应该保证将会为联盟的另一个团队，例如 HTML 工作组所采纳。

W3C 一直忙于制定在一些其它范畴上的语音技术。此外，该组织最近亦为发布VoiceXML 的3.0版本而忙个不停。在这个新的版本中，工作组将跟语意有关的描述规格，组合到模块的功能里面。
联盟还计划在短期内发布在 VoiceXML 经常一起使用的语音合成标记语言(SSML)1.1版本；这版本将包括亚洲地区的语言，并且能为开发人员提供更多语音内容的选择和处理遇上非预期出现的语言时有更大的灵活性。