基本上， NPD DisplaySearch認為， 語音識別有幾個層次上的復雜性：

　　- 首先設計的內容必須限定在一套固定的命令集，例如“聲音調大”或“下一個頻道”， 而這些固定的命令集必須要有許多分辨不同語調的彈性。

　　- 語音識別可以識別“單字”與“詞句”，但是，一般而言， 該系統還需要同時開發辨識特定人的聲音特色的功能。

　　- 利用語音輸入的方式可以直接產生文字， 但為避免同音字或類似發音的文字造成混淆（例如 “there” 與“their”）， 有時必須有更復雜的計算機運算功能， 同時智能電視也必須有自我學習與訓練經驗的功能。

　　在手勢識別的部分，游戲機已經證明手勢識別可以被市場化。其發展的需要則必須著重于易用性，以及在屏幕上如何更加精準。在NPD DisplaySearch的研究中，我們發現許多網頁是不適合手勢控制的，尤其是一些網頁要求精細的鼠標移動。另外手勢識別也不被認為是良好的人體工程學設計，疲勞可能影響手臂伸出的能力與姿勢。此外，消費者通常不希望改變自己的坐姿來控制電視機。假設一個消費者手中握有一杯飲料，則如何揮手而不溢出飲料則是極大的挑戰。

　　空中指向（motion capture or remote point）是目前發展快速的技術。由于在計算機的使用上，一個計算機鼠標，觸摸板 （Touch Pad），或者是類似在Wii型控制器都已經被消費者所廣泛接受且熟悉，因此用在電視上的障礙是最小的。然而，這些空中指向的裝置也相對比一般遙控器昂貴許多，高成本變成其一大障礙。

　　如前所述，沒有單一的方法可以滿足所有電視人機接口的需求，因此將這些方法做一個結合是一個相對明智的做法。此外， 在電視上安裝數字相機可以添加人臉識別，這也是一項最新的技術用以將使用者的檔案與臉部識別內建在電視中；并且人臉識別可以跟手勢控制和視頻通話，以及語音識別等等共同搭配。

　　然而，NPD DisplaySearch認為消費者其實是智能電視人機界面的最大變量。目前業界尚不清楚使用者將如何應對、揮舞著他們的手，或通過談話來控制他們的電視。而在不同的文化和國家，手勢的意義可能會有天壤之別。在意大利，說話時帶著手勢通常是必要的，但在日本則表示不禮貌。在歐洲，消費者對隱私非常敏感，因此可能不愿意每天看的電視機上裝有數碼相機鏡頭，尤其是一臺可以連接到互聯網的電視。

　　另外，另一種人機接口則是透過其他的裝置去與電視互動或控制電視，例如智能手機或平板電腦等等。目前大多數品牌的智能手機和平板電腦都能安裝可遙控電視的APP功能，這些功能包含了鼠標移動和手持式觸摸屏方式的操作。此外，更復雜的APP應用也逐漸出現，這些應用包含更多的信息控制、電視節目時間表管理、觀賞節目建議、電視功能控制等等，同時集中在一個手持式裝置的狀況之下可以提高收看電視節目的廣度和深度。

　　隨著智能手機的出貨量預計未來達到每年10億臺，人手一臺智能手機的時代已經來臨，因此所有可上網的智能電腦都會有一臺以上的智能手機就在同一個空間或房間。智能手機已經個性化，可以根據每個用戶的使用習慣進行軟件與應用功能的建置。因此在合乎邏輯發展預測下，一個要具有個性化的電視應該會更容易使用智能手機控制，消費者的接受程度也會相當高。畢竟消費者已經每天使用手機，因此使用的手機來控制每天觀看的電視是最合乎習慣的。NPD DisplaySearch相信真正會為電視的人機界面帶來革命性影響的將不只是語音識別、手勢識別、和動作感應等等，智能手機與智能電視的結合將是主要趨勢之一。