在技術上進行直接語音翻譯仍有很大的尋釁性。直接語音翻譯集語音識別、機器翻譯和語音合成于一體。首先是語音識別，盡管目前實驗室里的語言識別率已達90％以上，但由于現實生活中的口音、方言、背景噪聲等一系列因素，識別率僅為60％左右，還需我們在近幾年內有進一步突破。？
         深圳翻譯公司研究語音交互技術介紹，中國著手研究語音翻譯系統已有兩年的歷史。七國語音同聲互譯的原理是，翻譯公司-結婚司儀翻譯先將本族語識別后翻譯成中間語言，再用中間語言與其他語言互譯。但目前海外語音互譯計劃的詞匯量僅限于10000個字詞，對話場景也僅僅初步定為預定旅館、購機票、餐館對話、外幣兌換等場所隨著中國加入海外語音翻譯協 會項目，“語言翻譯”前景看好，似乎在不久的將來能為人類掃清語言障礙。據中科院自動化所情勢識別國家重點實驗室研究員徐波介紹，C－starⅢ項目將從2001年正式啟動，到2004年結束。其主旨是運用公共電話網絡和海外互聯網，在四年內實現通過手機、電話、計算機終端等設備進行不同語種人類之間在旅行時代的同聲場景對話，蘊含預定旅館、置辦機票、餐館對話、外幣兌換等，更重要的是該項目把多國語音的直接翻譯作為一個科學工程！通過樹平面系性的平臺、演示而推動該技術的迅速展開，在30至50年內最終抵達徹底消除人類之間的語言障礙。
       其次是深圳翻譯公司機器翻譯，由于不規范的文本以及各種語言的自身特性，如漢語的非時態，句子的歧義等增加了翻譯的難度，而最難的是把兩者合在一起，即語音合成。目前除上述七國之外，許多國家都在進行這方面的研究，海外如IBM等公司，也一直在做相關研究，而日本的研究，幾十年來一直就沒有停止過 。