Les interfaces vocales modernes (VUI) sont censées reconnaître le langage naturel dans des environnements acoustiquement difficiles. Les signaux d'interférence, tels que les téléviseurs, les locuteurs simultanés et le bruit environnemental, affectent négativement la performance. Par conséquent, les VUI à la pointe de la technologie utilisent des modules de prétraitement à plusieurs microphones pour obtenir une focalisation spatiale vers la direction du discours souhaité.