Ascultarea unei singure voci dintr-un grup de oameni care vorbesc simultan este o provocare pe care cei mai mulţi dintre noi o putem depăşi cu minim de efort, fiind de ajuns doar să privim persoana respectivă pentru a discerne cuvintele rostite de zgomotul ambiant. Nu acelaşi lucru poate fi spus şi despre echipamentele care folosesc comandă vocală, algoritmii acestora neputând diferenţia instrucţiunile rostite de utilizator de cuvintele rostite de alte persoane din încăpere.