智能電視被預期可能掀起電視產品新應用。隨著電視聯(lián)網(wǎng)功能不斷增加、服務選擇列表日益復雜，電視的人機界面預計將從現(xiàn)在起、到未來數(shù)年內，發(fā)生重大的變革。傳統(tǒng)上/下/左/右/ OK鍵等功能的選單將不敷使用，但如果按鍵太復雜又會使遙控器操作變得繁瑣。因此，不僅電視人機界面的變化正考驗整個電視供應鏈的智能，如何讓消費者透過實際操作而感到便利、以刺激購買智能電視的動機，也將是個全新的課題。

目前智能電視的許多作法為純粹將網(wǎng)站瀏覽器（Browser）從互聯(lián)網(wǎng)引進到電視，然而這也衍生新的問題。大多數(shù)網(wǎng)站的設計均帶有鼠標或指針性記憶，還包含點擊和拖動等額外功能，例如在谷歌街景與地圖上進行拖曳點擊、放大縮小的動作等等，然目前要在電視上進行這些網(wǎng)頁功能的操控有相當?shù)碾y度。

早在2010年底，SONY索尼就推出了谷歌電視（Google TV），可說是智能電視人機界面的大膽嘗試，并可說是一個利用復雜的遙控器進行選單控制的例子。但谷歌電視遙控器按鍵很多，甚至還特別需要兩只手操作，這讓消費者的使用習慣面臨改變。另方面，要在房間的另一側對電視進行類似觸摸輸入來控制屏幕，仍有許多困難。

經過許多電視機廠商與電視品牌的努力，目前電視業(yè)界已經出現(xiàn)了3個通用的智能電視人機界面解決方案，分別是：語音識別（Speech Recognition）、手勢識別 （Gesture Recognition）、動作感應（Motion Sensing）。

其中，語音識別和手勢辨識操作界面，系于2012年消費性電子展（CES）上首度展出呈現(xiàn)。盡管手勢識別功能早已在市場上存在一段時間，例如Xbox游戲機的微軟Kinect手勢識別等等，但過去都未被內建于電視機。

NPD DisplaySearch強調，目前尚無法看出上述3種智能電視人機界面何者能勝出、成為明顯的主流贏家。但每個方法都有其優(yōu)缺點，因此，有些電視采取了通通采用的綜合方法，而不是押寶在單樣技術。這似乎是一個明智的解決辦法。

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。此外，語音識別可以識別「單字」與「詞句」，但一般而言，該系統(tǒng)還需要同時開發(fā)辨識特定人的聲音特色的功能。若利用語音輸入的方式可以直接產生文字，為了避免同音字或類似發(fā)音的文字造成混淆（例如 there與their），有時必須搭配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。

添加語音識別的功能、對于電視產品多樣性來說，將會產生重大影響。以北美的電視來說，至少需要3種語言（英語、法語、西班牙語），在西歐地區(qū)，更需要16種語言。至于亞洲地區(qū)也有許多復雜的方言和地方口音。加上許多國家有支持少數(shù)民族語言的法律規(guī)定，最終可能1臺電視必須內建高達80種語言。

手勢識別方面，據(jù)觀察，游戲機已經證明手勢識別可以被市場化。其發(fā)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。例如，許多網(wǎng)頁是不適合手勢控制的，尤其是一些網(wǎng)頁要求精細鼠標移動。再者，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，如何揮手而不溢出飲料，將會是個大挑戰(zhàn)。

空中指向（motion capture or remote point）是目前發(fā)展快速的技術。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，都已經被消費者廣泛接受且熟悉，因此，空中指向用在電視上的障礙是最小的。然而，這些空中指向的裝置也比一般遙控器昂貴許多，高成本可能是其發(fā)展一大障礙。

如前所述，沒有單一的方法可以滿足所有電視人機界面的需求，因此將這些方法做一個結合是一個相對明智的做法。另外，在電視上安裝數(shù)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，消費者其實是智能電視人機界面的最大變量。目前業(yè)界尚不清楚使用者將如何應對、揮舞著他們的手，或透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(shù)字相機鏡頭，尤其一臺可以連接到互聯(lián)網(wǎng)的電視。