از آنجايي که گفتار مي تواند سريع ترين و کاراترين روش تعامل بين انسان و کامپيوتر باشد، در سال هاي اخير پژوهش هاي زيادي براي طراحي و ايجاد سيستم هاي تعاملي بر پايه گفتار انجام شده است. از اينرو پيشرفت هاي بسيار در زمينه پردازش گفتار و تبديل گفتار به رشته اي از کلمات و تحليل محتواي گفتار انجام شده است. اما هنوز فاصله زيادي با داشتن يک تعامل طبيعي بين انسان و ماشين وجود دارد. يکي از ملزومات اصلي تعامل انسان با انسان، درک احساس است که در پژوهش ها، طراحي و ايجاد سيستم هاي تعاملي مورد توجه قرار نگرفته است. بنابراين ماشين قادر به درک احساسات گوينده نيست. اين موضوع باعث شد که در سالهاي اخير يک زمينه تحقيقاتي با نام تشخيص احساس از روي گفتار معرفي شود که حالت احساسي گوينده را از روي گفتار مشخص کند. توجه به اين نکته ضروري است که تشخيص احساس از روي گفتار مي تواند براي استخراج معاني مفيد از روي گفتار استفاده شود و از اين جهت کارايي سيستم هاي تشخيص گفتار را بهبود بخشد. گفتار انسان به صورت يک موج توليد شده توسط تارهاي صوتي است که پارامترهاي آن براي انتقال اطلاعات مدوله شده اند. ويژگي هاي فيزيکي و وضعيت رواني چگونگي پارامترهاي اين موج گوينده را تعيين مي کند و در نتيجه انتقال اطلاعات گفتار در شرايط خود خواسته و يا ناخواسته، تحت تاثير قرار مي گيرند. اين مساله بيانگر وجود الگوهايي در گفتار هنگام انتقال احساسات است. اين الگوها مي توانند پايه هاي سيستم هاي تشخيص خودکار احساس انسان با استفاده از گفتار را تشکيل دهند. اهميت چنين سيستم هايي با نياز به بهبود سطح طبيعي بودن و بهره وري گفتار مبتني بر واسط هاي ماشين- انسان افزايش يافته است. زبان شناسان در تعريف احساس در گفتار دو نظريه ابعادي و نظريه گسسته را تعريف کرده اند. در نظريه ابعادي احساس به صورت دوبعدي و سه بعدي تعريف مي شود. در نظريه گسسته احساسات به صورت کلاس هاي جداگانه در نظر گرفته مي شوند. زبان شناسان احساساتي که انسان در زندگي با آن ها مواجه مي شود را تعريف کرده اند و مجموعه هايي توسط محققان شامل ۳۰۰ حالت احساسي، ارائه شده اند. روش کلاس بندي شده از آنجايي که احساسات را به تعدادي کلاس محدود تقسيم مي نمايد، در زمينه روش هاي مبتني بر شناخت الگو مفيد است. کارهاي زيادي در راستاي ترکيب احساس با هوش مصنوعي به منظور تسهيل در تعامل ماشين با انسان انجام شده است که نه تنها موجب بالا بردن قابليت تشخيص صحيح احساس گوينده، بلکه باعث بهبود تکنولو‍‍ژي بيان موثر احساس از طريق تغييرات صوتي و اشارات صورت و بدن نيز گشته است. مثلاً رباتي طراحي شده است که مي تواند احساسات بازيکنان را تشخيص و در حين بازي شطرنج با کودکان شکللک هايي را نشان دهد که باعث مي شود سطح تعامل با کاربران و علاقه آنان به طور چشمگيري افزايش پيدا کند.