自然语言的识别还是世界难题
语音识别操作什么的，还是基于关键词的。

不要太当真，两个视频是远景演示。

互动当然是会实现的，倒影也好，送图片进去也好，游戏里面人会看着你所在的位置也好，基于关键词和特定断语的交流也好，这些技术上没问题。

还记得SONY在2006年的发布会上游戏视频大联播上有一款PS3游戏是
游戏人物找到电视机（当然是游戏里面的电视机）后，玩家的头就会出现在屏幕，用语音给她们发命令。
当然，跟很多PS3游戏一样，没有了下文。