Grundsätzlich lassen sich Voice-Processing-Systeme in drei Bestandteile klassifizieren: Audiotext, Voice-Mail und Interactive Voice Response (IVR), die alle Sprache in einer bestimmten Art speichern oder bearbeiten. Während bei Audiotext, also den reinen Ansagediensten, der Informationsaustausch nur in einer Richtung funktioniert, bieten Voice-Mail-Systeme zeitversetzte Dialoge zwischen den Gesprächspartnern an. Der Computer übernimmt in diesem Fall aber nur die Speicherung und Versand der Nachrichten. Am Dialog ist er nicht beteiligt. Bei IVR-Installationen kommunizieren die Anrufer interaktiv mit einem Computer. Der Rechner bietet über einen Ansagetext eine Menüauswahl an. Bei Tonwahl-Telefonen antwortet der Anrufende mit Hilfe der Tastatur. Er wird dann zum nächsten Ansagetext weitergeleitet oder gelangt zu einem Gesprächspartner. In Deutschland, wo die Telekom das Tonwahlverfahren noch nicht flächendeckend installiert hat, arbeiten die Geräte meistens mit der Spracherkennung. Die Systeme reagieren auf einfache Worte, etwa gesprochene Zahlen.