Mais les sons générés par l'ordinateur doivent être tridimensionnels et influençables par les éléments présents dans le monde virtuel; les générateurs de sons tridimensionnels permettent à un utilisateur de repérer très précisément toute source sonore dans un espace à 3 dimensions.

Les systèmes de synthèses sonore et vocale couplés aux systèmes de reconnaissance et commande vocales rendent possible une interaction de l'utilisateur avec un monde virtuel à paysages visuel et sonore.

Les microphones et les haut-parleurs actuels sont de qualité suffisante pour répondre aux caractéristiques des organes vocaux et auditifs humains. Les problèmes liés à la conception des différents systèmes appartiennent donc au domaine logiciel.