就是对图像内容进行标注或索引，并据此实现图像检索的一项综合性技术。

检索出与用户指定的要求非常相似的所有声音。

利用语音处理技术检索音频信息。

以波形声音为对象的检索。

是以音乐为中心的检索，利用音乐的音符和旋律等音乐特性来检索。

H.323终端是通过H.323/T.120协议定义的多媒体终端，提供实时的视频和音频双向通信。