واجهة المستخدم الصوتية هو مصطلح في علوم الحاسوب يشير إلى واجهة مُستخدم التي تسمح بالتفاعل البشري مع أجهزة الحواسب عن طريق الكلام المنطوق، إذ تستخدم هذه الواجهات تقنية تعرّف المنطوق لفهم الأوامر المنطوقة والإجابة على الأسئلة، وعادةً ما تستخدم أيضًا تقنية تحويل النص إلى نطق لتشغيل الرد. يُعتبر جهاز الأوامر الصوتية، والذي يتم التحكم فيه من خلال واجهة مستخدم صوتية، أحد أشهر التطبيقات التي تستخدم هذا النوع من واجهات المستخدم، كما تُستخدم واجهات المستخدم الصوتية في الوقت الحالي في العديد من الأنظمة والأجهزة كالسيارات، وأنظمة التشغيل الآلي للمنازل، وأنظمة تشغيل الحاسوب، والأجهزة المنزلية مثل الغسالات وأفران الموجات الصغرية، وأجهزة التحكم عن بُعد في التلفزيون. كذلك تكون واجهات المستخدم الصوتية هي الطريقة الأساسية للتفاعل مع المساعدين الافتراضيين على الهواتف الذكية ومكبرات الصوت الذكية.
وعلى حين تستطيع أجهزة الاستقبال الآلي القديمة (أجهزة السويتش التي تُوجّه المكالمات الهاتفية إلى الرقم الداخلي الصحيح) وأنظمة الاستجابة الصوتية التفاعلية (التي تُجري معاملات أكثر تعقيدًا عبر الهاتف) الاستجابة للضغط على أزرار لوحة المفاتيح من خلال إشارات الترددات المتعددة ثنائية النغمة، فإن الأنظمة المزودة بواجهة مستخدم صوتية كاملة تسمح للمتصلين بتقديم الطلبات وتلقي الاستجابات دون الحاجة إلى الضغط على أي أزرار. في أنظمة الاستجابة الصوتية التفاعلية، تأتي أجهزة إدخال الأوامر الصوتية الحديثة مستقلة عن السماعة، ما يسمح لها بالاستجابة لأصوات متعددة، بغض النظر عن تأثيرات اللكنة أو اللهجات المحلية. كما تكون قادرة على الاستجابة لعدة أوامر في وقت واحد، باإضافة إلى فصل الرسائل الصوتية، وتقديم ردود الفعل المناسبة، ومحاكاة المحادثة الطبيعية بدقة.