VoiceXML basiert auf dem XML-Standard. Mit ihm können durch spezielle "Voice"-Elemente Teile von Webseiten verarbeitet werden, um sie anschließend über eine "Voice Response Unit" in gesprochener Sprache wiederzugeben.
Durch die Beschränkungen heutiger Handys ist dies ein idealer Ersatz für die kleinen Tastaturen oder Displays. Es müssen nun nicht mehr umständliche Eingaben auf der Tastatur gemacht werden. Stattdessen spricht man einen Befehl ins Handy und bekommt durch VoiceXML die gewünschten Ergebnisse vorgelesen.