遠(yuǎn)程通信、計(jì)算機(jī)和電視/電影工業(yè)之間的傳統(tǒng)界限極為模糊。歷史上原本屬于某一領(lǐng)域的內(nèi)容現(xiàn)已滲透到其他兩個(gè)領(lǐng)域中。視頻、聲音和通信已進(jìn)入計(jì)算機(jī)；交互性進(jìn)入了電視；視頻和交互性則進(jìn)入了遠(yuǎn)程通信領(lǐng)域?？雌饋?lái)像一種聚集，實(shí)際上并非如此。這三種行業(yè)是從不同的技術(shù)角度來(lái)研究音像應(yīng)用的。

在當(dāng)今世界，應(yīng)對(duì)三種主要趨勢(shì)予以關(guān)注：

1、向無(wú)線通信發(fā)展的趨勢(shì)；

2、向交互式計(jì)算機(jī)應(yīng)用發(fā)展的趨勢(shì)；

3、視聽(tīng)數(shù)據(jù)的綜合應(yīng)用不斷增長(zhǎng)的趨勢(shì)。

對(duì)于傳統(tǒng)意義上區(qū)分的各行業(yè)間的交叉，應(yīng)綜合考慮這三種趨勢(shì)；目前的標(biāo)準(zhǔn)和正在制作的標(biāo)準(zhǔn)沒(méi)有充分涉及這些新的需求。而MPEG-4的重點(diǎn)就是解決這些需求，即綜合三種行業(yè)的通用應(yīng)用，以提供便于交互的音頻-視頻編碼、高壓縮比和通用訪問(wèn)能力。為了采用迅速發(fā)展的相關(guān)技術(shù)的優(yōu)點(diǎn)，MPEG-4標(biāo)準(zhǔn)將保證高度的靈活性和擴(kuò)展性。

基于內(nèi)容的交互性包括人與音像畫(huà)面中有意義的對(duì)象相互作用的能力。目前，這種交互作用局限于計(jì)算機(jī)圖形，即人工合成的內(nèi)容。對(duì)于新的交互式音像應(yīng)用，能夠提供與自然的、人工的及自然/人工混合的音像對(duì)象的相互作用極為重要。

為了有效使用存儲(chǔ)空間和傳送帶寬，需要有較高的壓縮比。對(duì)于低比特率的應(yīng)用，改善壓縮效率非常重要。

通用訪問(wèn)能力是指對(duì)有用的音像數(shù)據(jù)的訪問(wèn)可以在存儲(chǔ)和傳送媒體的很大范圍內(nèi)進(jìn)行的鑒于移動(dòng)通信的迅速崛起，通過(guò)無(wú)線網(wǎng)絡(luò)進(jìn)行這種應(yīng)用的訪問(wèn)尤為重要。

高度的靈活性和可擴(kuò)展性由句法描述語(yǔ)言來(lái)保證，這種句法描述語(yǔ)言稱為‘MPEG-4句法描述語(yǔ)言’（MSDL）。MSDL將在下面介紹。

目前的視聽(tīng)標(biāo)準(zhǔn)是為從照相機(jī)和麥克風(fēng)獲取的自然內(nèi)容的編碼重現(xiàn)而設(shè)計(jì)的。由于上述三個(gè)領(lǐng)域的相互滲透，人工內(nèi)容的應(yīng)用在不斷增長(zhǎng)。因此，很顯然的需求是一種既適合于自然對(duì)象又適合于人工對(duì)象的模式，它能夠用來(lái)產(chǎn)生單一的音像序列。