اکستنشن ویسپی اولین بار در سال 2009 توسط توسعهدهندگان برنامههای کامپیوتری مورد استفاده قرار گرفت. اما در سالهای اخیر، مفهوم اکستنشن ویسپی با توجه به پیشرفت فناوری و گسترش استفاده از آن در اپلیکیشنها و وبسایتها، تغییر یافته است. اکستنشن ویسپی بهمعنای توسعهی ماشینی برای تفسیر و تولید گفتار توسط کامپیوتر است و از تکنیکهای هوش مصنوعی و یادگیری عمیق برای بهبود کیفیت گفتار استفاده میکند. این تکنولوژی میتواند در مسائل مختلفی از جمله راهنمای هوشمند، کمک به افراد با مشکلات دسترسی و همچنین تجربه کاربری بهبود یابد.