遠程通信、計算機和電視/電影工業(yè)之間的傳統界限極為模糊。歷史上原本屬于某一領域的內容現已滲透到其他兩個領域中。視頻、聲音和通信已進入計算機；交互性進入了電視；視頻和交互性則進入了遠程通信領域?？雌饋硐褚环N聚集，實際上并非如此。這三種行業(yè)是從不同的技術角度來研究音像應用的。

在當今世界，應對三種主要趨勢予以關注：

1、向無線通信發(fā)展的趨勢；

2、向交互式計算機應用發(fā)展的趨勢；

3、視聽數據的綜合應用不斷增長的趨勢。

對于傳統意義上區(qū)分的各行業(yè)間的交叉，應綜合考慮這三種趨勢；目前的標準和正在制作的標準沒有充分涉及這些新的需求。而MPEG-4的重點就是解決這些需求，即綜合三種行業(yè)的通用應用，以提供便于交互的音頻-視頻編碼、高壓縮比和通用訪問能力。為了采用迅速發(fā)展的相關技術的優(yōu)點，MPEG-4標準將保證高度的靈活性和擴展性。

基于內容的交互性包括人與音像畫面中有意義的對象相互作用的能力。目前，這種交互作用局限于計算機圖形，即人工合成的內容。對于新的交互式音像應用，能夠提供與自然的、人工的及自然/人工混合的音像對象的相互作用極為重要。

為了有效使用存儲空間和傳送帶寬，需要有較高的壓縮比。對于低比特率的應用，改善壓縮效率非常重要。

通用訪問能力是指對有用的音像數據的訪問可以在存儲和傳送媒體的很大范圍內進行的鑒于移動通信的迅速崛起，通過無線網絡進行這種應用的訪問尤為重要。

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

目前的視聽標準是為從照相機和麥克風獲取的自然內容的編碼重現而設計的。由于上述三個領域的相互滲透，人工內容的應用在不斷增長。因此，很顯然的需求是一種既適合于自然對象又適合于人工對象的模式，它能夠用來產生單一的音像序列。