Voz y visión representa la combinación de tecnología de reconocimiento de voz y sistemas de asistencia visual. Aquí, al empleado se le proporciona información visual adicional a través de un dispositivo inteligente para apoyar el diálogo por voz. Al igual que en el enfoque de pick by vision, esto puede hacerse a través de gafas de datos, o simplemente mediante un smartwatch o un dispositivo de pantalla colocado en el carrito de separación, como por ejemplo una tableta. Dependiendo de la gama de artículos y la estructura del almacén, el pick by vision aumenta la confiabilidad del proceso muchas veces, porque el usuario siempre tiene una visión completa de toda la información relevante sobre las órdenes de separación a procesar.