Voz e visão representa a combinação da tecnologia de reconhecimento de voz e dos sistemas de assistência visual. Aqui, o colaborador recebe informações visuais adicionais por meio de um dispositivo inteligente para apoiar o diálogo por voz. Assim como no método pick by vision, isso pode ser feito por meio de óculos de dados, ou simplesmente por um smartwatch ou um dispositivo de display anexado ao carrinho de separação, como por exemplo, um tablet. Dependendo da gama de produtos e da estrutura do armazém, o pick by vision aumenta a confiabilidade do processo várias vezes, pois o usuário sempre tem uma visão completa de todas as informações relevantes sobre as ordens de separação a serem processadas.