本發(fā)明提供了一種交互式視頻語音應(yīng)答系統(tǒng)及實(shí)現(xiàn)方法，所述方法包括：用戶終端經(jīng)由應(yīng)用服務(wù)器與媒體服務(wù)器完成媒體協(xié)商后，所述應(yīng)用服務(wù)器在向媒體服務(wù)器發(fā)起的放音收號請求過程中向媒體服務(wù)器發(fā)送視頻文件的標(biāo)識(shí)，所述媒體服務(wù)器根據(jù)所述標(biāo)識(shí)獲取所述視頻文件并向所述用戶終端播放所述視頻文件。本發(fā)明在交互式語音應(yīng)答系統(tǒng)的基礎(chǔ)上，實(shí)現(xiàn)了視頻信息顯示，媒體播放控制等視頻交互功能，在語音應(yīng)答的基礎(chǔ)上，給用戶更為形象的視頻體驗(yàn)，同時(shí)該系統(tǒng)對業(yè)務(wù)開放接口，可由業(yè)務(wù)進(jìn)行靈活控制，具有很強(qiáng)的通用性和良好的用戶體驗(yàn)，利于大規(guī)模的業(yè)務(wù)開發(fā)和使用，同時(shí)也能促進(jìn)多媒體交互式視頻語音應(yīng)答系統(tǒng)業(yè)務(wù)的開發(fā)和普及。