D项符合题干要求，系统先通过麦克风采集声音并转成可处理的数字数据，后续才可能进一步识别和响应。A项这不符合语音交互的实际流程。B项显示器主要负责显示结果。C项联网不能跳过采集转换环节。D项这一描述更符合第一阶段的处理逻辑。解这类题时，要面对“智能”场景时，也别忘了底层仍然要从采集和编码开始。

综合信息处理题，考查考生统筹输入、编码、存储、运算和输出全过程进行判断的能力。