Und da liegt m.E. der Hund begraben:
Gibt es diese Technologie in ENT, so ist Hoshi überflüssig, oder?
Gibt es diese Technologie NICHT in ENT, wie erklärt Du Dir Dinge wie Lippensynchronizität der Sprecher bei der Bildkommunikation u.ä.?

Ähm ... kann man die überhaupt erklären?