電話機器人是如何實現對話的？

機器是無法識別聲音的，所以第一步是將使用者的聲音轉換成文字，這一步需要依靠語音識別技術。語音識別本身就是一項

複雜的技術，需要持續的投入。目前世界上好的只有幾個：科大訊飛、谷歌、微軟、阿里、百度、騰訊等等。因此，許多

國內電話機器人廠商使用的語音識別技術大多是科大和阿里的。

此時使用者所說的話已經透過語音識別轉化為文字，機器拿到文字後，需要用自然語言理解來識別使用者的意圖，也就是理解用

戶在說什麼。

此時機器已經識別了使用者的意圖，所以機器需要決定如何回覆使用者的問題。例如，我們應該繼續遵循正常的對話過程，還

是應該先回答使用者的問題？還是需要重複剛才說的話？一句話：基於使用者的意圖，機器決定回覆使用者的內容。

此時機器已經知道回覆使用者的具體內容，此時是組織回覆的語言。一般來說，這些話術是預先設定好的。當需要這段內容

的時候，從這段內容對應的話術中抽取一個來回復就好了。

當然，當機器知道要回答哪個話術時，需要呼叫這個話術對應的錄音。畢竟，我們在打電話。這個時候，為了讓營銷效果更

好，大部分客戶都會選擇播放真人錄音。畢竟效果比較逼真。正因為如此，人工錄音的效果很大程度上決定了前端使用者接電

話時的體驗。