(1)用戶(語(yǔ)音) -大于語(yǔ)音識(shí)別：電話機(jī)器人不能識(shí)別語(yǔ)音，第一步驟是將用戶發(fā)出的語(yǔ)音轉(zhuǎn)換為字符，該步驟需要依賴于語(yǔ)音識(shí)別技術(shù)。 僅僅是語(yǔ)音識(shí)別，是一種復(fù)雜且需要持續(xù)投入的技術(shù)，因此電話機(jī)器人的制造商很多，使用這些大制造商的語(yǔ)音識(shí)別技術(shù)。

（2）語(yǔ)音識(shí)別–（文本）–>自然語(yǔ)言理解：此時(shí)，用戶說(shuō)的話已經(jīng)通過語(yǔ)音識(shí)別轉(zhuǎn)換成了文字，而電話機(jī)器人拿到文字后，需要利用自然語(yǔ)言理解，來(lái)識(shí)別用戶的意圖，通俗的來(lái)說(shuō)就是理解用戶在講什么。

（3）語(yǔ)言識(shí)別–（意圖）–>對(duì)話管理：這時(shí)候，機(jī)器人已經(jīng)識(shí)別了用戶的意圖，下面電話機(jī)器人就需要決定改如何回復(fù)用戶的問題了。比如說(shuō)是繼續(xù)按照正常對(duì)話流程往下走，還是需要先回答用戶的疑問？抑或者需要重新把剛才說(shuō)的話再說(shuō)一遍？

（4）對(duì)話管理–（觸發(fā)）–>預(yù)置話術(shù)：此時(shí)的機(jī)器人已經(jīng)知道該回復(fù)用戶的具體內(nèi)容了，這時(shí)候就該組織回復(fù)的語(yǔ)言了。而一般來(lái)說(shuō)，這些話術(shù)都是預(yù)先設(shè)置好的，等需要用到這塊內(nèi)容的時(shí)候，從這塊內(nèi)容對(duì)應(yīng)的話術(shù)中抽取一條出來(lái)回復(fù)就好。在回答同一個(gè)話題時(shí)，話術(shù)不重復(fù)，給用戶更好的體驗(yàn)。

(5)事先講話- (調(diào)用) -大于人工錄音：當(dāng)然，如果知道機(jī)器人需要回答哪個(gè)講話，就必須調(diào)用與這個(gè)講話對(duì)應(yīng)的錄音。 結(jié)果，我們?cè)诖螂娫挕?此時(shí)，為了使?fàn)I銷效果更好，大多數(shù)客戶都選擇播放真人錄音。 結(jié)果，這個(gè)效果更真實(shí)。 正因?yàn)槿绱?，人工錄音的效果，很大程度上左右著前端用戶接電話時(shí)的體驗(yàn)。