（1）用户–（语音）–> 语音识别：机器是没法识别声音的，因此第一步就是把用户发出的声音转换成文字，而这一步就需要依赖语音识别这项技术。单论语音识别的话，是一项复杂且需要持续的投入的技术，当前世界范围内，做的好的也就那么几家：科大讯飞、谷歌、微软、阿里、百度、腾讯等。也因此，很多做电话机器人的厂商，用的都是这些大厂的语音识别技术（国内使用科大和阿里的人较多）。

（2）语音识别–（文本）–>自然语言理解：此时，用户说的话已经通过语音识别转换成了文字，而机器拿到文字后，需要利用自然语言理解，来识别用户的意图，通俗的来说就是理解用户在讲什么。

（3）语言识别–（意图）–>对话管理：这时候，机器已经识别了用户的意图，下面机器就需要决定改如何回复用户的问题了。比如说是继续按照正常对话流程往下走，还是需要先回答用户的疑问？抑或者需要重新把刚才说的话再说一遍？一语蔽之：在用户意图的基础上，机器决定回复用户的内容。

（4）对话管理–（触发）–>预置话术：此时的机器已经知道该回复用户的具体内容了，这时候就该组织回复的语言了。而一般来说，这些话术都是预先设置好的，等需要用到这块内容的时候，从这块内容对应的话术中抽取一条出来回复就好。例如同样是回答价格这个问题，回答可以是“我们价格1w一年”，亦可以是“我们只需要1w一年哦”，为的就是在回答同一个话题时，话术不重复，给用户更好的体验。

一个完整的话术，主要由主流程与知识库组成。

这两部分怎么理解呢？这就好比一个主持人主持节目，编导一定有个节目的主流程，主持人核心的职责就是引导观众走完主流程；但是呢，在节目的进行过程中，肯定有一些突发状况需要处理，回答一些好奇宝宝的问题，这就是知识库的作用了。回到机器人的话术管理，主流程就是电销的主流程，先询问客户对于这个服务的意向，根据不同的客户意向采取不一样的话术，最终预约到客户时间（或者其他目的）；但是在对话的过程中，客户一定会有问题想要询问，这时候机器人就需要承担问题小锦囊的角色来回答用户问题了；而回答客户的问题之后，机器人又需要把客户引导回到正常的流程中。