识别准（ASR）

本系统的语音识别的声学模型采用卷积神经网络和N-gram语言模型。在短语识别上的准确率比其他模型来的高，实际电话应用场景下用户使用短语来的频繁。

听得懂（NLP）

基于日均 400 万对话数据沉淀的神鹤大模型，采用深度学习进行语义处理，再通过意图识别模型预测用户意图对应的功能节点。能够在长难句、口语表达不规范等情况下识别用户主要意图。

说得好（TTS）

采用神经网络语音合成引擎，只需要通过某个人的大型数据集，就可以训练出与预期音色一致的合成音，并且具备音律联合优化能力，及高保真音频生成能力。

通信能力强（FS）

基于降噪模型，有效降低噪音影响，同时，我们系统基于分布式FS开发，支持数万并发的弹性能力。

声音驱动表情算法

基于大模型技术及神经渲染能力，我们构建了可以通过图灵测试的声音驱动表情技术。