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更高，实际电话应用场景下用户使用短语更为频繁。

听得懂（NLP）

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。