當你讓智慧音箱給你搜索一首音樂，或者播報一條新聞，智慧音箱會做如下幾件事情:

我們跟一個人說話，都會先喊下這個人的名字。跟智慧音箱說話也同樣如此，你得先喊下它的名字，這個過程叫喚醒。

智慧音箱聽到你在喊它，那麼它立即就進入工作狀態了，準備聽你下面要說的話。

你跟智慧音箱說我要聽歌，它會拾取你的聲音。在你說話的時候周圍可能很吵，比如你家電視機開著，有別人在說話等，那麼智慧音箱怎麼知道去採集你的聲音而不是電視機的聲音呢？這就是拾音的技術，保證聽到的就是你的聲音而不是電視機的聲音也不是其他人的聲音。

拾取你的聲音後，智慧音箱還要對你的聲音降噪，也就是去除你的聲音裡不相關的聲音。比如你的聲音裡夾雜著自然界的雜聲，那就要去掉。

智慧音箱把降噪後的聲音上傳到雲端的語音識別系統，雲端會來識別你說的那些話的意思。

雲端會把聲音轉換為對應的文字，簡單處理的話就是從這些文字中提取關鍵詞與關鍵詞庫做匹配，以此來理解你的意思。複雜點處理就要把文字切成一個個詞語，做詞性、句子、語法分析。

上面就是一個完整的流程:從你對智慧音箱說出一個問題，到最後智慧音箱給你回答。