如果是想要直接可落地的技術方案，恐怕難以滿足需求。但如果是想要理解基本的業務邏輯，可簡單講解。

當用戶接聽電話後，雲端的語音識別引擎會將對話者的聲音轉換成文字。當語音被轉化成文字後，會在雲端進行語義解析，並請求雲端已經設定好的答案，這個時候另外一個技術就派上用場了，即TTS技術，將文字結果轉化成聲音，並透過運營商網路播放給對話者，這樣就完成了一輪和電話機器人的交流。

簡單梳理一下就是，

1，透過運營商網路獲取使用者通話語音，

2，藉助語音識別技術將使用者聲音轉成文字，

3，藉助自然語言理解引擎理解文字意圖並取得答案，

4，將獲取的文字答案透過TTS技術合成聲音，

5，將合成的聲音推送給使用者。

當前自然語言處理技術和之前相比已有長足進步，但在開放域多輪對話領域依然面臨較大的技術挑戰。所以當前的電話機器人多為提前設定好的固定會話指令碼，當用戶回覆脫離了預設指令碼的時候，會引導使用者返回到設定好的會話指令碼中來。

下次收到電話機器人，可以調戲一下哦～