1)智能语音平台解决方案对ASR进行历史语料训练，提高语音识别的准确性。

针对ASR带来的识别错误，智能语音平台解决方案提出了一些有针对性的优化语义理解模型，如利用拼音相似特征、纠正语音识别结果等。ASR优化的方案包括：根据领域关键词增加热词；根据领域自然语言文本优化语言模型；基于标注语音数据对声学模型进行优化。

2)智能语音平台解决方案丰富相似问题，训练模式，提高准确性。

在建立了语料知识库之后，通过扩展专业词汇、维护实体、相似问扩展、以及利用历史语料等，不断进行模型优化训练，提高了问题召回的准确性。

3)智能语音平台解决方案针对语音场景增加容错机制。

针对语音机器人容易遇到识别问题和强任务的特点，智能语音平台解决方案在任务机器人中设计了容错机制，如无法识别时要求用户重复内呼部分。通过这种话语，可以挽救一些首次语音转写失败案例，从而提高其准确率和召回率。

4)智能语音平台解决方案语言优化，提高成功率。

随着文字语音向语音转化，用户对语音设计提出了更高的要求，从实际的反馈和拨测感受出发，智能语音平台解决方案首先确认了以下基本原则：

内呼，需要增加亲和力，具有服务意识。

在话术中帮助用户预设选项-给用户多选题，而不是填空。

对使用者来说，好的语言应该兼顾理性与感性的原则。理性主义体现在“机器的语言是有用的”，言语要以目标为中心、准确、简洁；感性原则强调“对话过程愉快”，言语要自然、友善、有个性。