主要包括：

（1）自动问答能力:通过对历史数据的学习和分析，快速准确地回答用户的问题，提高客服效率,并生成符合语法规则的自然语言回答，使得用户获得的答案更加自然流畅。

（2）多轮对话能力：通过对用户输入的文本进行分析，判断用户的意图，进而进行多轮对话。

（3）知识管理能力：面对规范政策多、内容更新变化快的现状，以及面对并线之后业务处理流程的愈加复杂，对相应速度和效率要求较高的现状，需要实现一套完整的符合非结构化文档输入的高效知识库系统，通过知识库建设的知识采编，明确知识内容、类型、价值权重（核心知识和外围知识）等信息。

AI赋能能力平台

要求采用先进的AI技术，与IVR应用深度结合，通过人机交互，将语音识别和自然语言处理技术应用到热线业务中，可以实现自动沟通，提供个性化服务，并对现有市民资料的自动分类和整理。

要求平台的流程管理功能可以通过任务模板或任务调度进行配置，以适应不同的知识问答需求。当业务流程发生变化时，系统将自动更新任务模板，以便管理者能够快速准确地完成新的业务流程。技术要求如下:

系统名称 要求 描述

AI赋能能力平台 大语言模型 选择的大预言模型和平台需要符合《生成式人工智能管理服务暂行办法》的规定。

智能对话系统

要求支持图形化界面设定欢迎语、提示语、互动菜单；支持对话流程编排、对话参数设置、对话日志管理等。实现拨打电话，进入智能语音咨询，说出咨询问题，智能语音机器人与其进行交互，定位出服务对象的真实意图，提供个性化的信息和服务，实现自动化的问答、信息查询、业务办理等功能；同时，实现无法解答时自动转静默坐席或人工。要求实现智能语音识别、智能语义理解、二次导航、多轮对话、语音合成、语音检测、噪音消除、智能打断等。

（1）转人工功能：要求能够智能识别用户需求，将需要人工介入的情况及时转接至专业客服人员，以提供更加个性化、高效的服务。

（2）静默坐席：要求支持静默坐席，可将机器人无法识别或直接处理的问题交由静默坐席帮助处理，以提高服务体验。

（3）语音+按键操作：要求同时支持用户通过语音输入或按键输入进行交互，以提供多样化的用户体验。

（4）意图识别联想（菜单关联）：要求具备强大的意图识别能力，能够理解用户的意图，并提供相关联的信息或选项。此外，系统还应支持菜单关联，使用户可以更容易找到所需信息或服务。

（5）噪音环境提醒：要求在嘈杂的环境中，系统应能够提醒用户使用语音或按键操作，以确保良好的交互体验。

（6）多业务办理：要求具备处理各种不同种类的业务需求的能力，确保系统的通用性和适应性。

（7）二次导航：要求在用户与系统交互的过程中，系统应具备二次导航的能力，以更深入地引导用户完成其需求，提升用户体验。

（8）静音超时返回：要求当系统长时间未检测到用户输入时，应有合理的静音超时返回机制，以避免不必要的等待和资源浪费。

（9）欢迎语：要求为用户提供友好的欢迎语，以开始每次对话，并引导他们进行初步的操作或提问。

（10）上下文问答：要求能够理解并保持与用户的上下文关系，实现更自然的多轮对话，提高问题解决的准确性和效率。

（11）主线逻辑引导：要求具备强大的主线逻辑引导能力，确保用户在对话中能够迅速找到解决问题的路径。

（12）多轮对话：要求支持复杂的多轮对话场景，确保系统在处理用户连贯性问题时表现出色。

技术要求如下：

系统名称 功能 要求

对话系统 对话管理 提供30路并发接入

支持对话流程编排，支持导航对话流程开发、编译、调测等功能

支持对话参数设置，支持对话流程参数配置

支持对话上下线，支持灵活的对话流程上/下线功能，导航流程可针对不同的用户群体提供灰度上线功能

支持对话日志管理，支持调用接口失败、用户语音拒识等日志信息。此外，还须支持记录其他系统的日志，日志内容通过接口传入对话系统中；系统日志要有明确的标签区分归属，便于日志的管理和维护

语音服务本地化引擎

（1）语音识别：要求具备将语音或者实时音频流转成文字的能力。能够支持中文包括标准普通话及带有轻微方言口音的非标准普通话。提供将录音文件或者实时音频流转成文字的服务，能够在各种不同实际使用场景中做适配。提供将录音文件转成文字的服务，实际准确率不低于95%，平均响应时长不超700ms。

（2）语音合成：要求支持多种风格音色模板，以便业务根据需要进行选择，满足各种不同的应用需求。语音合成处理准确、自然流畅，音色一致，无延迟及卡顿，支持音量、语速、音调、音色调整。支持输入多种字符集，普通文本等多种格式的文本信息。支持输出多种采用率的线性WAV，MP3等格式的语音数据，语音合成及结果获取简易灵活。支持多风格和音色的男女声发音，实际准确率不低于95%，平均响应时长不超500ms。

（3）语言自学习平台：要求提供“开箱即用”语音识别效果优化能力，支持热词、语言模型等全流程的识别效果优化功能，可以自主、自助定制出垂直领域语音识别模型。本项目建设统一的语音模型自学习训练平台，语音自学习平台提供多种优化手段来提升实际业务中普通话语音识别的效果，具体包括基础模型、定制语言模型（领域/场景优化），定制热词（人名/地名优化）和自动化测试功能。

1）基础模型：要求提供多个行业场景基础模型、行业先进技术基础模型，满足各类用户对定制化场景的需求。

2）语言模型：要求可以定制语言模型服务，用户可以自行上传数据，对语音技术进行深度定制，从而提升特定业务领域的识别准确度。类热词、泛热词使用时，词表中数量有限制，如果需要大量的热词，需要改用定制语言模型。

3）热词：要求在业务专业领域有部分词汇识别效果不够好时，可以使用热词功能，支持用户配置热词，并提供测试工具，用以改善识别结果。针对特有词汇，建议使用泛热词；针对人名、地名，优先使用类热词。

4）自动化测试：要求提供模型自动化测试能力，用户可通过上传测试集来评测模型的准确率等指标，直观感受训练效果。

技术要求如下：

系统名称 功能 要求

语音识别 中文连续听写 提供普通话连续语音听写功能（方言包可选）

中英文混合听写 提供中文中混读简单英文听写功能

数字识别 提供数字串听写功能

字母识别 提供字母识别功能

标点智能预测 提供标点智能预测功能

音频长度 提供无限长的语音转写功能

噪声消除 提供噪声消除功能

识别核心效果 试运行识别率85%，正式运行90%。

智能打断及返回 提供智能打断功能，用户打断系统提示音，打断后语音及时返回

端点检测 提供端点检测功能，用户语音的起始点、结束点检测

组合场景 支持与其他能力组合调用

会话日志关联 提供客户端会话日志关联功能，关联并记录用户同一通语音交互的关系

录音 支持客户与系统交互的录音

性能 响应延时<=700ms

个性化 支持上传热词，针对用户语音的效果优化

部署私有化语音训练平台，支持热词和语音标注训练

支持场景级个性化，针对同一应用，不同行业场景下，热词资源效果优化

自然语言处理 语义理解 支持自然语言理解

上下文关联 提供多次交互的关联关系

多轮交互 支持上下文理解、多轮澄清、用户主动纠错、交易流程回溯、多意图识别、意图切换等特性

题外话拒识

开放问答 提供支持客户使用自然语言表述

与知识库对接多轮对话 提供知识随性，问答Q&A推荐

闲聊应答 提供闲聊应答

敏感词过滤 提供敏感词过滤

支持语种 支持中文、英语

置信度输出 提供置信度输出功能，识别的匹配度得分

知识管理 支持词库、模板库、知识点、扩展问管理

支持通过接口更新知识库

问题聚类汇总

支持知识搜索、知识导入导出

资源发布 支持资源编译和实时生效

效果测试 支持语义的单句和批量效果测试

配置管理 支持知识库系统配置、基础配置等

语义训练 部署私有化语义训练平台，支持标注训练、聚类分析

组合场景 支持与其他能力组合调用

会话日志关联 提供客户端会话日志关联功能，关联并记录用户同一通语音交互的关系

语音合成 输出语音数据格式 采样率支持6khz、8khz、16khz

声音数据格式支持alaw、ulaw、ADPCM、vox、amr、mp3、wav等

支持语速调整 支持0.5至2倍调整

真人录音播报 支持真人录音播报

真人拼词播报 支持真人录音播放变量词汇

打断时自动停播 发生打断时停止播放录音

客户日志关联 提供会话日志关联功能，关联并记录用户同一通语音交互的关系

语音库 支持多种声音模型

性能 响应延时<=500ms

知识库建设和AI建模

要求搭建医保信息知识库，知识文档有结构化和半结构化知识，包括实体、属性和关系。可以实时更新知识条目，管理知识生命周期，可视化知识热度值。通过AI建模和知识训练将大语言与知识库结合，在智能问答过程中，通过从知识库中检索信息进行推理，提供更准确和详细的答案。

系统名称 要求 描述

AI知识库 知识库规模 最大支持2万条标准知识点，100万字的知识存储量。

分词 具备中文分词能力，速度达到1000字/秒。

向量数据库 最大支持90路并发。

知识覆盖率 大于95%以上知识覆盖率

知识更新率 不少于每季度一次常规更新，每月一次优化更新

大模型训练 不少于每周一次知识训练。

 更多的软件详情请致电400-090-2005 解读顾问：赵庆锦