帮它做一些用药的回访，包括服务的调查。另外我们也跟卫计委产生合作，我们帮它做健康情况的筛查。这是运营商的合作案例。这个运营商的合作案例也是通过小

水智能来做营销外0呼，它是结合机器人外0呼+人工转换来结合，做一些套餐的升级，欠费催缴等等的业务，另外我们也会做欠费用户，包括续费催缴。刚刚讲了那

么多场景和案例，实际上其实也遇到了很多问题。我们在落地实践过程中遇到了很多问题，包括在NLP，口语、具体的分词，上下文的匹配都会对我们的识别产生比

较大的挑战。另外在ASR领域也在提升的阶段，像方言的问题，方言在还多地方也做过实践，尤其在西南和西北地区，无论你的机器人怎么用普通化交流，它依然用

方言。现在我们正在做一个专利的申请，我可以通过这种人说的话进行采样，从而去确定它用哪一种方言引擎，这个我们已经在部署和实践，并且正在走专利的过程

。另外还有背景噪音，大家知道背景噪音对ASR是比较大的挑战，相关的很多设备虽然能做一些背景噪音的消除，但是从另一方面来讲，它增加了机器的响应效率，

这个大家有所了解的。所以现在我们在做这个权衡，背景消除和相应速率我们做一个权衡。我们如何去解决和逐步提升产品落地中遇到的问题呢？我们在NLP主要做

一些数据训练，做一些统计模型