中文分词是将连续的自然语言文本，切分成具有语义合理性和完整性的词汇序列的过程。中文的自然语言书写对于不同的词之间不会采用显示分隔符（如空格）进行分割，在大多数自然语言问题当中，分词都作为最基础的步骤。

在给定的字数限制范围内，摘取单篇或多篇文章中的句子，来代表该篇或多篇文章的大意和中心思想。在同时考量信息的相关性和多样性的情况下，保证了摘要结果的准确性和完整性。

基于自有算法和规则，形成不断积累的语料库，从而实现机器人模拟真人与客户对话的场景，包括寒暄关怀、业务咨询、进度查询、投诉受理、报障报修等AI互动场景

以完成任务为目的，通过和用户的多轮对话收集相关信息，决定流程的流转或部分依赖条件的确认，然后根据预设给出答案或调用外部系统完成任,例如：订餐，订票，寻找音乐、电影或某种商品等。因为用户的需求可以比较复杂，可能需要分多轮进行陈述，用户也可能在对话过程中不断修改或完善自己的需求。此外，当用户的陈述的需求不够具体或明确的时候，机器也可以通过询问、澄清或确认来帮助用户找到满意的结果。

对话过程可生成表单，客户可以保存图片、发送短信或微信、在线打印等。表单在后台可以根据不同业务进行UI定制，包括字段、布局、流程等自定义。如产品定单、活动订单、售后工单等。

在对话场景中，识别对话双方文本背后蕴含的用户情绪，一级情绪分为正向、中性、负向3种，正向情绪细分为：喜爱、愉快、感谢3种；负向情绪细分为：抱怨、愤怒、厌恶、恐惧、悲伤5种。

关键词作为一个对文本常用的概括，可以将文本自动进行关键词分析，给出每个词语相应的权重。关键词提取引擎的调用很简单，只需要将文本上传到分析服务器，引擎会自动返回每个词语的权重。

识别客户对某一聚类业务或产品比较关注，包括：类别、品牌、型号、特征等，如关注乘用车、德国车、奔驰品牌、7座车型、价格20万左右等等。

在一定的业务场景中，结合一方或双方的兴趣和情绪等识别指标，判断业务的意向程度，本系统支持0-100分的打分程度显示。同时人工也可干预进行调节，以便更好地进行销售跟进。

能够实现对文本的自动纠错功能（比如座席/坐席，暴乱/爆乱），准确识别输入文本中出现的拼写错别字及其段落位置信息，并针对性给出正确的建议文本内容。

在上下文场景中进行多组词或多短语的纠错功能（如：不不，我没时间，要不你快点说！），尤其对于语气相反、词义矛盾的理解和分析。

TTS是Text To Speech的缩写，即“从文本到语音”，是人机对话的一部分。askAI将数据库或文件中的文本，转换成自然语音输出。我们支持两种模式：TTS实时转换和语料库人声录音。

OCR 技术将通过对图像的识别，然后用字符识别方法将形状翻译成文字，比如名片识别、价格识别等。目前支持百度、科大等平台接口。