任務型電話機器人的斷句機制分析，電話機器人與純文本機器人最大的不同是需要經(jīng)過語音端點檢測（VAD），即是對輸入的音頻流進行分析，確定客戶說話的起點和終止點的處理過程。一旦檢測到客戶開始說話，語音開始流向語音識別引擎（ASR），直到檢測到客戶說話結束。這種方式能夠使得識別引擎在客戶說話的同時開始進行識別處理，做到最大限度的即時處理。同時，在實際應用中至少會有以下5個方面的問題存在：

過于敏感的VAD的容易產(chǎn)生誤警，將非語音信號傳輸給ASR,導致較多的識別失敗。

過于保守的VAD的容易延遲觸發(fā)，在語句的開頭漏掉一些有用的數(shù)據(jù)，如“不是”變成了“是”。

提前錯誤斷句會造成搶話，在語句的結尾漏掉一些有用的數(shù)據(jù)。

延遲斷句會造成響應慢，容易使得一些干擾音進入到識別語句中，導致文本數(shù)據(jù)存在噪聲。

語音信號的不完整性很可能會使識別率降低，如某個字的一部分音頻片段丟失，易造成該字識別錯誤，進而影響語言模型（LM）的馬爾科夫鏈。