在视频中可以看到，点单环节包含了修改、删除、加单等多轮对话，背后是公共场所强噪声环境下的信号处理和语音识别、流式多意图口语理解引擎、多模态人机交互等技术模块的综合使用。

值得一提的是，在整个交流过程中，没有出现”hi，点单机“之类呆板的唤醒词，可直接下单，这也更符合人与人的自然对话。

阿里巴巴语音交互首席科学家鄢志杰告诉新浪科技，如今机器对人类口语的理解能力带到了新的高度，这完全打破了”语音唤醒+语音指令”传统命令式交互方式，阿里云首创的流式多意图口语理解引擎，极大地提升了对人类随意、自然的口语表达的理解力，“这些模块并非简单级联，而是深度融合而形成了多模态语音交互方案。现在这套解决方案已经在阿里云上开放，开发者开箱即用”。

阿里云方面介绍，这项解决方案除了可以做收银员之外，还能在地铁卖票。目前，上海地铁已经部署了这一技术。乘客直接说出目的地，售票机便可选择合适的站点和路线。测试数据显示，普通买票耗时往往超过30秒，而语音购票全程只需要10秒左右。