复杂的环境，一方面是外在环境的复杂，另一方面是方言和口音。外在环境复杂包括噪声、混响、回声等，而且噪音又分为不同的会议室、户外、商场等不同环境，为了解决这些问题，除了单通道语音增强技术，现在基本是采用上面提到的麦克风阵列硬件和相关算法实现。
在方言、口音方面，大家都知道，在我们国家，几十种方言，每个人都有自己的独特口音，一般的解决方法的是基于各种方言数据，通过深度神经网络，训练各种方言模型，以提高识别率，这是业内的通用做法。
为解决两方面的问题，讯飞正通过以下的技术方案，去适应各种复杂环境的要求。包括以下方面：
1) 提供条形、环形、球形的四麦、五麦、八麦等多种不同的麦克风阵列构型，以适应不同的产品需求，比如叮咚音箱采用的就是环形8麦的方案。
麦克风阵列技术虽然已经可以达到相当的技术水平，但是总体上还是存在一些问题的，比如当麦克风和信号源距离太远时(比如10m、20m距离)，录制信号的信噪比会很低，算法处理难度很大;对于便携设备来说，受设备尺寸以及功耗的限制，麦克风的个数不能太多，阵列尺寸也不能太大。而分布式麦克风阵列技术则是解决当前问题的一个可能途径。
所谓分布式阵列就是将子阵元或子阵列布局到更大的范围内，相互之间通过有线或者无线的方式进行数据的交换和共享，并在此基础上进行广义上的声源定位、波束形成等技术实现信号处理。
相对于目前集中式的麦克风阵列，分布式阵列的优势也是非常明显的。首先分布式麦克风阵列(尤其无线传输)的尺寸的限制就不存在了;另外，阵列的节点可以覆盖很大的面积。总会有一个阵列的节点距离声源很近，录音信噪比大幅度提升，算法处理难度也会降低，总体的信号处理的效果也会有非常显著的提升，目前科大讯飞已经开始了相关技术研究的布局工作。
2)不同环境的语音识别声学模型，如上面提到的远场拾音，专门针对远距离拾音的环境进行训练;
3)在方言方面，讯飞支持普通话、粤语等20多种方言，是目前涵盖方言范围最广的。积累了一定量的多方言资源库，并基于特殊的深度神经网路结构和上线数据的半监督训练，实现了多方言数据信息的共享和方言的自动迭代更新。
另外方言最大的难点，在于方言的自适应，如何能够根据用户的语音，自动匹配模型，讯飞已经验证完成。
4)在口音的适配方面，讯飞已经有一套完整的基于用户的训练系统，可以针对每个用户，建立闭环的优化流程，为每个用户建立自己的个性化声学模型，目前正在讯飞输入法试点，对于一些注册用户进行灰度体现;
5)基于特定人群的模型训练，目前已经为面向儿童的玩具方案，专门训练针对儿童的声学匹配模型;
6)为每个应用、每个用户，提供个性化的语言模型;
AIUI的服务
AIUI对外完全开放，不管是个人开发者还是公司，在我们的平台上都可使用。因AIUI需要与硬件相结合，所以现在是以评估板的形式开放。如果评估效果满足产品需求，我们提供模块或者软核的方式支持产品量产。
开放平台除了提供整体的方案和几十个业务场景，还提供产品的个性化定制能力，主要包括唤醒词定制、发音人定制、交互语义理解定制、语音识别资源定制、流程参数配置等，这些都是在Web平台上开放的功能，开发者可以根据产品需求，在平台上进行个性化的配置和编辑。
如语义开放平台，提供私有语义编写、自定义问答导入，这一块相信是大家最为关心的，每个机器人如何回答用户的提问，主要就通过这方面来体现。
还有很重要一点，AIUI允许第三方系统接入，AIUI作为可扩展的伸缩服务，经过语音云处理的识别和语义结果，只要在平台上配置，第三方业务系统即可通过Http服务接入，以满足更为复杂的个性化需求。
当然讯飞开放平台还提供深度的定制服务，包括唤醒词训练、发音人训练、语义及内容制作等。通过平台开放和深度定制两种方式，可以满足各个产品之间的差异化。