我是第一次使用贴吧答得不好请见谅。
一，仅有文本对话能力：
1.加入神经网络：你可能需要往模型上对接一些发声与语音识别神经网络模块，在发声模块的选择上，往往使用适合声学的，如循环神经网络（RNN）及其变体。
2.朗读程序：如果你不想为了简单一个语音对话能力便大费周章，你可以简单粗暴地找到随处可见语音识别与朗读程序，可以使用输入法的语音识别 谷歌朗读与变声器（neuro就是用变声器的），也可以从github上git一个。
二、只能问一句答一句
1.更换神经网络：使用一个依赖于时间的可循环神经网络，如常见的循环神经网络（RNN）及其变体，与新兴但不成熟的脉冲神经网络（SNN）。但你们已经做好了，神经网络的转变是复杂的，还是算了吧。
2.客户端层面上的修改：讲究的就是一个简单，如果客户在一端时间内保持沉默，直接在后台对ai发送：“你继续往下说。（要表现地我没说过这句话一样）”，同时，你在对话没开始时可以对ai进行一定的要求。这涉及到一些“提示词”（如果你不知道提示词，想了解更多就搜索“提示词”）。
好了，给你的建议就到这了，如果我对你的话存在误解，或者我讲的话不够清晰，欢迎继续提问，不过本人时间条件有限，恐怕难以回复。总之，希望你的工作一帆风顺，做出你心目中的AI。