本申请实施例提供了一种人机对话系统及方法，其中，人机对话系统包括：语音交互层，用于接收来自用户的语音对话，并将语音对话转换为对话文本；预训练模型层，用于对对话文本进行语义分析，生成语义表示；对话引擎层，用于对语义表示进行意图分析，确定是否获得了对话文本的意图；若已获得，则根据所述意图，基于对话构建层预先构建的对话流程确定对话回复；若未获得，则根据语义表示确定与用户进行再次对话交互，以获得再次对话交互文本；基于再次对话交互文本和所述对话文本，确定对应的意图；根据确定的意图，基于对话构建层预先构建的对话流程确定对话回复；语音交互层，还用于将对话回复转换为语音，以通过语音与用户进行对话交互。