智能语音系统的操作主要包括以下几个步骤：
1. 数据准备：准备需要语音识别的数据集，并进行预处理，如标注、去噪等。
2. 模型训练：使用深度学习技术，如循环神经网络（RNN）、长短期记忆网络（LSTM）或Transformer等，对语音数据进行训练，得到语音识别的模型。
3. 部署模型：将训练好的模型部署到服务器或云平台上，并配置相应的输入和输出接口。
4. 语音输入：通过录音或实时语音输入，将语音信号输入到系统中。
5. 语音识别：使用部署好的模型对输入的语音信号进行识别，得到相应的文字信息。
6. 后处理：对识别结果进行后处理，如纠错、语法分析等，以提高识别准确率。
7. 反馈与交互：将识别结果反馈给用户，并根据用户反馈进行交互，实现智能语音交互的功能。
智能语音系统的操作过程可能因不同的系统和模型而有所差异。一般来说，智能语音系统的操作需要具备一定的编程和算法基础，同时需要了解语音信号处理和深度学习的相关知识。在实际操作中，还需要根据具体需求和场景进行模型选择、参数调整和优化等操作。