基于人工智能的语音控制方法、装置、设备及存储介质

本发明提供了一种基于人工智能的语音控制方法、装置、设备及存储介质，该方法包括：对采集的语音信号进行预处理，得到梅尔频谱图；利用两个预设的集成深度学习模型对梅尔频谱图进行特征提取，得到联合特征向量；对联合特征向量进行注意力加权融合和降维，得到融合特征表示；对融合特征表示进行分块、线性投影和位置编码处理，得到编码序列；将编码序列输入Transformer编码器，经全局平均池化得到固定长度向量表示；利用多层感知机进行分层分类，得到指令类别和关键参数；生成标准化控制指令并发送至智能设备。本方法能有效处理非标准语音，提高识别准确率和实时性，增强系统泛化能力，适用于多样化语音输入场景。