语音交互方法、服务器和计算机可读存储介质

本申请公开了一种语音交互方法、服务器和计算机可读存储介质。方法包括：根据获取到的当前语音请求和与当前语音请求相关联的目标图像，确定融合特征信息。接着，基于预设大语言模型，根据融合特征信息，进行语音交互。如此，通过融合当前语音请求和目标图像，能够准确地理解用户的意图，减少误触现象，提高语音交互的准确性和流畅性，从而增强用户体验。