摘要
本发明可应用于智慧医疗和金融领域,公开了一种基于人工智能的语音交互方法、装置、设备及介质,包括:将待合成文本或待识别语音输入语音交互模型中,语音交互模型包括第一前处理层、第二前处理层、共享编码器、第一输出层和第二输出层;共享编码器包括Transformer模块;基于第一前处理层对待识别语音进行特征提取,获得声学特征;基于Transformer模块对声学特征进行处理,获得音素序列;第一输出层对音素序列进行识别,获得目标文本;第二前处理层对待合成文本进行特征提取,得到文本特征,且进行特征对齐,得到对齐特征;基于Transformer模块对对齐特征进行处理,得到梅尔频谱;基于第二输出层得到合成语音。
技术关键词
语音交互方法
声学特征
交互模型
文本编码器
上下文特征
前馈神经网络
注意力
序列
语音交互装置
动态规划算法
数据输入模块
语音识别模块
可读存储介质
特征提取模块
解码算法
对齐模块
系统为您推荐了相关专利信息
音频编解码方法
语音
波形
量化器
音频编解码装置
表面缺陷图像
手机屏幕
图像生成模型
图像生成方法
模型预测值
视频帧
意图识别模型
非易失性存储介质
分支
数据
智能教育教学
切片
评价方法
上下文特征
数据采集平台