基于人工智能的语音交互方法、装置、设备及介质

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。