基于多模态交互的酒店智能语音对话方法

本申请涉及信息交互技术领域。基于多模态交互的酒店智能语音对话方法，包括：获取用户在酒店语音对话中的多模态数据，其中，所述多模态数据包括语音数据、面部表情视频数据和文本交互数据；根据所述语音数据获取用户声学特征，并根据所述用户声学特征获取语音情感特征；根据所述面部表情视频数据获取用户视觉特征，并根据所述用户视觉特征获取视觉情感特征；根据所述文本交互数据获取用户文本特征，并根据所述用户文本特征获取文本情感特征。本发明通过融合语音、面部表情视频和文本交互数据，提升了用户情感状态与需求意图的识别精度，解决了传统单模态系统信息缺失导致的误判问题。