CN119517012A 一种智能语音机器人的语音识别方法及系统 （深圳市诚讯德通信服务有限公司）

道北站社区民治股份商业中心C座一种智能语音机器人的语音识别方法及系统文关联挖掘，从而生成用户音频上下文关联图2步骤S1：采集用户实时对话音频及用户对话监测图像步骤S4：对每一个频域单元的关键字段进行多尺度卷积步骤S5：基于用户音频上下文关联图谱及用户实时情3.根据权利要求2所述的智能语音机器人基于音频延迟补偿值对每一个帧片段对话音频进行时间域插值3步骤S45：根据每一个关键字段的时间戳对卷积特征向量序列进行字段间局部依赖分4音频优化模块，采集用户实时对话音频及用户对话监测图像；对关键词汇模块，对失真优化对话音频进行用户语义停顿识别，并进行关上下文关联模块，对每一个频域单元的关键字段进行多尺度卷音频语义识别模块，基于用户音频上下文关联图谱及用户实时交互倾向预测模块，对场景语义识别优化数据进行交互5[0001]本发明涉及语音识别领域，尤其涉及一种智能语音机器人的语音识别方法及系[0003]本发明为解决上述技术问题，提出了一种智能语音机器人的语音识别方法及系6识别准确性，得到降噪分离对话音频可以使智能语音机器人更清晰地捕捉用户语音内容，7修正提供准确的数据支持，音频延迟补偿计算能够根据延迟参数生成准确的延迟补偿值，绪分析提供更丰富的信息，提取用户实时微表情数据有助于更准确地了解用户的情绪状8义分析和关键词提取提供基础支持，识别用户语义停顿可以帮助理解对话中的语义结构，准确捕捉用户的话语节奏和逻辑关系，提取用户对话停顿点有助于将对话分割成语义单中的关键内容和意图，提取每一个频域单元的关键字段有助于捕捉对话中的重要语义特[0045]步骤S42：对多个关键字段卷积编码进行多尺度卷积学习，提取多个卷积特征向[0048]步骤S45：根据每一个关键字段的时间戳对卷积特征向量序列进行字段间局部依[0050]本发明通过卷积特征编码可以将每个频域单元中的关键字段进行特征提取和编9[0052]步骤S51：根据实时环境音频对用户实时情绪状态特征进行用户交互场景聚类分[0053]步骤S52：基于用户音频上下文关联图谱对失真优化对话音频进行动态音频语义[0055]本发明通过用户情绪状态特征聚类分析可以根据实时环境音频推断用户的情绪场景类型对动态音频识别数据进行当前场景语义优化有助于根据特定场景对语义信息进[0057]步骤S61：对失真优化对话音频进行交互行为演化，以生成用户实时交互行为数[0060]步骤S64：利用用户交互倾向预测数据对场景语义识别优化数据进行深度迭代学[0061]本发明通过对失真优化对话音频进行交互行为演化可以模拟用户的实时交互过互行为习惯特征有助于深入理解用户的交互行为模式，为后续的交互倾向预测提供依据，通过对当前用户交互行为习惯特征进行交互倾向预测可以预测用户在特定情境下的交互高分辨率相机(如高清网络摄像头或专业摄像机)进行用户图像采集。设置合适的分辨率(如1920x1080)和帧率(如30fps)以确保图像的清晰度和流畅性。启动图像采集程序(如使用。度学习降噪网络)用于实时对话音频的降噪，使用识别出的噪音分量对实时对话音频进行情类别(如快乐、悲伤、惊讶等)及其持续时间，采用Ha频片段的频域数据保存为频域单元，以便后续分析，采用音频特征提取算法(如MFCC、[0130]步骤S42：对多个关键字段卷积编码进行多尺度卷积学习，提取多个卷积特征向[0133]步骤S45：根据每一个关键字段的时间戳对卷积特征向量序列进行字段间局部依短期记忆网络(LSTM)或门控循环单元(GRU)来拟合卷积特征向量的时序序列。设计一个[0137]步骤S51：根据实时环境音频对用户实时情绪状态特征进行用户交互场景聚类分[0138]步骤S52：基于用户音频上下文关联图谱对失真优化对话音频进行动态音频语义[0142]步骤S61：对失真优化对话音频进行交互行为演化，以生成用户实时交互行为数[0145]步骤S64：利用用户交互倾向预测数据对场景语义识别优化数据进行深度迭代学[0156]如上所述仅是本发明的具体实施方式，使