一种基于wav2vec的语气词插入的语音交互方法及系统

摘要

本发明提出了一种基于wav2vec的语气词插入的语音交互方法及系统，属于人工智能、语音识别技术领域。该方法中，训练中文语音环境下的wav2vec预训练模型；获取用户通话音频并标注语气词插入位置，作为音频语料；将音频语料进行切割，对每一个切割后的语音块设置插入标签或者不插入标签，将每一个带有标签的语音块作为一个样本，构成训练样本集；构建由wav2vec预训练模型和分类器组成的音频分类模型并进行训练，利用训练好的音频分类模型判断在人机语音交互过程中是否需要插入语气词，稳定性高，避免了随机插入的突兀性，无需依赖专业人员设计复杂的规则，准确性高。