科大讯飞公布人机交互口音控制专利

雷达财经讯，科大口音控制据天眼查知识产权数据库最新披露，讯飞科大讯飞（股票代码：002230）近期申请的公布一项名为“一种人机交互对话系统的口音与风格控制方法及装置”的专利已正式公布。该专利旨在突破现有语音交互技术在个性化表达上的人机局限，为智能对话系统带来更自然、交互更具场景适应性的专利交互体验。

核心技术解析

根据专利摘要显示，科大口音控制该项发明归属于智能对话与语音合成技术领域。讯飞其核心创新点在于构建了一套完整的公布口音与风格动态调控机制，具体技术流程如下：

1. 需求识别与槽值提取：系统首先接收用户的人机对话请求，智能判断其中是交互否包含特定的口音或风格控制指令。一旦识别成功，专利系统将精准提取并确定对应的科大口音控制“口音槽值”与“风格槽值”。
2. 多轮对话状态管理：系统具备记忆与继承能力。讯飞在接收并存储初始槽值后，公布系统会根据当前对话的轮次以及持续的控制需求，动态地对口音和风格槽值进行更新或继承。这一机制解决了传统多轮对话中缺乏状态延续性的痛点。
3. 意图理解与文本生成：基于对话上下文，系统准确解析用户意图，生成相应的文本回复。
4. 个性化语音合成：最后，系统调用对应的TTS（文本转语音）合成模型，结合当前轮次确定的口音槽值与风格槽值，将文本回复合成为符合用户预期的目标语音并输出。

行业痛点与解决方案

该专利的公布，直击当前语音交互技术存在的四大核心痛点：

• 动态调控能力弱：现有技术难以在对话过程中灵活切换口音或说话风格。
• 多轮对话无状态继承：在多轮交互中，系统往往无法保持前后一致的个性化设定。
• 场景适配性不足：通用型语音模型难以满足不同垂直场景（如游戏、教育、客服）的特定情感与口音需求。
• 系统扩展成本高：传统方案往往需要为不同场景单独部署模型，导致资源浪费和维护复杂。

科大讯飞通过此项专利技术，实现了口音与风格的细粒度控制与上下文连贯性，显著提升了智能对话系统的自然度与用户体验，同时也降低了多场景适配的技术门槛与成本。

(责任编辑：休闲)