AI数字人的交互方法、装置及系统制造方法及图纸

本申请提供了一种AI数字人的交互方法、装置及系统，其中，该方法包括：响应于接收到用户的问询请求，调用基于深度学习的第二神经网络模型，生成用于响应问询请求的问询响应；基于问询响应，来驱动AI数字人，以实现AI数字人与用户的交互；其中，第二神经网络模型是通过以下得到的：使用第一神经网络模型的网络参数作为初始参数，并将初始参数应用到第二神经网络模型；基于业务场景确定与业务数据相关的第二数据集，将第二数据集输入到第二神经网络模型中，来训练第二神经网络模型，其中，第一数据集的数据量大于第二数据集的数据量。本申请解决了现有的AI数字人的个性化回应能力不佳的技术问题。术问题。术问题。

【技术实现步骤摘要】
AI数字人的交互方法、装置及系统


[0001]本申请涉及数据交互
，具体而言，涉及一种AI数字人的交互方法、装置及系统。

技术介绍

[0002]AI数字人是利用人工智能技术创建的虚拟人物，其外貌、动作和语音能力具有高度逼真的特点。通过AI算法和技术，AI数字人能够模拟人类的外观、行为和交流方式，使其在视觉和听觉上与真实人类无异。
[0003]AI数字人的核心是通过计算机图形学技术进行3D建模和动画。这包括创建虚拟人物的外观特征，如面部结构、身体比例和肌肉定义，以及细节如头发、眼睛、嘴唇等。同时，计算机图形学还能够为虚拟人物添加逼真的动画效果，包括身体动作、表情和姿态。
[0004]除了外貌和动作，AI数字人还需要语音合成技术来实现语音表达。通过语音合成技术，AI数字人能够将输入的文本或语音转化为逼真的语音输出。这使得虚拟人物能够与用户进行对话和互动，传递信息和情感。
[0005]然而，现有的AI数字人的交互技术，虽然使用了机器学习算法和自然语言处理技术，使AI数字人能够理解和回应用户的提问或互动，但其互动能力通常基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种AI数字人的交互方法，其特征在于，包括：响应于接收到用户的问询请求，调用基于深度学习的第二神经网络模型，生成用于响应所述问询请求的问询响应；基于所述问询响应，来驱动AI数字人，以实现所述AI数字人与所述用户的交互；其中，所述第二神经网络模型是通过以下训练得到的：使用第一神经网络模型的网络参数作为初始参数，并将所述初始参数应用到所述第二神经网络模型，其中，所述第一神经网络模型是通过第一数据集训练好的模型，所述第二神经网络模型的网络参数少于所述第一神经网络模型的网络参数；基于业务场景确定与业务数据相关的第二数据集，将所述第二数据集输入到所述第二神经网络模型中，来训练所述第二神经网络模型，其中，所述第一数据集的数据量大于所述第二数据集的数据量。2.根据权利要求1所述的方法，其特征在于，将所述第二数据集输入到所述第二神经网络模型中，来训练所述第二神经网络模型，包括：将所述第二数据集输入到所述第二神经网络模型中，基于预设的损失函数和所述第二数据集来计算所述第二神经网络模型的损失值；通过链式法则计算所述第二神经网络模型的每个网络参数对所述损失值的梯度信息；基于所述梯度信息，利用预设的优化器函数来对所述第二神经网络模型的每个网络参数进行更新，以训练所述第二神经网络模型。3.根据权利要求2所述的方法，其特征在于，利用预设的优化器函数来对所述第二神经网络模型的每个网络参数进行更新，包括：计算所述梯度信息中的所述每个网络参数的当前梯度的一阶矩估计和二阶矩估计，并对所述一阶矩估计和所述二阶矩估计进行偏差修正，其中，所述一阶矩估计用于指示所述每个网络参数更新的方向和幅度，所述二阶矩估计用于调整所述每个网络参数在搜索方向上的移动强度；利用偏差修正后的所述一阶矩估计和所述二阶矩估计来计算所述每个网络参数的学习率，并基于所述学习率来对所述每个网络参数进行更新。4.根据权利要求3所述的方法，其特征在于，对所述一阶矩估计和所述二阶矩估计进行偏差修正，包括：确定所述一阶矩估计的第一矩估计衰减率和所述二阶矩估计的第二矩估计衰减率；分别基于所述第一矩估计衰减率和所述第二矩估计衰减率来对所述一阶矩估计和所述二阶矩估计进行偏差修正。5.根据权利要求1所述的方法，其特征在于，在基于业务场景确定与业务数据相关的第二数据集之前，所述方法还包括：基于所述业务数据的数据格...

【专利技术属性】
技术研发人员：张青辉，
申请(专利权)人：世优北京科技有限公司，
类型：发明
国别省市：