基于声纹辨别并与多人面对面交流的AI数字人装置及方法

本申请公开了一种基于声纹辨别并与多人面对面交流的AI数字人装置及方法，通过麦克风阵列接收来自不同方向的声音信号，并通过红外测距传感器精确测量发言者与装置的距离，同时借助微型摄像头进行面部跟踪，确保了每个发言者的位置和眼睛位置能够被精确捕捉。其次，波束成形算法和RNNoise降噪模块的结合，使得装置能够从复杂环境中准确提取目标发言者的声音，并去除背景噪音，提升语音清晰度。通过梅尔频率倒谱系数和ECAPA‑TDNN深度学习模型对语音特征的高效提取，系统能够实现高精度的声纹识别，结合哈希表存储方式，快速对比发言者的声纹特征，进一步增强了识别准确性。