融合情感计算的数字人直播语音交互系统

本发明涉及数字人语音交互技术领域，公开了融合情感计算的数字人直播语音交互系统。系统通过获取用户语音输入数据流，构建情感响应时间窗口，其起点为用户语音输入数据流的结束时刻，终点为预设最大响应截止时刻减去语音响应合成必要时长。系统实时获取用户的情感状态向量，并判断其是否达到情感强度阈值；若达到阈值，则预测数字人语音响应的总生成时长。当情感响应时间窗口的剩余时长与总生成时长相等时，以窗口起点作为语音响应起始时刻，控制数字人启动语音响应生成。该系统通过精细化的时间窗口管理与情感状态感知，生成与用户情感状态相适配的语音响应，减少无效响应与交互延迟，提升了数字人直播语音交互的自然性与用户体验。