CN114997368A - 一种基于语音ai智能会议系统及其实现方法 - Google Patents

Abstract

本发明涉及AI智能技术领域，尤其是一种基于语音AI智能会议系统，包括用户端，所述用户端通过网络传输基站以及内部服务器将数据信息传递至数据采集模块中，对会议中的音频以及图像数据进行采集，并将采集的信息数据传递至算法模块中进行算法的计算，将计算后的数据传递至人工神经网络模型中进行分析，并将函数模型计算的结果反馈至用户端。本发明视频会议一般利用单一体系的视频会议，将IP网络应用在视频会议之中，极大地增加了视频会议的灵活性，同时设置防护的模块最大程度的保护会议中的会议内容。

Description

一种基于语音AI智能会议系统及其实现方法

技术领域

本发明涉及AI智能技术领域，尤其涉及一种基于语音AI智能会议系统及其实现方法。

背景技术

AI智能指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术；

现有市场上的AI智能会议系统存在系统组网的问题以及会议安全的问题，无法根本解决视频会议系统中的组网问题，主要表现为网络时钟的同步性不高，不同的厂家之间设备兼容性不强。

发明内容

本发明的目的是为了解决现有技术中存在系统组网的问题以及会议安全的问题，无法根本解决视频会议系统中的组网问题，主要表现为网络时钟的同步性不高，不同的厂家之间设备兼容性不强的缺点，而提出的一种基于语音AI智能会议系统及其实现方法。

为了实现上述目的，本发明采用了如下技术方案：

设计一种基于语音AI智能会议系统，包括用户端，所述用户端通过网络传输基站以及内部服务器将数据信息传递至数据采集模块中，对会议中的音频以及图像数据进行采集，并将采集的信息数据传递至算法模块中进行算法的计算，将计算后的数据传递至人工神经网络模型中进行分析，并将函数模型计算的结果反馈至用户端。

优选的，所述数据采集模块包括数据采集器，数据采集器将接收到的数据信息通过数据接收模块传递至数据编码模块中，对数据信息编码，编码后的数据信息通过数据压缩模块压缩后传递至算法模块，算法模块能够对数据信息进行解码并计算。

优选的，所述算法模块包括中央处理器，借助于中央处理器，分别设置有多种函数计算模型，包括蚁群优化模块、粒子群算法、遗传算法、编码翻译模块、进化算法模块、反向搜索以及数据排序模块，借助于多种函数计算的模型，对数据进行优化分析以及数据的处理结构。

优选的，所述人工神经网络模型包括ART网络模块、BP神经网络、感知器模块以及双向联想储存器，通过不同的网络模块实现计算的效果。

优选的，所述人工神经网络模型与用户端之间设置有防护模块。

优选的，所述防护模块包括数据接收模块，数据接收后将数据传递至数据监测模块中，同时数据接收模块与数据监测模块之间设置有防火墙模块，同时数据监测模块将监测的数据分析后，通过指令反馈模块一并传递至用户端。

一种基于语音AI智能会议系统的实现方法，具体包括如下步骤：

S1、构建多种算法的种类，算法对数据进行训练，得到多个稳定且可用的网络模型，并设置相应的参数配置，将这些计算的模型部署在线上会议交互的过程中，通过在线服务识别输入的指令即可得到相应的服务，为避免产生不必要的费用，完成试运行后，删除相关在线服务、可视化作用、训练作业资源；

S2、用户端在参加会议过程中，通过网络传输的方式将双方的音频以及图像进行采集，将采集后的数据信息传递至计算模型以及人工神经网络模型，由于网络模型以及算法模块能够很好的记录用户端的使用习惯，自动调节至客户适用的配置模式中；

S3、在网络传输的过程中设置防护模块，保护进行视频会议时涉及的会议内容不会出现泄露的问题。

本发明提出的一种基于语音AI智能会议系统及其实现方法，有益效果在于：该基于语音AI智能会议系统及其实现方法，视频会议一般利用单一体系的视频会议，将IP网络应用在视频会议之中，极大地增加了视频会议的灵活性，同时设置防护的模块最大程度的保护会议中的会议内容。

附图说明

图1为本发明提出的一种基于语音AI智能会议系统及其实现方法的系统框图。

图2为本发明提出的一种基于语音AI智能会议系统及其实现方法的防护系统的系统框图。

图3为本发明提出的一种基于语音AI智能会议系统及其实现方法的数据采集模块的系统框图。

图4为本发明提出的一种基于语音AI智能会议系统及其实现方法的算法模块的系统框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

实施例1

参照图1-2，一种基于语音AI智能会议系统，包括用户端，用户端通过网络传输基站以及内部服务器将数据信息传递至数据采集模块中，对会议中的音频以及图像数据进行采集，并将采集的信息数据传递至算法模块中进行算法的计算，将计算后的数据传递至人工神经网络模型中进行分析，并将函数模型计算的结果反馈至用户端，人工神经网络模型包括ART网络模块、BP神经网络、感知器模块以及双向联想储存器，通过不同的网络模块实现计算的效果，BP神经网络为Back-propagation，利用网络模型实现机器的智能化学习，记载用户的使用记录，对客户的参数配置进行记录，便于后期对客户进行自动配置，具有很好的识别功能。

人工神经网络模型与用户端之间设置有防护模块，防护模块包括数据接收模块，数据接收后将数据传递至数据监测模块中，同时数据接收模块与数据监测模块之间设置有防火墙模块，同时数据监测模块将监测的数据分析后，通过指令反馈模块一并传递至用户端，视频会议的信息安全问题是视频会议的主要问题，为了保证视频会议的网络安全，在企业的内部网络和外部网络之间加设一层防火墙。一旦视频会议出现内部安全问题，出现信息泄露的现象，会对企业造成无法挽回后果。

一种基于语音AI智能会议系统的实现方法，具体包括如下步骤：

S1、构建多种算法的种类，算法对数据进行训练，得到多个稳定且可用的网络模型，并设置相应的参数配置，将这些计算的模型部署在线上会议交互的过程中，通过在线服务识别输入的指令即可得到相应的服务，为避免产生不必要的费用，完成试运行后，删除相关在线服务、可视化作用、训练作业资源；

S2、用户端在参加会议过程中，通过网络传输的方式将双方的音频以及图像进行采集，将采集后的数据信息传递至计算模型以及人工神经网络模型，由于网络模型以及算法模块能够很好的记录用户端的使用习惯，自动调节至客户适用的配置模式中；

S3、在网络传输的过程中设置防护模块，保护进行视频会议时涉及的会议内容不会出现泄露的问题。

实施例2

参考图3，本实施例与实施例1之间的区别在于，数据采集模块包括数据采集器，数据采集器将接收到的数据信息通过数据接收模块传递至数据编码模块中，对数据信息编码，编码后的数据信息通过数据压缩模块压缩后传递至算法模块，算法模块能够对数据信息进行解码并计算，频会议一般利用单一体系的视频会议，将IP网络应用在视频会议之中，极大地增加了视频会议的灵活性，同时设置防护的模块最大程度的保护会议中的会议内容。

实施例3

参考图4，本实施例与实施例1之间的区别在于，算法模块包括中央处理器，借助于中央处理器，分别设置有多种函数计算模型，包括蚁群优化模块、粒子群算法、遗传算法、编码翻译模块、进化算法模块、反向搜索以及数据排序模块，借助于多种函数计算的模型，对数据进行优化分析以及数据的处理结构，不同的算法有不同的效率，有不同的时间复杂度和空间复杂度，这是和数据规模相关的数，数据量越大算法间的差距越明显，通过不同的算法模型对程序的运行进行支撑，同时提高程序运行的速度。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于语音AI智能会议系统，包括用户端，其特征在于，所述用户端通过网络传输基站以及内部服务器将数据信息传递至数据采集模块中，对会议中的音频以及图像数据进行采集，并将采集的信息数据传递至算法模块中进行算法的计算，将计算后的数据传递至人工神经网络模型中进行分析，并将函数模型计算的结果反馈至用户端。

2.根据权利要求1所述的基于语音AI智能会议系统，其特征在于，所述数据采集模块包括数据采集器，数据采集器将接收到的数据信息通过数据接收模块传递至数据编码模块中，对数据信息编码，编码后的数据信息通过数据压缩模块压缩后传递至算法模块，算法模块能够对数据信息进行解码并计算。

3.根据权利要求1所述的基于语音AI智能会议系统，其特征在于，所述算法模块包括中央处理器，借助于中央处理器，分别设置有多种函数计算模型，包括蚁群优化模块、粒子群算法、遗传算法、编码翻译模块、进化算法模块、反向搜索以及数据排序模块，借助于多种函数计算的模型，对数据进行优化分析以及数据的处理结构。

4.根据权利要求1所述的基于语音AI智能会议系统，其特征在于，所述人工神经网络模型包括ART网络模块、BP神经网络、感知器模块以及双向联想储存器，通过不同的网络模块实现计算的效果。

5.根据权利要求1所述的基于语音AI智能会议系统，其特征在于，所述人工神经网络模型与用户端之间设置有防护模块。

6.根据权利要求5所述的基于语音AI智能会议系统，其特征在于，所述防护模块包括数据接收模块，数据接收后将数据传递至数据监测模块中，同时数据接收模块与数据监测模块之间设置有防火墙模块，同时数据监测模块将监测的数据分析后，通过指令反馈模块一并传递至用户端。

7.一种根据权利要求1-6任意一项所述的基于语音AI智能会议系统的实现方法，其特征在于，具体包括如下步骤：

S1、构建多种算法的种类，算法对数据进行训练，得到多个稳定且可用的网络模型，并设置相应的参数配置，将这些计算的模型部署在线上会议交互的过程中，通过在线服务识别输入的指令即可得到相应的服务，为避免产生不必要的费用，完成试运行后，删除相关在线服务、可视化作用、训练作业资源；

S2、用户端在参加会议过程中，通过网络传输的方式将双方的音频以及图像进行采集，将采集后的数据信息传递至计算模型以及人工神经网络模型，由于网络模型以及算法模块能够很好的记录用户端的使用习惯，自动调节至客户适用的配置模式中；

S3、在网络传输的过程中设置防护模块，保护进行视频会议时涉及的会议内容不会出现泄露的问题。

Images