语音落域方法、云端、车机端及存储介质

本申请提供语音落域方法、云端、车机端及存储介质，应用于语音交互领域。相关技术中依赖单一语音落域大模型判断语音指令的领域归属，语音落域大模型需要全局数据训练且参数复杂的方案，该方法中各个第一领域对应独立的小模型，小模型之间互不干扰。在新增第一领域时，仅需针对第一领域对应的小规模数据集训练轻量级的新模型，不需要重新训练现有模型，这有助于对新增的第一领域的落域判断进行扩展。同时，小模型因专注于单一领域，可深度优化领域特征，这可避免语音落域大模型因多任务冲突导致的精度损失，从而各个小模型在并行处理文本指令时能够生成更准确的落域结果。因此，该方法通过小模型的并行架构，可提升第一领域扩展的灵活性与效率。