1.一種基于智能可視對講門禁的語音交互系統(tǒng)及裝置，其特征在于，包括本地可視對講門禁系統(tǒng)和智能語音裝置；所述智能語音裝置通過無線連接本地可視對講門禁系統(tǒng)；所述智能語音裝置包括：用于采集用戶聲音信息的語音采集模塊；用于語音分析理解的語義分析模塊；用于實(shí)時(shí)語音播放輸出的語音播放模塊；以及用于傳輸語音數(shù)據(jù)或操作命令的WIFI通訊模塊；所述本地可視對講門禁系統(tǒng)包括：用于識別接收到的語音數(shù)據(jù)并喚醒程序的語音喚醒模塊；用于接收語音喚醒模塊傳輸?shù)目刂浦噶罨蛑悄苷Z音裝置傳輸?shù)牟僮髅畹某绦蚩刂颇K；用于處理語音信號、匹配語音信號的語音識別模塊；用于將文字命令數(shù)據(jù)合成為語音數(shù)據(jù)的語音合成模塊；以及用于接收智能語音裝置傳輸?shù)恼Z音數(shù)據(jù)或操作命令的WIFI通訊模塊。