1.一种人工智能方法，其特征在于，所述方法包括：

平时时间范围获取步骤：获取平时所对应的时间范围；

平时语音获取步骤：在所述时间范围内获取被识别人的平时语音；

平时情绪识别步骤：通过被识别人的平时语音识别得到被识别人的平时情绪；

待识别语音获取步骤：获取被识别人的待识别语音；

待识别情绪识别步骤：通过被识别人的待识别语音识别得到被识别人的待识别情绪；

待识别情绪矫正步骤：被识别人的待识别情绪与被识别人的平时情绪进行比较，计算被识别人的待识别情绪相对于平时情绪的变化，将平时情绪设置为正常情绪，从而得到矫正后的待识别情绪；

语音内容限定步骤：所述获取的被识别人的待识别语音和所述获取的被识别人的平时语音和音频情绪识别模型训练时所输入的语音对应的文本内容相同或相近；

语音内容双重用途步骤：所述文本内容为能够进行心理辅导的文本。

2.根据权利要求1所述的人工智能方法，其特征在于，

所述平时情绪识别步骤具体包括：将被识别人的平时语音的每一个音频输入预设音频情绪识别模型，得到所述每一个音频对应的情绪，将每一个音频对应的情绪进行加权平均，得到被识别人的平时语音对应的情绪；

所述待识别情绪识别步骤具体包括：将被识别人的待识别语音的每一个音频输入预设音频情绪识别模型，得到所述每一个音频对应的情绪，将每一个音频对应的情绪进行加权平均，得到被识别人的待识别语音对应的情绪。

3.根据权利要求2所述的人工智能方法，其特征在于，所述预设音频情绪识别模型的构建步骤包括：数据采集步骤：采集多个人的多个语音，将全部或部分语音通过人工打上情绪的标签；

模型初始化步骤：初始化音频情绪识别模型为深度学习模型或卷积神经网络模型或其它机器学习模型；

无监督训练步骤：如果所述音频情绪识别模型支持无监督学习，则将每一语音作为输入，对所述音频情绪识别模型进行无监督训练；

有监督训练步骤：将每一已经打了情绪标签的语音作为输入数据，将所述语音的情绪标签作为预期输出数据，对音频情绪识别模型进行有监督训练；

测试步骤：对训练后的所述音频情绪识别模型进行测试，如果测试通过，则将所述音频情绪识别模型作为所述预设的音频情绪识别模型，如果测试没有通过，则采集更多的语音并打标签后对所述音频情绪识别模型重新进行训练。

4.一种人工智能装置，其特征在于，所述装置用于实现权利要求1‑3任意一项所述方法的步骤。

5.一种机器人，包括存储器、处理器及存储在存储器上并可在处理器上运行的人工智能机器人程序，其特征在于，所述处理器执行所述程序时实现权利要求1‑3任意一项所述方法的步骤。