视觉与语音是智能体进行交互与学习的两个关键要素。本文提出了一种新型室内导航模型——记忆视觉-语音室内导航模型（Memory Vision-Voice Indoor Navigation, MVV-IN），该模型能够接收语音指令，并对视觉观测的多模态信息进行分析，从而提升机器人对环境的理解能力。我们采用由第一视角单目相机拍摄的单张RGB图像作为输入，并引入自注意力机制，使智能体能够持续关注关键区域。为避免不必要的重复任务并实现对新场景的充分适应，记忆机制在本模型中发挥重要作用，因此我们结合了元学习方法。我们对从视觉观测中提取的多种功能特征进行了实验验证。对比实验结果表明，所提出的方法在性能上优于现有的先进基准模型。