申请/专利权人：平安科技(深圳)有限公司

申请日：2021-05-31

公开（公告）日：2024-01-30

公开（公告）号：CN113223494B

主分类号：G10L13/08

分类号：G10L13/08;G10L25/18

优先权：

专利状态码：有效-授权

法律状态：2024.01.30#授权;2021.08.24#实质审查的生效;2021.08.06#公开

摘要：本申请涉及人工智能技术领域，揭示了一种梅尔频谱的预测方法、装置、设备及存储介质，其中方法包括：将待预测的文本序列输入目标声学模块的文本编码器进行特征提取，得到目标文本编码特征数据；通过目标声学模块的对齐位置预测器，对目标文本编码特征数据进行对齐位置预测，得到目标对齐位置数据；通过目标声学模块的对齐图重建器，根据目标文本编码特征数据和目标对齐位置数据进行时间对齐特征计算，得到目标时间对齐特征值；通过目标声学模块的解码器，对目标时间对齐特征值进行梅尔频谱计算，得到目标梅尔频谱数据。实现采用输入‑输出特征对齐策略将时长建模隐式地集成在目标声学模块中，无需额外的时长模型。本申请还涉及区块链技术。

主权项：1.一种梅尔频谱的预测方法，其特征在于，所述方法包括：获取待预测的文本序列，所述待预测的文本序列是根据曲谱数据提取得到的文本序列；将所述待预测的文本序列输入目标声学模块的文本编码器进行特征提取，得到目标文本编码特征数据；通过所述目标声学模块的对齐位置预测器，对所述目标文本编码特征数据进行对齐位置预测，得到目标对齐位置数据；通过所述目标声学模块的对齐图重建器，根据所述目标文本编码特征数据和所述目标对齐位置数据进行时间对齐特征计算，得到目标时间对齐特征值；通过所述目标声学模块的解码器，对所述目标时间对齐特征值进行梅尔频谱计算，得到目标梅尔频谱数据；所述将所述待预测的文本序列输入目标声学模块的文本编码器进行特征提取，得到目标文本编码特征数据的步骤之前，还包括：获取多个训练样本，所述多个训练样本中的每个训练样本包括：文本序列样本和梅尔频谱标定数据；从所述多个训练样本中获取一个所述训练样本，作为目标训练样本；将所述目标训练样本的所述文本序列样本输入初始声学模块的所述文本编码器进行特征提取，得到文本编码特征预测数据；将所述文本编码特征预测数据输入所述初始声学模块的所述对齐位置预测器进行对齐位置预测，得到对齐位置预测数据；采用所述初始声学模块的梅尔频谱编码器及索引映射矢量生成器，根据所述文本编码特征预测数据和所述目标训练样本的所述梅尔频谱标定数据进行索引映射矢量计算，得到目标索引映射矢量；将所述文本编码特征预测数据和所述目标索引映射矢量输入所述初始声学模块的所述对齐图重建器进行时间对齐特征计算和对齐位置提取，得到时间对齐特征预测值和对齐位置提取数据；将所述时间对齐特征预测值输入所述初始声学模块的所述解码器进行梅尔频谱计算，得到梅尔频谱预测数据；根据所述对齐位置预测数据、所述对齐位置提取数据、所述梅尔频谱预测数据和所述梅尔频谱标定数据进行损失值计算，得到目标损失值，根据所述目标损失值更新所述初始声学模块的参数，将更新后的所述初始声学模块用于下一次计算所述对齐位置预测数据、所述对齐位置提取数据和所述梅尔频谱预测数据；重复执行所述从所述多个训练样本中获取一个所述训练样本，作为目标训练样本的步骤，直至达到训练收敛条件，将达到所述训练收敛条件的所述初始声学模块作为所述目标声学模块。

全文数据：

权利要求：

百度查询： 平安科技(深圳)有限公司 梅尔频谱的预测方法、装置、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD