申请/专利权人:北京青藤科技股份有限公司
申请日:2024-03-21
公开(公告)日:2024-06-04
公开(公告)号:CN117935766B
主分类号:G10L13/027
分类号:G10L13/027;G10L25/03;G10L25/15;G10L25/21;G10L25/30;G10L15/02;G10L15/04;G06F18/213;G06F18/214;G06F18/23;G06F18/241
优先权:
专利状态码:有效-授权
法律状态:2024.06.04#授权;2024.05.28#著录事项变更;2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了一种AIGC模型的语音数据处理方法及系统,方法包括:对原始语音数据进行声谱动态映射处理,以匹配预设AIGC模型;将处理后的语音数据分割成多个语音样本,并提取每个语音样本的声学特征;对提取的声学特征进行熵值计算,得到熵声纹;根据所述熵声纹对语音样本进行归类,将归类后的语音样本通过所述预设AIGC模型,生成目标语音内容。利用本发明实施例,能够更全面地分析和处理语音数据,改善声学特征提取的多维性和多样性,并且能够增强AIGC模型生成语音的自然度和准确性。
主权项:1.一种AIGC模型的语音数据处理方法,其特征在于,所述方法包括:对原始语音数据进行声谱动态映射处理,以匹配预设AIGC模型;所述对原始语音数据进行声谱动态映射处理,包括:提取原始语音数据的时频表示;对所述时频表示进行动态时间弯曲调整,以匹配预设AIGC模型;对调整后的时频表示的各频率成分的能量分布进行谱重组;将处理后的语音数据分割成多个语音样本,并提取每个语音样本的声学特征;所述提取每个语音样本的声学特征,包括:提取并编码语音样本中的关键声学属性,结合时间域和频域的信息,以获得抽象的语音特征表示;对提取的声学特征进行熵值计算,得到熵声纹;所述熵声纹的计算公式为:其中,所述EVP_i为熵声纹,所述f_k为第i个语音样本的第k个声学特征,所述pf_k为该特征的出现概率,所述K为声学特征的总数;根据所述熵声纹对语音样本进行归类,将归类后的语音样本通过所述预设AIGC模型,生成目标语音内容。
全文数据:
权利要求:
百度查询: 北京青藤科技股份有限公司 一种AIGC模型的语音数据处理方法及系统
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。